稳健的自适应功率剩余检测器 端州吊篮安装车出租182 0666 1066 姜先生139 2597 1179 叶小姐 厂房安装维修 吊篮安装车出租 端州吊篮安装车公司, 端州哪儿有吊篮安装车 重加权APR检测器, 本节首先分析APR检测器的不足之处，然后提出一种基于重加权的稳健的APR检测器。APR检测器是一种常用的非均匀检测器，其对应的表达式为2H1ktkr R为APR检测器所需的初始化协方差矩阵。由于APR是一种对杂波白化、目标积累的检测器，含有目标信号的训练样本会具有较大的kr值。APR检测器将计算得到的1Kkk按照升序排列，选择kr值的Q个样本并将这些样本对应的数据矢量从训练样本集中剔除。需要指出的是Q的大小和雷达工作的环境有关。在非均匀环境下，例如机载雷达工作在城市上空时，雷达数据中可能包含有大量运动目标，此时Q可以取一个较大的数值。利用APR检测器，量测数据中含有目标信号的样本被检测出来并予以剔除，样本的均匀性得到保证。然而，APR检测器通常利用采样协方差矩阵作为初始化协方差矩阵。则某个含有目标信号的训练样本的APR值. 由稳健波束形成原理可知，当训练样本中含有期望目标信号时，待检测单元中的目标信号会受到抑制，因此输出的目标信号H1t,kt,kvRs会被削弱。在这种情况下，含有目标信号的非均匀样本的APR值趋近于均匀样本的APR值，检测器区分奇异样本的能力下降。由以上分析可知，APR检测器性能较差的原因在于初始化协方差矩阵R受到奇异样本的影响，从而导致了APR的检测统计量置信度下降。APR在计算R时采用的是对训练样本等加权（均匀加权）的方法。显而易见，在非均匀环境下这是一个不合理的方式。因此若能在计算R时，对训练样本集重加权（非均匀加权）以降低含有强目标信号的样本的权重，APR检测器的性能就可以得到显著提升。重加权以后得到的协方差矩阵形式,，在均匀样本处具有较大的权值。下文推导一种基于训练样本1Kkkx的自适应求解权值1Kk的方法。
按照上文建立的信号模型，当训练样本集中含有目标信号并且目标信号的信噪比较高时，训练样本集的期望协方差矩阵的信号子空间等效为由杂波空时导向矢量与目标空时导向矢量张成。需要注意的是由于目标与杂波在空时二维平面上的位置不同，目标空时导向矢量与杂波空时导向矢量的内积的模值Htc,iss较小，从而导致之间相关程度较低，两者之间接近于线性无关。因此，U可以近似认为由线性无关的矢量张成。此时以特征矢量矩阵Q作为变换矩阵，接收的空时快拍kx可以展开为1,为第k个空时快拍对应的KL系数矢量，k表示样本序号。特征矢量my与mz受到杂波信号的影响较小，其主要由目标信号张成。因此，训练样本kx对应于my与mz的KL系数值，反映了kx中目标信号的强度。这就意味着KL系数可以用来检测训练样本集中的含有强目标信号的非均匀样本。实际中，Q是未知的，通常将采样协方差矩阵ˆR分解得到的特征矩阵ˆQ代入式计算估计的KL系数ˆke。此时需要解决的问题就是从ˆQ中选取目标信号对应的特征矢量。这里，采用相关余弦准则进行挑选，ˆmq为估计的特征矢量。相关余弦反映了矢量之间的接近程度，其数值在0,1之间。若特征矢量ˆiq主要由目标空时导向矢量张成，则其应该与目标期望导向矢量tv具有较强的相关性，即其相关余弦值较大。接着对计算得到的相关余弦值进行门限检测，即10HHcosˆ,mtqv 为设定的门限值。1H假设表示ˆiq由目标信号张成，0H假设表示ˆiq由杂波信号或者噪声信号张成。
端州吊篮安装车出租, 端州吊篮安装车公司, 端州哪儿有吊篮安装车
文中以输出信杂噪比损失为准则衡量各方法性能，对应的形式为为自适应滤波器权值矢量，R为杂波加噪声期望协方差矩阵，2s为目标功率。实验一中忽略非理想因素（阵元误差、通道失配与内杂波运动等），分析理想情况下的各个方法性能。APR与L-GIP方法在待检测单元中的目标信号多普勒频率处形成了凹口，性能出现损失。这是因为APR与L-GIP均利用全部训练样本来初始化非均匀检测器中的协方差矩阵。当训练样本集中含有的目标信号数量较多、SNR较大时，协方差矩阵受到目标信号的严重扰动，导致检测器剔除的样本并非真正的非均匀样本。此时通过APR与L-GIP检测后挑选的训练样本中仍然包含有目标信号，从而导致了待检测单元中的目标自相消、STAP性能出现下降。PSWF-GIP与R-APR方法可以取得较好的性能。这是因为PSWF-GIP直接利用雷达构型参数计算杂波基向量并利用这些基向量构造检测器所需的协方差矩阵。该方法是一种不依赖于样本的方法，不会受到样本自身的影响，从而可以正确检测出含有目标信号的训练样本。而R-APR方法利用重加权的方式来修正利用全部样本集估计的协方差矩阵。通过重加权的方式，非均匀样本在计算采样协方差时所占的权重减小，其对协方差矩阵的扰动也相应减小，因此该检测器的稳健性得到提高。
APR与L-GIP方法的性能较差，这两种方法性能下降的原因已在实验一中分析，这里不再赘述。PSWF-GIP方法性能出现下降。这是因为该方法是一种基于先验模型的方法，实际中由于阵元误差、通道失配与杂波内部运动等因素，假定的信号模型会偏离实际的接收数据信号模型。这种模型失配将造成PSWF构造的基向量不对应于实际的基向量，从而使得该检测器性能下降。R-APR方法取得较好的性能。这是因为R-APR方法是一种基于数据的自适应的方法。该方法利用接收数据而不是先验模型来构造检测器，从而提高了检测器的稳健性。给出了APR、L-GIP、PSWF-GIP与R-APR方法在待检测单元目标处的权值矢量的空域方向图。APR、L-GIP与PSWF-GIP方向图主瓣增益低，旁瓣增益高。与此相比，R-APR的自适应方向图性能优良，主瓣增益高，旁瓣增益低。 实测数据实验本小节采用机载雷达实测数据验证本文方法的性能。美国空军Rome实验室于上世纪90年代实施了MCARM计划。
端州吊篮安装车出租, 端州吊篮安装车公司, 端州哪儿有吊篮安装车
