一种基于径向基函数网络的盲波束形成方法研究

针对阵列信号处理的特点 ,提出了一种基于径向基函数网络 (RBFNN)的盲波束形成方法。该方法把高阶累积量可消除高斯噪声干扰这一特性和神经网络可并行计算的结构优势有机地结合起来 ,利用高阶累积量估计阵列的导向矢量 ,引入径向基函数网络逼近波束形成的权矢量 ,实现盲波束形成。理论分析和仿真实验表明 ,提出的算法能有效地提高运行速度 ,对系统误差也具有很强的鲁棒性。     

针对任意非高斯信号的快速固定点盲波束形成方法

峭度最大化盲波束形成算法的性能受步长调节参数的选择影响很大,尤其是在信道和信号参数未知的条件下,很难选择合适的步长。针对以上问题,提出了两种新的不需要步长调节参数,而且同样适用于任意非高斯信号的快速固定点的盲波束形成算法。首先通过白化对数据进行预先处理,然后以峭度最大化和波束形成器的权值正交化来构造代价函数,采用复数近似牛顿方法对代价函数优化,得到新的盲波束形成算法。与峭度最大化盲波束形成算法相比,该算法误差小、收敛速度快,不需要任何步长调节参数,更适用于信道和信号未知的环境。仿真实验验证了算法的有效性。     

波束域的信号盲分离方法

现有的源信号盲分离方法大都是针对阵元输出信号进行的,各种干扰信号和观测噪声的影响使盲分离算法性能退化,甚至失效.为了提高低信噪比情况下的信号盲分离能力,提出一种新的信号盲分离方法,即先对阵元观测信号进行盲波束形成,而后利用波束输出信号实行盲分离.盲波束形成阶段既提高了盲分离输入信号的信噪比,又可降低盲分离模型的阶次,信号盲分离阶段不仅能进一步净化信号,还能分离同一波束内两个以上的源信号.采用多种情况的人工仿真混合信号进行实验,以评价新算法的性能,仿真结果表明新的盲分离方法优于各阶段算法.     

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。     

一种基于OBE的智能天线波束形成算法

根据OBE算法原理,提出一种智能天线自适应波束形成盲算法。首先建立自适应算法的信号模型,讨论了算法的结构,该算法是建立在解扩、重扩判决指导上,对均方误差准则下的最优权值进行迭代估计;然后分析了OBE算法的原理,在此基础上构建了自适应波束形成的迭代式。最后对算法的性能进行了仿真,仿真结果表明:该算法达到了自适应波束形成的要求,与LS-DRMTA算法相比具有更佳的收敛和输出性能。     

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。     

一种新的盲波束形成器建模与仿真研究

提出了一种新的基于高阶累积量和神经网络的盲波束形成器，并对其进行了建模与仿真研究。该波束形成器应用高阶累积量对期望信号的方向向量进行估计。采用线性规划神经网络实现盲波束形成。不但减少了对阵列流形的依赖，具有较好的 容差性，而且能有效地避免矩阵求逆运算，减小了运算量，易于用硬件实时实现。仿真实验验证了该波束形成器模型的有效性和正确性。     

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。     

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。     

基于最大输出信噪比的L-DACS1接收机盲自适应波束形成算法

由于L频段数字航空通信系统1(L-band digital aeronautical communication system1, L-DACS1)和民航测距机(distance measuring equipment,DME)系统的频谱有部分重叠,因此在L-DACS1接收机中需要考虑DME干扰的抑制问题。提出了基于最大输出信噪比的干扰抑制和盲波束形成算法。由于DME脉冲干扰的功率较大,首先采用子空间跟踪算法来得到干扰子空间,然后将接收数据向干扰子空间的正交补空间进行投影以抑制DME干扰。干扰抑制后,接收数据中只剩下正交频分复用(orthogonal frequency division multiplexing, OFDM)信号和噪声了。为了充分利用阵列天线的优势,采用了输出信噪比最大准则来进行波束形成,将天线方向图的主瓣对准OFDM信号来向,以提高接收机输出信号的信噪比。仿真表明,该方法不需要先验信息就能够在抑制干扰的同时进行盲波束形成,在OFDM信号来向上获得高增益的主瓣,进而提高输出信噪比;另外,所提的波束形成方法在输入信噪比较低的环境下依然能够形成稳定的波束,将主瓣对准信号来向。     

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。     

最优下行链路功率分配策略和波束形成算法

针对下行链路的预编码问题,提出了一种基于二阶锥优化理论的求解方法。它将功率分配和波束形成的联合优化问题转变为一个单变量的凸优化问题,该凸规划问题实质上是一个二阶锥可表问题,因而可以利用内点法求取其全局最优解。更进一步,文章提出的算法还能对非精确的信道状态信息提供稳健性。仿真实验证明了算法的有效性。     

不确定权值下的鲁棒波束形成算法

提出了一种不确定权值下的鲁棒波束形成算法(robust beamforming algorithm with uncertainweights,RBAWUW),与以往文献中对阵列导向矢量的不确定性进行约束的方法不同,该算法是通过对权值附加一个球形或椭球形不确定集约束推导出来的.在这种新的约束下,RBAWUW算法能获得比传统鲁棒Capon波束形成器(robust Capon beamformer,RCB)更高的输出信干噪比(singal-to-noise-plus-interference ratio,SINR),而且新算法与标准Capon波束形成算法的计算效率几乎相同.理论分析和仿真结果均表明,RBAWUW算法是切实可行的.     

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。     

基于高斯-勒让德积分的鲁棒波束形成算法

针对矩阵重构类波束形成算法在协方差矩阵重构过程中计算复杂度较高的问题, 提出一种基于高斯-勒让德积分重构协方差矩阵的鲁棒波束形成算法。该方法首先根据信号导向矢量之间的正交性, 利用高斯-勒让德积分构建干扰信号空间; 然后将快拍数据投影到干扰信号空间, 剔除期望信号, 完成干扰噪声协方差矩阵重构; 最后将准阵列权矢量投影到信号空间, 修正导向矢量失配。仿真结果表明本文方法在视向误差、导向矢量随机误差条件下具有较好的鲁棒性, 且有效地降低了计算复杂度, 验证了算法的有效性。     

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。     

一种高运算效率的MIMO雷达BP成像算法

针对多输入多输出(multiple-input multiple-output, MIMO)雷达反向投影(back projection, BP)成像算法运算量大、实时性差的问题,提出一种基于距离补偿和波束形成的高运算效率改进型MIMO雷达BP成像算法。首先通过匹配滤波完成距离压缩和发射波形分离,然后在极坐标下对各个距离单元散射点的时延特性进行分析并简化,将传统BP算法中的延迟相加过程转化为波束形成过程,从而完成方位向聚焦。所提方法避免了对所有像素点逐个求时延,减小了运算量,并且便于数据的并行批量处理,极大地提高了运算效率。仿真实验验证了所提方法的成像性能和高运算效率。     

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。