)] = ξ[W (t )] = d (t) 2rXd (t)W (t )
2 2 T
+ W (t ) RXX (t )W (t )
T
(2.2.3 )
将上式对变量 W(t)求导数并使之等于零
ξ[W (t )] = 2rXd (t ) + 2RXX (t )W (t ) Wopt = RXX rXd
多径信号:有用信号经过多次反(散)射进入接收机的信号. 2,信号模型:
① 随机信号 例如:舰船发动机的噪声,推进器的噪声,未知的通信 信号,传感器热噪声,环境噪声,干扰信号,本质上都是随 机的.这些噪声都典型地来自大量独立微弱源的合成效应, 故应用统计学中心极限定理,可取合成噪声信号的数学模型 为高斯(Gauss)随机过程(通常是平稳高斯随机过程). 高斯信号的统计学性质特别有利于分析计算,因为高斯随机 过程的一阶矩和二阶矩给出了这种随机信号的全部信息特征. 来源:大量独立微弱源的合成效应.(未知的通信信号传感 器热噪声,环境噪声,干扰……等) 模型:Gauss平稳随机过程 参数:均值,方差
(2.1.1) (2.1.2) (2.1.3)
T 方向图形成网络: W = [ w1 , w 2 , L , w N ]
(形成最优权 和系统输出) 自适应处理器:
y (t ) = W T X = X T W
( 例如MVDR:Minimum Variance Distortionless Response) 求解约束性问题: min s.t
4,有利于多目标远距离的检测和跟踪 (Multiple targets detection and traction) 阵元数越多,天线孔径越大,波束及空间谱分辨率越高. 同时自由度增大.增加形成的主波束数量,实现对多目标的跟 踪.另一方面,也可以增加抑制干扰的数量. 三,自适应阵列信号处理的发展历史 自适应波束形成技术的研究主要在六十年代到七十年代, 到七十年代末已经基本成熟. 空间谱估计:主要是超/高分辨空间谱估计技术,从七 十年代到八十年代末期. 八十年代到九十年代,主要研究如何在实际系统中应用