论文部分内容阅读
随着电磁环境变得日趋复杂多样、各种干扰变得日益严重,测控系统的抗干扰能力决定了其在复杂电磁环境中的生存能力。基于自适应阵列天线的空域抗干扰技术一直都是测控系统抗干扰研究的重要方法,经过多年发展,自适应阵列天线技术的两个部分DOA估计和波束形成都已经取很多的成果,但DOA估计依然面临着运算量大和高精度的取舍问题,而信源DOA估计的误差将直接影响波束形成的效果。本文将阵列天线的原理和卷积神经网络相结合,研究利用卷积神经网络快速而精确DOA估计的方法,然后使用基于一定准则的波束形成技术来实现空域抗干扰的目的,最后建立测控系统模型,并对抗干扰效能进行评估。本文首先说明了阵列天线的基本原理、来波方向估计与波束形成的基本原理、卷积神经网络的特点。然后提出了一种用卷积神经网络进行DOA估计的方法,实验结果证明,卷积神经网络可以进行单信源和多信源的DOA估计,可以达到和MUSIC算法同样的准确估计,但时间上却极大的缩短;然后提出了一种CNN-MUSIC联合估计方法,可以在信噪比低至-20d B的情况下,仍然可以进行准确DOA估计,通过卷积神经网络缩小MUSIC算法谱峰搜索范围,使得速度上得到了极大提高。然后针对出现的相干信源问题,使用平滑滤波方法解相干,保证MUSIC算法估计出的干扰源方向准确。然后,分析了波束形成方法,并进行了比较得出基于线性约束最小方差准则的波束形成方法最适合于本文测控系统。其原因是基于最大信干噪比准则和基于线性约束最小方差准则的波束形成方法相对于常规波束形成方法在干扰方向均有较强的抑制作用,而基于线性约束最小方差准则的波束形成方法的条件是需要知道期望信号和干扰信号的方向,这一条件是我们可以用卷积神经网络准确估计出的。最后建立了测控系统空域抗干扰模型,使用第三章的DOA估计方法得到的高精度、实时性信源方向作为先验条件,然后将第四章分析讨论的波束形成方法添加到模型之中,讨论空域抗干扰系统在整个测控系统中起到的抗干扰能力,建立使用抗干扰系统前后干信比与误码率的变化曲线,并评估此测控仿真系统抗干扰效能。