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。     

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。     

优化DPC-MAB SAR性能的自适应阵列配置技术

偏置相位中心方位多波束（displaced phase centers multiple azimuth beam, DPC-MAB）模式有效地提高了星载合成孔径雷达(synthetic aperture radar, SAR)系统的高分辨大测绘带(high resolution wide swath, HRWS)观测能力,但是脉冲重复频率（pulse repetition frequency, PRF）偏离均匀采样要求的最优值时,信号重构的性能会有恶化。依赖于有源相控阵天线灵活的波束形成能力,通过自适应地调整相位中心间距可以实现任意脉冲重复频率下的均匀采样,从而使得系统在信号重构、方位模糊抑制比以及信噪比等方面的性能得以优化。依赖于这样的阵列配置,还能够在无附加独立发射孔径的条件下实现多发多收（multiple-input multiple-output, MIMO）系统,进一步扩展系统功能。     

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。     

一种稳健的自适应波束形成方法

基于线性约束最小方差(linearlyconstrainedminimumvariance,LCMV)波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法。该波束形成方法能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点。仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性。     

单个压差式矢量水听器MVDR波束形成的优化研究

从矢量水听器和声压阵两个角度,研究了单个二维压差式矢量水听器的最小方差无失真响应（minimum variance distortionless response, MVDR）波束形成的优化技术。针对压差式矢量水听器半径波长比大于0.1时,利用它进行方位估计性能恶化的问题,提出了一种修正的单个压差式矢量水听器MVDR波束形成处理方法。仿真和湖上试验的结果表明：修正的压差式矢量水听器MVDR处理方法对阵元间距的变化具有更好的稳健性;在半径波长比小于0.1时具有更好的估计性能,在半径波长比大于0.1的一定范围内依然具有良好的方位估计能力。     

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique, ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival, DOA）估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。     

基于广义秩模型的分数低阶协方差波束形成

在广义秩信号模型基础上,设计了一种鲁棒波束自适应波束形成方法。通过引入分数低阶变换来抑制非高斯稳定分布噪声, 提出脉冲噪声环境下能够处理信号失配的鲁棒波束形成器算法,并讨论了分数低阶协方差矩阵的可逆性。由于采用Frobenius范数建立明确的模型来刻画期望阵列响应与数据的协方差矩阵之间的不确定性,因此所提算法具有解析闭合形式解。仿真结果表明：与传统波束形成算法相比,所提算法在脉冲稳定分布噪声和信号失配同时存在的情况时具有更好的鲁棒性。     

针对距离采样失配的多波形自适应脉冲压缩

针对距离单元内调频信号的回波采样点与目标点失配(即距离采样失配)时,引发回波采样波形与参考信号波形之间相位失配以及自适应脉冲压缩性能下降等问题,提出了一种针对距离采样失配的多波形自适应脉冲压缩(multi-waveform adaptive pulse compression, MWAPC)方法。所提方法将多基地自适应脉冲压缩(multistatic adaptive pulse compression, MAPC)方法应用到单基地雷达,首先将单基地雷达的原始发射信号过采样得到多个采样版本的发射信号,并将各种采样版本视为不同的波形;然后借助于自适应脉冲压缩对相位失配的敏感性,依次用不同采样版本的发射信号对回波信号做多波形自适应脉冲压缩构建距离维与采样维的二维输出,得到在距离单元内目标点与采样点的相对位置关系。实验证明,所提方法可根据多个采样版本的采样时序将自适应脉冲压缩的二维输出延展成一维。相比于常规脉压方法,所提方法不仅能抑制因采样失配而产生的距离旁瓣,还可获得超出传统脉压方法的分辨能力,在同一距离单元内区分出不同位置的目标。     

二维混合MIMO相控阵雷达收发波束空间设计

针对如何提高低信噪比条件下二维混合多输入多输出(multiple input multiple output, MIMO)相控阵雷达波达方向估计精度问题,结合收发联合波束空间设计给出了解决方案。首先利用半定规划方法设计发射权值,构造旋转平移不变关系,实现发射方向图能量聚焦,约束旁瓣电平,在干扰方位形成发射零陷;在此基础上,结合最小方差无失真响应算法优化阵列接收权值,提高接收端信干噪比。仿真结果表明,所提方法能够提高低信噪比条件下二维混合MIMO相控阵雷达波达方向估计精度。     

一种宽带高分辨MVDR有效算法研究

研究了一种低计算量的宽带最小方差无畸变波束形成(MVDR)算法,利用频移和线性相位FIR低通滤波对阵列接收信号的复包络作窄带分解,对各子带信号的基带信号作最小方差波束形成,所以可将原始信号的采样频率降到接近处理频段的带宽大小,选择信号主要能量频带,可以减少处理子带个数,大大降低了运算量。仿真和湖试数据分析结果证明了该方法的有效性,且对弱目标分辨性能较好。     

基于虚拟阵元信号重构的嵌套阵稳健波束形成

由于嵌套阵中部分阵元间距远大于信号半波长, 可能导致高旁瓣和栅瓣等问题。因此, 通过利用均匀子阵进行信号波达方向(direction of arrival, DOA)估计, 重构出虚拟阵元的接收信号, 从而构建一个虚拟的稠密均匀阵列, 大幅增加了波束形成算法自由度。通过估计信号功率, 重构虚拟均匀阵列的干扰加噪声协方差矩阵(interference plus noise covariance matrix, INCM), 可得虚拟均匀阵列的波束形成权矢量。仿真实验表明, 相比其他波束形成方法, 所提算法主瓣宽度小、旁瓣电平低、收敛速度快、抗干扰能力强。     

Direction finding of coexisted independent and coherent signals using electromagnetic vector sensor

The existing direction of arrival (DOA) estimation algorithms based on the electromagnetic vector sensors array barely deal with the coexisting of independent and coherent signals. A two-dimensional direction finding method using an L-shape electromagnetic vector sensors array is proposed. According to this method, the DOAs of the independent signals and the coherent signals are estimated separately, so that the array aperture can be exploited sufficiently. Firstly, the DOAs of the independent signals are estimated by the estimation of signal parameters via rotational invariance techniques, and the influence of the coherent signals can be eliminated by utilizing the property of the coherent signals. Then the data covariance matrix containing the information of the coherent signals only is obtained by exploiting the Toeplitz property of the independent signals, and an improved polarimetric angular smoothing technique is proposed to de-correlate the coherent signals. This new method is more practical in actual signal environment than common DOA estimation algorithms and can expand the array aperture. Simulation results are presented to show the estimating performance of the proposed method.     

基于对角减载的水声阵列SMI-MVDR

空间谱估计一直都是水声阵列信号处理研究的热点问题,而一般认为目标和背景干扰的信息都蕴含在接收信号协方差矩阵中,因而现有的谱估计技术大多针对接收信号的协方差矩阵进行处理。由于信号和噪声的相关性,导致协方差矩阵中主对角线元素上的噪声分量最大。针对这一特性提出了基于对角减载的水声阵列采样矩阵求逆(sample matrix inversion, SMI)最小方差无畸变响应(minimum variance distortionless response, MVDR)波束形成技术。理论推导了对角减载量对输出功率谱目标方位上输出信噪比的影响,分析了最佳对角减载系数的选取原则。并针对实际工程应用情况,研究了由有限次快拍数估计的采样矩阵得到最佳对角减载系数的方法,该方法无需预估信号源数。通过算法仿真和海试数据处理,对比验证了基于对角减载的SMI MVDR空间谱估计的有效性和可靠性。对于背景噪声级较强的水声阵列信号处理环境来说,所提方法能有效提高高斯白噪声背景下的声纳多目标分辨性能。     

基于最小敏感度的广义线性自适应波束形成算法

常规最小方差无失真响应波束形成器对于非圆信号是次优的,且当训练样本数有限时,其性能有所下降。针对这一问题,提出了基于最小敏感度的广义线性自适应波束形成算法。算法以期望信号和干扰信号的非圆特性为基础,利用最小敏感度准则求得最优权矢量,提高了波束形成器的稳健性。计算机仿真结果表明,算法在低信噪比和小快拍数的情况下也具有较好的性能。     

基于CS的脉冲压缩雷达单快拍DOA估计

在脉冲压缩雷达系统中估计目标波达方向（direction of arrival, DOA）的主要问题之一是：脉压前信号的信噪比低、目标没有在距离域分开;脉压后的信号虽然信噪比得到了改善且目标已按距离分开,但是快拍数却非常有限。为了解决这一矛盾,提出了基于压缩感知的单快拍DOA(single-snap DOA, SSDOA)估计方法。与传统DOA方法相比,该方法具有更高的估计精度和分辨能力,并且能处理相干信号,且无需已知目标数目。仿真表明,本文提出的SSDOA算法在估计精度上和分辨能力上都优于多重信号分类（multiple signal classification, MUSIC）算法,并为雷达系波达方向估计; 压缩感知; 单快拍处理; 脉冲压缩雷达统的实时分析提供了保障。