下载文档原格式
![n模二次型哈密顿量对角化的一种简单方法_逯怀新[1]](https://img.taocdn.com/s1/m/a24cf92bdd36a32d737581f8.png)
基于非线性约束的可变对角加载自适应波束形成算法
程春悦;吕英华
【期刊名称】《重庆邮电大学学报（自然科学版）》
【年(卷),期】2006(018)004
【摘要】提出了一种鲁棒波束形成算法.给出了一种基于可变角加载形式的方向图权向量形式,然后利用非线性约束条件对此权向量进行优化.新的算法可以在期望信号导引向量存在误差的情况下提供较好的输出SINR.仿真证明了新算法的有效性.【总页数】5页(P434-438)
【作者】程春悦;吕英华
【作者单位】中国航天科工集团第二研究院203所,北京,100854;北京邮电大学,继续教育学院,北京,100876
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.基于特征结构的可变对角加载波束形成算法 [J], 张引;黄建国
2.基于可变对角载入的鲁棒自适应波束形成算法 [J], 宋昕;汪晋宽;韩英华
3.一种改进的可变对角加载自适应波束形成算法 [J], 杨花卫;黄建国;刘丛
4.基于可变对角加载的稳健空时波束形成算法 [J], 任超;吴嗣亮;王菊;李加琪
5.非线性约束的自适应波束形成算法 [J], 程春悦;吕英华
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于对角加载的降维多级维纳滤波实现方法周柱;张尔扬;卢树军;石峰【期刊名称】《信号处理》【年(卷),期】2010(026)005【摘要】文章以GPS信号抗干扰为背景,应用多级维纳滤波的抗干扰方式.首先分析了经过多级维纳滤波前向迭代后的降维数据矢量的协方差矩阵,给出以特征值和特征矢量表示的最优权值.最优权值的表示式表明在滤波器维数超过最优时高阶的特征值对最优权值影响较大.随后通过仿真试验证明了在滤波器维数超过最优时输出信干噪比会下降.通过引入对角加载量并适当选择加载量功率的大小可以抵消滤波器维数过估计带来的影响,试验表明在对角加载量与白噪声方差相等时可以获得较好的输出信干噪比.文章从空频响应的角度试验了对角加载对于多级维纳滤波算法的意义.最后仿真试验了基于对角加载多级维纳滤波实现方法的抗干扰性能.【总页数】6页(P783-788)【作者】周柱;张尔扬;卢树军;石峰【作者单位】国防科技大学电子科学与工程学院,长沙410073;国防科技大学电子科学与工程学院,长沙410073;国防科技大学电子科学与工程学院,长沙410073;国防科技大学电子科学与工程学院,长沙410073【正文语种】中文【中图分类】TN911.72【相关文献】1.多级嵌套维纳滤波自适应降维STAP抗干扰方法研究 [J], 龚文飞;孙昕;吴嗣亮2.一种新的降维酉多级维纳滤波器 [J], 王妙;王灿;朱俊3.基于多级维纳滤波器降维的STAP处理算法性能分析 [J], 洪成洋;盛骥松4.采用变对角加载多级维纳滤波方法抑制机载雷达杂波的研究 [J], 饶妮妮;罗衡荣;刘丁赟;陈星波;周博;邱朝阳5.基于多级嵌套维纳滤波自适应对角加载STAP算法 [J], 龚文飞;孙昕因版权原因，仅展示原文概要，查看原文内容请购买。
机载雷达自适应对角加载参数估计方法
姜磊;王彤
【期刊名称】《电子与信息学报》
【年(卷),期】2016(038)007
【摘要】对角加载可以提高空时自适应处理在低样本情况下的性能.然而,在实际中加载参数的确定是一个较为困难的问题.为了解决这个问题,该文提出一种基于回波
数据的自适应对角加载参数估计方法.该方法首先将对角加载问题转化为Tikhonov 规划问题,然后利用广义交叉验证准则构造优化问题,最后采用割线法求解优化问题、计算加载参数.仿真与实测数据结果表明该方法可以有效提高机载雷达在低样本条
件下的目标检测性能.
【总页数】6页(P1752-1757)
【作者】姜磊;王彤
【作者单位】西安电子科技大学雷达信号处理国家重点实验室西安710071;西安
电子科技大学雷达信号处理国家重点实验室西安710071
【正文语种】中文
【中图分类】TN959.73
【相关文献】
1.基于对角加载的机载MIMO雷达自适应匹配滤波检测器 [J], 江胜利;王鞠庭;何劲;刘中
2.机载正侧视合成孔径雷达地面运动目标参数估计方法 [J], 朱圣棋;廖桂生;曲毅;
周争光;李海
3.一种稳健的机载雷达杂波多普勒参数估计方法 [J], 李刚;许稼;彭应宁;夏香根
4.基于WVD的机载相控阵雷达机动目标检测及参数估计方法 [J], 李海;张志强;周盟
5.采用变对角加载多级维纳滤波方法抑制机载雷达杂波的研究 [J], 饶妮妮;罗衡荣;刘丁赟;陈星波;周博;邱朝阳
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于支持向量机的对角加载鲁棒波束形
成方法
1 支持向量机在波束形成中的应用
支持向量机（SVM）是近年来广泛使用的一种机器学习算法，其可
用于分类任务和回归任务，支持向量机能够处理非线性特征并带来更
好的结果，因此支持向量机一直是数据挖掘中一个有趣的研究方向。
近年来，以支持向量机为基础的波束形成方法被用于无线通信应用。
2 基于支持向量机的对角加载鲁棒波束形成方法
基于支持向量机的对角加载鲁棒波束形成方法是一种有效的策略，它可以解决针对视角的传播衰减的最大功率传播问题。
该方法使用双
基础支持向量机算法来求解相关可调参数。
这种方法的主要优势在于
能够提高服务流的SF/SL，增加容量并保持高灵敏度和良好的信道质量。
3 实验结果
在实验中，研究者通过实验验证了基于支持向量机的对角加载鲁
棒波束形成方法的有效性，实验结果表明，该方法与传统的均值和最
大功率传输策略相比具有更高的传输效率和低功率噪声比。
此外，该
方法能够高效地解决传播衰减带来的问题，同时还考虑了信道质量因素。
4 总结
基于支持向量机的对角加载鲁棒波束形成方法可以解决视角传播衰减问题，提高服务流的SF/SL，增加容量并保持高灵敏度和良好的信道质量。
通过实验验证，该方法与传统策略相比具有更高的传输效率和低功率噪声比。
因此，基于支持向量机的对角加载鲁棒波束形成方法可以提供更高的性能，用于未来的移动通信系统。
可编辑修改精选全文完整版二次型约束下最值的求解策略在数学中我们将形如1,ij i j i j na x x ≤≤∑的式子即：2221211112121122222(,,,)222n n n n n nn n f x x x a x a x x a x x a x a x x a x =++++++++称为二次型，其中22121111212222(,)2f x x a x a x x a x =++是最简单的，在数学高考或自招中，其中不乏有以二次型为约束条件的最值的试题，在此我们讨论在12(,)f x x k =约束下的表达式最值的求解策略．一、典例分析1、二次型约束下ax by +的最值例1．已知,x y R ∈，满足221x y +=，求2x y +的最大值．变式1：已知,x y R ∈，满足2221x y +=，求2x y +的最大值．变式2：已知,x y R ∈，满足22221x xy y -+=，求2x y +的最大值．2、二次型约束下22ax by +的最值例2．已知,x y R ∈，满足22221x xy y -+=，求222x y +的取值范围．3、二次型约束下22ax cxy by ++的最值例3．已知,x y R ∈，满足22221x xy y -+=，求2222x xy y ++的取值范围．二、归纳总结： 三、练习1．已知,x y R ∈，满足22922x y -=，求23x y +的最小值； 2．已知,x y R ∈，满足22246x xy y ++=，求224x y +的取值范围；3．已知,x y R ∈，满足2223x xy y --=，求2223x xy y -+的取值范围．。
