基于导向矢量扩维的稳健波束形成方法

针对阵列信号导向矢量失配下的稳健波束形成问题,该文提出了1种新的方法。引入角度稳健因子,从而构造扩展目标导向矩阵,以替代目标视在导向矢量。仿真结果表明,该文方法比传统最小方差无偏响应(MVDR)方法具有更稳健的波束形成效果和更低的副瓣电平。     

基于导数约束的互谱降秩自适应波束形成

在导数约束基础上,提出了一种对阵列导向矢量失配稳健的互谱降秩自适应波束形成算法.通过在期望方向上设置多个线性导数约束,对阵列接收数据进行利用互谱能量的降秩处理,然后进行自适应波束形成.该算法不仅能够在导向矢量失配情况下获得较好的性能,并且弥补了传统稳健自适应波束形成算法运算量大的缺点.仿真分析表明,所提出的算法具有较好的稳健性能.     

基于收缩方法的稳健自适应波束形成算法

针对有限采样数据样本中含有期望信号时自适应波束形成器性能下降的问题,提出了一种不需要任何参数设定的稳健自适应波束形成算法.该算法利用收缩方法得到一个增强的协方差矩阵估计值,替代传统的采样协方差矩阵,提高了算法的性能.为了克服信号导向矢量存在误差时对波束形成器性能的影响,对算法进行进一步的扩充,使其既能改善小快拍时协方差矩阵的估计值又能克服期望信号导向矢量的失配.仿真结果表明:该方法不仅能够改善小快拍情况下波束形成器的性能,而且还能克服期望信号导向矢量失配带来的不利影响.     

稳健自适应波束形成算法

<正>自适应波束形成是阵列信号处理的核心内容,目前已广泛应用于雷达、声纳、麦克风阵列、无线通信、导航、地震学、射电天文、生物医学等许多国民经济和军事应用领域。在实际应用中,自适应波束形成器性能恶化的一个重要原因是期望信号阵列响应的真实值与假定值之间存在一定的失配误差。传统的自适应波束形成器对这些失配误差非常敏感,即使很小的失配误差也可能导致自适应波束形成器性能的严重下降。在模型失配条件下,仍能自适应地调整波束形成器     

鲁棒自适应波束形成算法比较与实验研究

传统的自适应波束形成算法对基阵的轻微误差非常敏感,为提高自适应波束形成技术对阵列误差的鲁棒性,在分析线性约束最小方差波束形成的基础上,研究并比较了对角加载算法和支持向量机算法对自适应波束形成器鲁棒性能的改善,和对对角加载算法和支持向量机算法进行了鲁棒性能分析与比较。水池实验结果表明,传统的对角加载算法能够提高波束形成器对信号导向向量失配与样本协方差矩阵误差的鲁棒性。而基于支持向量机算法的波束形成器在波达方向失配的较高信噪比或存在大量干扰信号时表现出更好的鲁棒性,为提高波束形成器的鲁棒性提供了一种新的有效途径。     

一种极化鲁棒自适应子空间检测算法

提出一种高斯杂波和噪声背景下的极化鲁棒自适应检测算法.因阵列校正误差、波束指向误差等因素引起的目标标称导向矢量与真实的不一致,可能会导致检测性能下降.通过在目标标称导向矢量子空间增加一些矢量,提出一种基于子空间的对模型失配鲁棒的检测算法.仿真结果表明,当目标导向矢量误差较大时,算法仍能取得较好的检测性能.      

基于高阶累积量的自适应波束形成

常规波束形成器仅限于利用信号的二阶统计特性,作者采用高阶累积量估计期望信号的导向矢量（SteeringVector),实现了一咎基于高阶累积量的自适应波束形成器（HCAB）,该波束形成器利用信号的更高阶统计特征性,减少了对阵列流型的依赖,具有较好的容差性,能自动跟踪信号,数值模拟实验表明该波束形成器工作良好。     

采用幅度响应约束的鲁棒自适应波束形成算法

针对大导向矢量失配误差造成传统自适应波束形成算法鲁棒性下降的问题,提出采用幅度响应约束的鲁棒自适应波束形成算法。该算法首先对接收数据协方差矩阵失配进行建模优化,然后根据已知的多径相干信号大致来波方向信息对波束主瓣进行幅度响应约束,并利用所提引理将优化问题转化为迭代二阶锥规划问题,最后对权矢量直接进行求解获得最佳值。仿真结果表明:该算法能够针对多径相干信号形成多波束主瓣,自由控制波束主瓣宽度和纹波水平。当期望信号的方向偏差达到3.5°、输入信干噪比在-5~10dB范围内变化时,该算法的阵列输出信干噪比优于不确定集类算法0~6dB,对大导向矢量失配误差鲁棒性更高。     

适用于任意阵列的鲁棒波束形成算法

针对期望信号来波角度误差和干扰快速变化导致的导向矢量失配问题,本文提出了一种新型的零陷展宽鲁棒自适应波束形成算法.该算法重构接收信号的协方差矩阵,根据大致的期望信号角度约束平顶主瓣波束,提出了迭代算法来解决经过上述处理步骤后得到的非凸的优化问题.仿真显示,本文提出的算法相比于传统算法对来波角度误差及干扰快速变化拥有更好的鲁棒性,且该算法适用于任意阵列.      

波束形成算法指向误差时的稳健性研究

为有效克服期望信号方向存在指向误差而导致的阵列流形向量失配的问题,提出了一种基于支持向量回归机的波束形成方法.该方法在分析线性约束最小方差波束形成器的基础上,将支持向量机的损失函数引入到线性约束最小方差波束形成器的最优化问题中,从而使基于结构风险最小化原理的支持向量回归机算法与波束形成算法相结合.通过MATLAB仿真实验,在没有失配的理想情况和期望信号存在方向向量失配的情况下,选取不同的支持向量机参数以及信噪比,分析对2种损失函数的基于支持向量机的波束形成算法.仿真实验结果表明,该算法在期望信号方向存在指向误差时,依然能够保持较好的系统输出信噪比,具有一定的稳健性.     

一种基于对角载入的鲁棒MVDR波束形成算法

当信号方向向量精确已知时,传统最小方差无畸变响应(MVDR)波束形成算法具有较好的分辨率和抗干扰能力.在实际通信环境中,由于外部环境、天线阵列以及采样协方差矩阵的估计误差等因素的影响,导致传统MVDR波束形成算法的性能急剧下降.针对这一问题,本文提出了一种新的基于对角载入的鲁棒MVDR波束形成算法.该算法考虑信号方向向量的偏差对MVDR算法性能的影响,并在最大允许偏差范围内导出最优的权重向量,有效地抑制了偏差对输出性能的影响,具有很强的鲁棒性,从而能够适应复杂的通信环境;同时该算法采用递推算法避免矩阵求逆,降低了计算复杂度,便于工程实现.仿真实验表明,与传统MVDR算法相比,所提算法具有更好的输出性能。     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

智能天线中一种抑制干扰的波束形成算法

提出了一种新的用于智能天线中极大抑制干扰的波束形成算法，在干扰信号的导向矢量矩阵的零空间内，经过正交基矢量的线性组合，用最小二乘法求得最接近期望信号导向矢量、并同时对各个干扰信号零陷的权值。与MVDR算法相比，本算法对干扰的抑制更加有效。     

基于均匀圆阵的稳健迭代波束形成算法

针对导向矢量偏差和转换误差导致传统波束形成器的性能下降及均匀圆阵不具有范德蒙结构的问题,提出了一种基于均匀圆阵的稳健迭代波束形成算法.该算法利用相位模式转换技术推导出虚拟自相关矩阵,并把导向矢量限定于确定的椭圆集合中.从最差性能优化的设计思想出发,构造基于均匀圆阵的二阶凸规划的代价函数,再利用拉格朗日乘子法求得权重矢量的闭式解表达式且能够准确求出优化解中的对角载入值.仿真结果表明:所提算法能够提高系统的稳健性,改善了阵列的输出性能.     

鲁棒约束最小二乘恒模算法

在实际的通信环境中,信号方向向量偏差使得线性约束最小二乘恒模算法的性能急剧下降.针对这一问题,提出了鲁棒约束最小二乘恒模算法.该算法通过在代价函数中增加一个方向向量存在偏差的模值约束条件来提高算法的鲁棒性,并在此约束条件下推导出权重向量的递推公式.另外,采用递推算法计算逆矩阵,大大地降低了计算复杂度.所提算法对信号方向向量偏差具有较强的鲁棒性,从而保证了阵列输出的信干噪比接近最优值.仿真实验结果表明,与传统算法相比,所提鲁棒约束最小二乘恒模算法具有更好的性能,且能适应实际复杂的通信环境.     

基于L阵的分布式信源二维波达方向估计算法

研究了将相干分布式信源积分形式的方向向量化简为点信源方向向量与实向量的Schur-Hadamard积的方法,提出了一种基于L阵的相干分布式信源二维波达方向分离估计算法.利用阵列结构的特点首先估计仰角,然后构造基于Schur-Hadamard积的二阶统计量估计方位角,所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能.该算法将二维波达方向联合估计简化为两步一维估计,有效降低了计算量.仿真实验验证了所提算法的有效性.     

一种自适应阵列指向误差校正方法

在自适应阵列处理中，指向误差将使阵列处理性能严重下降，必须进行校正。在分析指向误差对自适应波束形成性能影响的基础上，提出一种利用阵列接收数据和指向误差不确定度的指向误差校正方法，通过牛顿法迭代求解用于修正阵列导向矢量的因子，然后进行自适应波束形成。理论分析和仿真结果表明：新方法对指向误差具有较好的鲁棒性。     

基于先验知识的广义旁瓣对消器STAP

空时自适应处理（space-time adaptive processing,STAP）算法的运算量与处理性能构成了一对矛盾。利用广义旁瓣对消器（generalized sidelobe canceller,GSC）形式的处理器结构,提出一种基于先验知识的 STAP 算法以解决该问题。该算法使用相控阵雷达系统参数以及阵列几何模型等先验知识来构建空时杂波的匹配矩阵,并计算空时多约束导引矢量,实现对 STAP 算法的自适应加权初始化。该算法的优点是无需协方差矩阵求逆从而使处理速度得到加快。仿真实验表明该算法的处理性能未受影响,而收敛速度则明显提高。     

双基地米波MIMO 雷达低空目标俯仰维DOD和DOA联合估计方法

对于双基地米波多输入多输出(MIMO)雷达低空目标俯仰维测向场景,受多径效应影响,发射接收导向矢量因存在耦合现象而与噪声子空间失去正交性,导致以多重信号分类(MUSIC)为主的子空间类算法在该场景下不可用,而基于空间平滑预处理的子空间类算法由于阵列孔径损失存在角度估计精度不高的问题。为解决上述难题,建立了双基地米波MIMO 雷达单目标和非相干多目标镜面反射信号模型,在信号模型数学变换和分析的基础上发现了一种仍旧与噪声子空间正交的导向矢量矩阵,然后利用新的导向矢量矩阵结合广义MUSIC和最大似然算法提出了双基地米波MIMO 雷达低空目标俯仰维波离方向和波达方向联合估计方法,最后通过仿真验证了所提方法的有效性和俯仰维测向性能的优越性。     

文化鱼群算法的广义MUSIC测向技术

针对现有的测向算法测相干信号源会损失天线阵列孔径的问题,在引入广义导向矢量和广义导向矩阵的基础上,建立了一种通用的阵列数据模型,提出了一种基于四阶累积量的广义MUSIC测向算法。为求解所提的广义MUSIC测向算法,在文化算法中使用人工鱼群进化机制,引入了一种多维搜索的文化鱼群算法。仿真结果证明了所设计的测向算法在不损失四阶累积量所扩展阵列孔径的情形下,可有效测相干信源与独立信源的方向,与现有一些经典算法相比,所提算法有较大的优势和较广的应用范围。