递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

存在幅度/相位误差的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成器,在存在阵列幅度/相位误差情况下性能会显著下降。针对此情况,基于信号子空间与噪声子空间的彼此正交特性,对存在误差的信号导向矢量和干扰导向矢量,同时向信号子空间投影,然后对投影后的导向约束采用LCMV准则进行自适应波束形成。理论分析和仿真结果表明文中方法对阵列幅度、相位误差具有稳健性。     

基于FFT与MUSIC的改进DOA估计算法

针对MUSIC算法在进行信号波达方向(DOA)估计时谱峰搜索运算量大的问题,提出了一种基于FFT多波束算法与MUSIC算法的联合DOA估计方法。该方法采用FFT多波束算法形成多个波束,近似估计信号DOA,获得对应波束指向,再利用MUSIC算法实现对信号DOA的精确估计。这样就只需在该波束指向对应的空域范围内搜索,减小了DOA估计的运算量。     

宽带波束空间恒模阵列

针对期望信号假设来向与实际来向存在误差时,传统的宽带波束空间自适应阵列有较大的性能损失,提出了一种对信号来向误差具有稳健性的算法。该方法利用信号的恒模特性,在期望信号来向未知的情况下,实现了对宽带信号的无失真接收。首先利用扇形滤波器,形成一组具有频率不变性的正交波束,然后基于恒模准则对各波束的输出进行处理得到最优权值。该方法对信号来向具有很强的稳健性,同时具有收敛速度快等优点。通过计算机仿真验证了所提方法的有效性与优越性。     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

改进的树型WSN分布式LCMV波束形成方法

针对减少树型无线传感器网络(wireless sensor network, WSN)中分布式线性约束最小方差(linearly constrained minimum variance, LCMV)波束形成器计算量问题,提出基于Householder多级维纳滤波器(Householder multistage Wiener filter, HMSWF)的分布式LCMV波束形成器方法。该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能。计算机仿真结果验证了算法的优良性能。     

用权系数迭代的自适应波束形成器抑制干扰

针对RFI(radio frequency interference)在高频地波雷达中不同距离元的分布特点,在比较现阶段不同波束形成器的基础上,提出一种应用基于权系数迭代法的自适应波束形成器来抑制RFI干扰的方法。该波束形成器的初始权向量是用MVDR(minimum variance distortionless response)算法来获得,而其后迭代法中的权向量是基于LCMV(linearly constrained minimum variance beamforming)算法在上一次权系数的基础上得到的。其中两算法中的协方差矩阵都是由不含雷达回波信号的远距离元阵列快拍来构成,从而增加天线阵的自由度。最后通过对实际雷达数据的处理,验证了该方法的可行性。     

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。     

稳健的Capon波束形成

针对期望信号假定导向矢量与真实导向矢量存在误差时,常规自适应波束形成将有较大的性能损失,提出了一种稳健的自适应波束形成算法来克服这种误差敏感性。该方法分两步完成,首先估计出实际的导向矢量,然后再用该估计结果求出最优权。通过Lagrange乘子法得到简单的闭式解,它不属于对角加载系列的方法,因而不存在加载量的确定这一问题。最后通过计算机仿真验证了所提方法的有效性与优越性。     

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。     

基于频控阵的改进ESB波束形成算法

频控阵由于其波束方向图具有的距离-角度二维依赖特性而受到广泛关注, 理想情况下基于频控阵的自适应波束形成技术, 能够从距离维和角度维增强期望信号并抑制干扰, 但实际系统中较大的指向误差和采样协方差矩阵失配会造成算法性能严重下降。针对该问题, 提出一种改进的基于特征空间(eigenspace-based, ESB)自适应波束形成算法, 并将其应用在频控阵多输入多输出接收处理体制中, 仿真结果表明在5°的指向误差内, -20 dB信噪比, 及小快拍数的非理想条件下, 所提算法仍然能在目标位置附近形成高增益, 并在干扰位置形成零陷, 克服了传统ESB算法低信噪比条件下算法失效导致的波束方向图畸变问题, 具有更好的适用性。     

基于线性约束最小方差原则的稳健快速自适应脉冲压缩方法

针对线性调频信号在距离单元内的回波采样点与目标点失配, 即采样失配的情况下, 自适应脉冲压缩性能下降的问题, 对快速自适应脉冲压缩(fast adaptive pulse compression, FAPC)方法进行改进, 提出一种基于线性约束最小方差(linearly constrained minimum variance, LCMV)原则的连续分块FAPC (contiguous block FAPC, CFAPC)方法。该方法将自适应波束形成方法类比到自适应脉冲压缩滤波方法中, 首先在最小方差无畸变响应(minimum variance distortionless response, MVDR)原则保持增益的前提下增加零点约束条件, 加宽零点凹口的宽度; 而后对分块的协方差矩阵设置置零条件, 抑制旁瓣能量, 实现在采样失配情况下保持稳健的目的。实验结果表明, 在脉内多普勒频移和采样失配同时存在的情况下, 所提方法可以更好地抑制目标的距离旁瓣, 具有较好的稳健性。     

基于时域自适应FIR滤波的空时处理方法

传统的后多普勒自适应处理方法,如果仅仅选用一个多普勒通道的输出数据进行空域滤波时,虽然对旁瓣杂波的抑制接近最优,但是对主瓣杂波抑制性能较差。针对以上问题,提出了基于时域自适应有限长单位冲激响应(finite impulse response, FIR)滤波的空时处理方法。该方法先设计一组自适应FIR滤波器,利用这组自适应FIR滤波器对雷达回波数据进行时域FIR滤波,然后分别对同一多普勒通道的输出数据进行空域自适应处理。仿真结果表明,该方法的杂波抑制性能优于1DT方法,而且该方法在天线阵元存在一定的随机幅度和相位误差情况下,杂波抑制性能损失不大。     

一种新的多通道SAR地面动目标检测定位方法

提出了一种对图像配准误差稳健的多通道合成孔径雷达地面动目标检测定位方法。该方法根据图像配准误差的方向确定观测矢量,计算特征系数矢量,利用动目标的空域导向矢量和特征系数矢量构造特征导向矢量,然后利用自适应波束形成技术进行杂波抑制的同时估计动目标的运动速度,最后对目标重新定位。该方法能够在图像配准误差较大的情况下获得满意的动目标检测性能和较高的测速定位精度。仿真结果验证了方法的有效性。     

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。     

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。     

基于自适应环路滤波的相控阵导引头捷联解耦方法

针对相控阵导引头中波束指向受弹体扰动影响的问题,设计了基于环路滤波的捷联解耦方法(strapdown decoupling method based on loop filter, SDMLF)。此方法将补偿后波束指向与初始波束指向的差值送入环路滤波器,利用指向误差滤波值修正补偿后的波束指向,如此构成环路,完成对被扰动波束指向的闭环控制。为提高SDMLF对更多弹体扰动场景的适用性及解耦性能,在SDMLF中增加对环路滤波器中等效环路噪声带宽的自适应计算,得到了基于自适应环路滤波的捷联解耦方法,增加了所设计解耦环路的可靠性。计算机仿真与半实物系统实测结果验证了所提解耦方法的正确性及有效性。     

基于快速逆QR分解的自适应波束形成方法

在实时自适应阵处理中 ,基于逆QR分解 (IQRD)的方法在求自适应权值时由于避免了三角方程回代运算而受到了很大的重视。但是和基本的QR分解 (QRD)一样 ,IQRD方法也存在着平方根运算。平方根的运算量相当大 ,因此成为并行实时处理的速度瓶颈。提出了一种快速的IQRD方法 ,该方法有效地消除了平方根运算 ,从而使基于IQRD的自适应波束形成法便于实时实现 ,更适合于实际应用。     

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。