Matlab空时自适应抗干扰算法的DSP实现(3)
最后，对本文进行了总结与展望，分析了不足并指出了今后的改进方向。
2 算法的原理分析
2.1 空时自适应抗干扰算法的最优准则
自适应抗干扰算法是基于一定最优准则实现的，其中常用的主波束自适应控制的优化准则是最大信噪比准则：权矢量的求取使阵列输出信噪功率比最大。一些比较常用的方向图零点自适应控制的优化准则有：最大信干噪比(MSINR)准则、最小均方误差(MMSE)准则、最大似然(ML)准则、线性约束最小方差(LCMV)准则、最小方差无失真响应(MVDR) 准则。基于不同准则求得的自适应权矢量在理想情况下是等价的，均可归结为Wiener-Hopf方程的解。
(1) 最大信干噪比(MSINR)准则，权矢量的求取使系统的输出信干噪比(SINR)最大。通过最大信干噪比准则求得的权矢量 ，其中 为任意常数， 为干扰噪声的互相关矩阵， 为期望信号的导向矢量。若将期望信号方向上的响应设为1，则 ， ，该准则适用于干扰噪声与有用信号特性已知的情况。
(2) 最小均方误差(MMSE)准则，权矢量的求取使系统的输出与参考信号之差的均方值最小。该准则是利用参考信号来求解自适应权矢量的，参考信号可以通过期望信号的特性产生，也可以使接收的导引信号。通过最小均方误差准则求得的权矢量 ，其中 为接收信号的自相关矩阵， 为接收信号与参考信号的互相关矩阵。
(3) 最大似然(ML)准则，是在有用信号完全先验无知的情况下，通过阵列加权处理，取得对有用信号的最大似然估计。可求得权矢量 ，其中 为干扰噪声的互相关矩阵， 为期望信号的导向矢量，该准则适用于有用信号完全先验无知的情况。
(4) 线性约束最小方差(LCMV)准则[6]也称为最小方差(MV)准则，同时对空域和时域进行约束，调整权值使输出信号方差最小，即输出信号的功率最小[7]。可用数学表达式表述： ，其中 为自适应权矢量， 为接收信号的自相关矩阵， 为约束矩阵， 为约束的响应矢量。可求得权矢量 ，当约束矩阵 变化时，LCMV准则将得到不同的自适应权矢量。最小方差无失真响应(MVDR) 准则是LCMV准则的一种特例，在期望信号方向增益约束为1（即 ）时，使系统输出功率最小。