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。     

基于pre-FFT OFDM自适应天线阵的最佳波束成形算法

基于自适应天线与OFDM技术，提出一种新的自适应波束成形算法，获得了最佳的阵列加权系数。与传统算法相比，本算法不需要进行信道估计，因此，简化了系统结构。仿真结果表明，所提出的算法明显优于基于最大信噪比（Max-SNR）准则的波束成形算法。     

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。     

基于波束域预处理的MIMO雷达MVDR波束形成算法

传统的MIMO雷达的发射阵列通常进行全向发射,而感兴趣的目标往往集中在较小的空域范围内,全向发射就造成了大量的功率浪费,从而导致波束形成器的输出信干噪比降低,针对这一不足,提出了一种基于发射波束域预处理的MIMO雷达MVDR波束形成算法.该算法首先利用二阶锥规划设计出波束域矩阵,通过发射波束域预处理使发射功率聚集在感兴趣的区域,同时保持预处理后的导向矢量的旋转不变性,然后利用MVDR算法进行自适应波束形成.仿真结果表明:波束域预处理提高了发射功率的利用率,因此,在发射功率相同的条件下,基于发射波束域预处理的MIMO雷达MVDR波束形成器具有更高的输出信干噪比.     

波束域特征空间自适应波束形成算法

波束空间法是阵列自适应处理的一种重要的降维方法,可使运算量大大降低;而特征空间法只需较少的数据采样数就可以加速波束形成的收敛。将波束空间处理与特征空间处理结合起来,给出了基于特征空间的波束域自适应波束形成算法。新算法降低了自适应处理中对数据采样数的要求,并且具有更好的信噪比特性和稳健性。仿真结果证明了算法的优越性。     

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。     

一种自适应多亲遗传算法及其性能分析

定义了一种度量多样性的指标,来自适应地调整基于实数编码的多亲遗传算法中交叉概率和变异概率这两个参数。提出了一种基于实数编码的自适应多亲遗传算法,该算法能自适应地调整其参数,且在求解优化问题的过程中,能克服早熟收敛的现象,提高搜索能力,加速收敛速度。同时将该算法用来求解多峰值测试函数,实验结果验证了算法的有效性。     

基于自适应CKF的恒模盲波束形成算法

针对均匀线阵,利用信号的恒模特性,与容积卡尔曼滤波相结合,提出一种新的盲自适应波束形成算法。通过对恒模算法的优化代价函数进行变换,使其满足系统状态空间模型。利用容积卡尔曼滤波算法进行自适应滤波,以实现抑制干扰和消除噪声。所提算法对状态空间模型中的系统噪声和过程噪声进行了自适应处理,免除滤波噪声参数的设置,增强了算法的通用性,并引入了收敛因子,加速系统的收敛速度。仿真结果表明了该算法的正确性和有效性。     

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。     

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。     

基于非合作博弈模型的跨层资源分配算法

针对多用户多输入多输出 正交频分复用(multiple input multiple output-orthogonal frequency division multiple, MIMO-OFDM)系统的上行链路提出一种基于非合作博弈模型的跨层资源分配算法。基站为用户分配初始上行速率后,各用户间通过非合作博弈方式实现功率最小化。功率未饱和的用户向基站申请增加吞吐量,基站在调整用户吞吐量时综合考虑用户信道条件与媒体访问控制（media access control, MAC）层缓存的状态。仿真表明,算法既降低了用户终端的功率开销,同时兼顾了多用户间的公平性。     

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。     

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。     

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.     

基于分布式博弈论的频谱分配算法

在认知无线电多用户共享频谱中,认知用户之间不进行共同协作,他们总是保持理性,最大化自身的效用函数。不管其他用户使用什么策略,而多个参与者之间互相决策的关系刚好可以通过博弈论分析。针对这样的频谱共享问题,提出了分布式的博弈论频谱分配算法。仿真结果表明,认知用户之间进行博弈达到合理的功率分配,使自身的传输速率最大     

基于自适应旁瓣相消的干扰源方位估计方法

提出了一种基于自适应旁瓣相消器的压制式干扰源方位估计方法。首先,利用自适应旁瓣相消器对压制式干扰信号进行抑制处理并得到一组收敛权值;然后,利用收敛权值计算出接收阵列的方向图;最后,在接收阵列方向图上寻找较深的谷值点对应的方位来估计干扰源的方位。所提方法估计精度高且易于工程实现。针对典型卫星导航接收机阵列,通过计算机仿真验证了所提方法的有效性。     

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.