存在指向误差情况下的低旁瓣自适应波束形成

针对确定自适应阵列系统,在传统的线性约束最小方差(LCMV)波束形成算法基础上提出一种在期望信号方向估计有误差的情况下,能减小指向误差的低旁瓣自适应波束形成算法,该算法运用波束保形函数,集中主瓣波束,抑制旁瓣波束,提高了阵列输出的信干噪比(SINR),计算机仿真结果验证了算法的有效性和优越性。     

基于特征投影预处理零陷加深的抗主瓣干扰算法

当主瓣干扰功率较大时,基于特征投影预处理(EPB)的自适应波束形成算法抑制旁瓣干扰的能力大大下降甚至无法有效抑制,因此,在EPB算法的基础上提出了基于特征投影预处理零陷加深的抗主瓣干扰算法。首先将特征投影预处理后的数据向去除了主瓣干扰的干扰信号子空间上投影,对得到的数据进行适当的加权,再加到特征投影预处理后的数据上,以加强旁瓣干扰信号功率;其次利用干扰加强后的采样信号形成新的协方差矩阵,并计算其自适应权矢量;最后利用求得的自适应权矢量获得阵列输出,并对该算法的信干噪比进行了简要分析。仿真结果表明,当主瓣干扰功率较高时,该算法能够在旁瓣干扰方向上形成较深的零陷,具有更好的旁瓣抑制效果。     

基于特征向量的线性约束最小方差自适应方向图控制

针对自适应波束形成中副瓣电平较高的问题,该文提出一种基于特征向量的线性约束最小方差(E-LCMV)自适应方向图控制算法。该算法通过对输入数据协方差矩阵进行特征分解,得到干扰子空间与噪声子空间,利用子空间之间的正交性,在静态加权矢量中修正约束矩阵和约束响应矢量,可在小快拍数条件下有效地抑制干扰,并同时保持静态方向图的副瓣特征。计算机仿真结果表明该算法具有良好的副瓣特性,并提高了低快拍数下输出的信干噪比(SINR),验证了该算法的有效性和优越性。     

基于蚁群算法的子阵级自适应多波束形成

在大型阵列信号处理中,可以在子阵级进行数字波束扫描形成多波束,降低硬件成本和系统复杂度,其中子阵划分的优劣直接决定信号处理的性能.针对子阵级多波束形成的问题,提出了一种基于蚁群算法的子阵划分最优策略,该策略将蚂蚁的迁移路径作为子阵划分方案,以峰值旁瓣电平为优化目标进行迭代搜索,使得子阵级自适应形成多波束方向图的旁瓣性能...     

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。     

利用单次快拍数据自适应处理的最小二乘算法

针对直接数据域最小二乘算法存在有效阵列孔径损失及自适应方向图旁瓣电平较高等不足,提出一种利用单次快拍数据进行自适应处理的改进算法.该方法基于直接数据域最小二乘箅法所得的权值,构造出一个变换矩阵,并对阵列接收的单次快拍数据样本进行预变换处理.形成子阵级输出后.根据噪声增益最小化准则,对各子阵进行自适应波束的形成,从而充分利用了所有阵元信息,不仅提高了有效阵列孔径,而且明显改善了阵列抑制严重非平稳干扰的性能.计算机仿真结果表明了该方法的有效性.     

一种基于FCGA的GPS自适应抗干扰算法

针对GPS卫星信号功率微弱易受干扰的特点,提出了一种基于浮点数编码遗传算法(Floating point number Coded Genetic Algorithm,FCGA)的GPS自适应抗干扰算法。首先分析了自适应阵的输出信号,给出了自适应阵方向图与加权矢量的关系式。然后根据线性约束最小方差准则,得到了一个有约束的多参量目标函数,并采用浮点数编码遗传算法对其进行了优化。最后为了验证该算法的有效性,以22单元改进的均匀圆形阵为研究对象,分别对自适应阵的方向图和输出信号干扰噪声比(SINR)进行了计算机仿真。结果证明,该方法能够在多个期望信号方向保持较高波束增益,同时在干扰信号方向形成很深的波束凹陷。在强干扰情况下,输出信号干扰噪声比SINR能够保持在定值附近,而不随着输入干扰功率的增加而降低,达到了抑制干扰的设计目的。     

带指向约束的多目标调零天线

在卫星导航接收机中,传统调零天线无法形成对卫星信号的主瓣指向.为了能同时形成多个天线方向图主瓣,并分别对准不同卫星信号,从而提高阵列增益,文中引入导向约束条件,采用直接矩阵求逆方法求解每个卫星信号的最优权矢量解,并完成波束合成;分析了文中算法的运算量,给出了阵列增益的解析表达式.研究表明,文中算法不仅抑制了外部干扰,而且克服了卫星信号间的相互干扰,形成了对每个卫星信号的主瓣指向,提高了输出信噪比.方向图和期望信号输出信干噪比的仿真结果验证了该算法的有效性.     

基于数据预处理的改进GS正交化波束形成

针对常规Gram-Schmidt（GS）正交化算法在训练快拍中混有期望信号时,自适应波束会出现期望信号相消的问题,提出了基于数据预处理的改进GS正交化波束形成算法. 该算法构造阻塞矩阵进行数据预处理剔除期望信号,估计对应的协方差矩阵,并对其进行GS正交化重构干扰子空间,将静态加权矢量向干扰子空间作正交投影得到自适应权矢量. 同时,为准确估计干扰子空间,对协方差矩阵的正交化自适应门限进行了修正. 仿真结果表明,所提算法的输出信干噪比（SINR）比其它GS正交化算法有2 dB以上的性能改善.      

准自适应波束形成法及其仿真

为解决智能天线中自适应波束形成算法复杂且难以实现的问题,提出一种准自适应波束形成法.基于均匀分布天线阵方向性图主瓣最窄、二项式分布天线阵在阵元间距为λ/2时方向性图无副瓣的特性,将均匀分布和二项式分布天线阵的方向性函数相乘并展开,得到主瓣窄、副瓣低的天线阵加权系数的计算公式.仿真结果表明,该算法计算量小,所得天线阵方向性图主瓣窄、副瓣低,基本能抑制主瓣之外的所有干扰,且其主瓣指向并跟踪期望用户来波方向,具有准自适应性.     

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。     

基于改进广义线性组合算法的极化阵列稳健波束形成

为提升极化阵列波束形成的稳健性,将广义线性组合(general linear combination, GLC)算法应用于极化阵列. 分析了GLC算法在较高输入信噪比条件下,阵列存在阵元扰动和期望信号(signal of interest, SOI)波达方向(direction of arrival, DOA)误差时,输出的信干噪比随快拍数增加而下降的原因,并提出了一种结合转换函数的改进GLC算法. 所提算法根据采样协方差矩阵(sample covariance matrix, SCM)特征值相关参数的大小,对信噪比进行判断. 信噪比较高时,采用改进GLC算法计算对角加载量(diagonal loading level, DLL);信噪比较低时,采用原GLC算法计算DLL,从而使得所提算法在任意输入信噪比和快拍下的输出信干噪比均大于或等于原GLC算法. 通过主瓣干扰条件下的计算机仿真实验验证了所提算法的有效性.      

基于非均匀子阵划分的MIMO雷达阵列设计研究

本文提出一种非均匀子阵划分的MIMO雷达阵列设计方法,其不但具有和均匀子阵划分的MIMO雷达（也称为相控阵-MIMO雷达）相同的优势—能同时获得相干处理增益和波形分集增益;并且,不同孔径的子阵使子波束的形成更加灵活;更大的子阵孔径给发射端提供了额外的自由度。 理论分析表明,与相控阵-MIMO雷达相比,采用常规波束形成,当干噪比比较低时,所提的非均匀子阵划分的MIMO雷达的输出信干噪比（SINR）更高。仿真实验也证明了上述理论分析的正确性,并表明所提的非均匀子阵的划分方法可以获得更低的副瓣电平。在最小方差无畸变响应波束形成下,零陷更深,输出SINR更高并且抗干扰能力更强。     

相干多径环境下的毫米波大规模MIMO混合波束赋形方案

针对传统全数字域的解相干算法无法直接运用于混合波束赋形场景的问题，设计了一种混合波束赋形下的解相干方案。在模拟域，基于设计的码本波束，提出一种新的模拟波束赋形方案,分别搜索与每个信号方向最为接近的波束，形成波束集合,利用所得到的波束集合，对阵列接收信号分别进行模拟波束赋形得到一级输出。在数字域，提出“阵列信号重构”的思想，对一级输出进行阵列信号重构,将重构信号作为输入，进行空间平滑处理，在相干干扰方向和非相干干扰方向均可形成较深的“零陷”。通过理论分析和仿真，对不同方案的波束方向图、信干噪比、频谱效率等性能进行了研究。结果表明，所提出的混合波束赋形方案的信干噪比和频谱效率等性能几乎逼近于纯数字波束赋形方案。     

鲁棒RLS波束形成算法

分析了多径传播环境下,信号方向向量的偏差和采样样本数目的变化对自适应波束形成算法性能的影响,提出了一种鲁棒RLS波束形成算法·该算法具有收敛速度快,抗扰动性强,误差小的特点·采用鲁棒RLS波束形成算法不但降低了波束形成器对于信号方向向量的偏差的敏感程度,而且可以保证阵列输出的信干噪比(SINR)接近最优值,仿真实验验证了所提算法的有效性·实验结果表明即使在强扰动或偏差存在的情况下,采用鲁棒RLS算法可使系统具有良好的SINR,而且可以改善加权向量的归一化偏差·     

一种基于Bayesian方法的鲁棒自适应波束形成算法

由于在实际环境中,期望信号的阵列响应与实际阵列响应之间存在偏差,使得现存的一些自适应波束形成算法的性能下降.针对上述问题,基于Bayesian方法提出了鲁棒自适应波束形成算法,并且给出其递推形式.该算法利用接收到的采样信号对实际信号方向向量进行估计,降低了信号到来方向的不确定性,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证输出阵列的信干噪比接近最优值.采用递推方法来计算逆矩阵,大大地降低了计算的复杂度,能够满足实时处理的要求.仿真实验表明,与传统自适应波束形成算法相比,所提鲁棒自适应波束形成算法具有更好的性能.     

基于非线性约束的可变对角加载自适应波束形成算法

提出了一种鲁棒波束形成算法。给出了一种基于可变角加载形式的方向图权向量形式，然后利用非线性约束条件对此权向量进行优化。新的算法可以在期望信号导引向量存在误差的情况下提供较好的输出SINR。仿真证明了新算法的有效性。     

改进的道夫-切比雪夫加权的波束形成方法

在阵列信号处理中端部激励状态最易发生变化,影响信号处理效果.为此,提出一种改进的道夫-切比雪夫加权的波束形成方法,成功地降低了阵列的端部灵敏度,它是传统道夫-切比雪夫加权方法的改进.它继承了道夫-切比雪夫加权的优点,即:在给定旁瓣高度的要求下获得最窄的主瓣;在给定主瓣宽度要求下获得最低的旁瓣.同时规定参数把波束分成了均匀旁瓣与下降的旁瓣2个区,从而降低了阵列端部灵敏度.