基于SVRGD的机载预警雷达自适应波束形成算法

自适应波束形成是机载预警雷达数字信号处理的一个关键环节。针对传统最小均方误差(least mean square, LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradient descent, SVRGD)自适应波束形成方法。首先,建立面阵列接收信号数据模型。其次,基于随机梯度下降原理,引入方差缩减法通过内外循环迭代方式进行梯度修正,以减小随机梯度估计的方差,建立算法模型与实现流程。最后，通过设置平面阵列仿真场景,分析SVRGD自适应波束形成算法在波束形成、抗干扰、收敛速度等方面的性能,验证了该算法在低快拍数、强干扰和强噪声背景下具有的优良能力。     

一种改进鲁棒性的CAB盲波束形成算法

基于边界误差性能最优准则的鲁棒性方法是波束形成算法领域内的最新研究热点,将该鲁棒性方法与CAB(周期自适应波束形成)算法相结合,提出了一种新的改进鲁棒性的CAB盲波束形成算法。该算法与采用传统对角线加载技术的R-CAB盲波束形成算法相比,进一步提高了稳健性和输出信干噪比。计算机仿真验证了该算法的可行性和有效性。     

基于新最速下降算法的自适应波束形成

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。     

一种新的自适应波束形成技术

提出了一种新的自适应波束形成技术——基于分数低阶矩的自适应波束形成算法。该算法充分利用对称稳定过程的特点,对冲击噪声和干扰有较强的抑制作用,弥补了传统的基于二阶统计量的自适应波束形成器不能应用于冲击噪声和干扰环境的不足。计算机仿真验证了该算法的可行性和有效性。     

基于变换的线性约束降秩自适应波束形成算法

在分析直接形式的线性约束降秩自适应波束形成算法存在缺陷的基础上,提出了基于变换的线性约束降秩自适应波束形成算法,解决了直接形式的线性约束降秩自适应波束形成算法在特定干扰角度上数值稳定性下降和约束零点损失问题。提出了线性约束正交投影算法,基于变换的线性约束正交投影算法可得到和其它降秩方法相同的性能,但降低了计算复杂度。通过计算机仿真验证了算法的有效性。     

空间非平稳噪声环境下的自适应波束形成

提出了一种基于空间非平稳噪声环境下的自适应波束形成新算法。该算法通过估计噪声协方差矩阵,进行预白化处理,即可采用常规方法实现波束形成,克服了色噪声对波束形成的影响。计算机仿真结果证实了这一算法的有效性。     

基于频控阵MIMO雷达的低复杂度稳健波束形成算法

频控阵(frequency diverse array, FDA)多输入多输出(multiple input multiple output, MIMO)雷达基于发射端调制而具备的距离维自由度为主瓣干扰提供了抑制方案。结合自适应波束形成算法, 频控阵MIMO雷达能有效抑制主瓣范围内欺骗干扰信号, 但存在的信号环境复杂、导向矢量失配、采样快拍不足等问题将使算法性能恶化。针对该问题,提出了一种基于频控阵的低复杂度的稳健自适应波束形成算法。仿真实验表明, 相比于其他自适应波束形成算法, 所提算法在低信噪比(signal to noise ratio, SNR)低采样快拍且存在导向矢量失配等非理想条件下形成的波束稳健性更强、计算复杂度更低, 有效实现了对目标的指示和对干扰的抑制, 克服了其他算法在非理想条件下性能恶化的问题。     

基于博弈论的自适应波束成形算法

针对自适应波束成形算法中用户之间的动态相互干扰,提出了一种基于博弈论的自适应波束成形算法,构建了波束成形博弈算法数学模型。该算法将不同用户的发射权值调整描述为一个多用户的博弈过程,通过数学推导论证了基于博弈论的自适应波束成形算法纳什平衡点的存在性和唯一性,设计了收敛的发射权值更新算法。通过仿真实验验证了算法的性能以及讨论了代价因子、可调参数和收敛精度等参数对算法的影响。     

基于对角载入的鲁棒自适应波束形成算法

作为一种梯度自适应波束形成算法,LMS算法因简单有效而得到广泛的应用.但是在存在偏差的情况下,LMS算法的性能较差.针对上述问题,考虑信号方向向量的偏差对LMS算法性能的影响,提出了一种基于对角载入的鲁棒约束LMS算法,并对算法的对角载入因子和收敛性能进行了分析,给出了保证算法收敛的步长取值范围.该算法利用对角载入的特性,可有效的抑制各种偏差所带来的影响,收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证阵列输出的信干噪比接近最优值.仿真实验表明,与传统约束LMS算法相比,基于对角载入的鲁棒自适应波束形成算法具有很好的性能.     

基于MVDR的阵列信号波束域预处理算法

针对基于常规波束形成(CBF)的波束域方法在波束覆盖区域外存在方位不定强干扰源时多目标方位估计(DOA)失效的问题,提出采用最小方差无畸变响应(MVDR)的波束域预处理算法。该算法根据阵列接收数据自适应调整阵元权值,在波束覆盖区域外干扰源方位形成零陷,从而减小干扰对波束输出结果的影响。分析表明靠近波束覆盖区域的强干扰源对波束转换增益的影响有限。该算法进一步提高了波束域处理方法的抗干扰能力,仿真结果验证了该算法的有效性。     

Efficient parallel adaptive array beamforming algorithm

For a large-scale adaptive array, the heavy computational load and the high-rate data transmission are two challenges in the implementation of an adaptive digital beamforming system. An efficient parallel digital beamforming (DBF) algorithm based on the least mean square algorithm (PLMS) is proposed. An appropriate method is found to partition the least mean square (LMS) algorithm into a number of operational modules, which can be easily executed in a distributed-parallel-processing fashion. As a result, the proposed PLMS algorithm provides an effective solution that can alleviate the bottleneck of high-rate data transmission and reduce the computational cost. PLMS requires less computational load than that of the conventional parallel algorithms based on the recursive least square (RLS) algorithm, as well as it is easier to be implemented to do real time adaptive array processing. Moreover, low sidelobe of the beam pattern is obtained by constraining the static steering vector with Tschebyscheff coefficients. Finally, a scheme of the PLMS algorithm using distributed-parallel-processing system is also proposed. The simulation results demonstrate that the PLMS algorithm has the same interference cancellation performance as that of the conventional LMS algorithm. Moreover, the PLMS algorithm can obtain the same good beamforming performance, regardless how the algorithm is partitioned. It is expected that the proposed algorithm will be used in a large-scale adaptive array system to deal with real time adaptive digital beamforming processing.     

基于集员共轭梯度的约束自适应波束成形算法

针对传统波束成形计算复杂度过大的问题,提出一种基于集员共轭梯度的约束自适应波束成形算法。运用共轭梯度算法原理,在期望信号功率保留的约束条件下使输出方差最小,得到权重向量,避免计算输入信号的协方差逆矩阵,有效达到收敛。集员方法运用时变边界约束条件,实行数据选择性更新,减少计算复杂度。该算法运用集员方法和共轭梯度,避免重复计算,得到有效的权重向量,保证良好的收敛性能。又对算法进行计算复杂度和收敛性能分析。仿真结果表明,与其他传统算法相比,该算法在保证良好的收敛性能的同时,大大减少了计算复杂度。     

基于粒子群优化的波束空间广义旁瓣相消算法

针对广义旁瓣相消(generalized sidelobe canceller, GSC)算法运算量大, 在波束形成中存在旁瓣较高、稳健性差的问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)的波束空间GSC算法。首先, 建立一种优化自适应转换矩阵将信号处理过程由阵元空间转换到波束空间, 通过减小自由度来降低算法的运算量。其次, 构建最小均方误差适应度函数, 在波束空间中利用压缩因子PSO算法充分利用接收数据的相关性, 缩减与期望信号误差并降低波束旁瓣。所提算法在降低算法运算量的同时, 解决了波束旁瓣过高的问题, 并在低快拍、强干扰条件下具有较好波束形成能力, 算法稳健性好。     

相控阵简化优化波束形成

为了降低相控阵列在自适应处理时的计算复杂度,利用阵列在自适应工作时相量的特征结构,经过适当的矩阵变换简化了包括采用实用的旁瓣降低技术的相控阵列在自适应处理算法,然后通过数学分析,获得相量的唯相梯度向量和海赛尔矩阵,并采用唯相共轭梯度法和牛顿法来获取数字波束形成的优化的数值相量。模拟结果表明,利用这种新的简化自适应波束形成方法所得的优化阵列的性能与没有简化的情况是一致的,但计算量却有很大程度地降低。     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。