改进的树型WSN分布式LCMV波束形成方法

针对减少树型无线传感器网络(wireless sensor network, WSN)中分布式线性约束最小方差(linearly constrained minimum variance, LCMV)波束形成器计算量问题,提出基于Householder多级维纳滤波器(Householder multistage Wiener filter, HMSWF)的分布式LCMV波束形成器方法。该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能。计算机仿真结果验证了算法的优良性能。     

单Chirp脉冲时域自适应波束形成和参数估计

将最小方差无畸变响应(minimum variance distortionless response, MVDR)自适应波束形成方法拓展到一类非平稳脉冲信号,利用时域MVDR（time-domain MVDR, TMVDR）实现了单Chirp脉冲信号的自适应波束形成,即CTMVDR（TMVDR on single Chirp pulse signal, CTMVDR）。CTMVDR可估计具有常数幅值的未知Chirp脉冲信号的波达方向（direction of arrival, DOA）、信号功率和时间波形。理论分析结果表明,稳定估计自适应权向量的条件是稳定估计Chirp脉冲时间序列的自相关。数值仿真和海上实验结果表明,在采样频率不大于10倍Nyquist频率条件下,只需少于1 024个采样点,即可获得稳定的自适应权向量估计;和常规波束形成对比,CTMVDR有更好的波束响应、DOA估计、阵处理增益和Chirp脉冲信号的时间波形估计性能。     

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。     

FDA-MIMO雷达稳健抗主瓣距离欺骗式干扰技术

频率分集阵(frequency diverse array, FDA)多输入多输出(multiple-input and multiple-output, MIMO)雷达可利用距离维自由度在发射-接收频率域内对欺骗式干扰进行抑制。但当存在目标导向矢量失配和协方差矩阵估计误差时,其抗干扰性能损失严重。针对该问题, 在FDA-MIMO雷达中提出了一种基于稳健波束形成的抗干扰方法。首先, 对剔除了残留噪声的Capon谱估计器在信号(或干扰)域内积分来构造期望信号(或干扰)导向矢量; 然后, 利用不同信号导向矢量间的正交性获得干扰功率并重构干扰加噪声协方差矩阵; 最后, 用更精确的导向矢量和重构矩阵计算自适应波束形成器的最优权值, 提高干扰抑制性能。仿真实验验证了所提方法的有效性。     

色噪声环境下基于约束Kalman波束形成算法

针对色噪声环境和低快拍数下波束形成器波形畸变的问题,提出了一种色噪声环境下基于约束Kalman的波束形成算法。该算法首先利用波束形成器的代价函数来构建状态和量测方程,其次对量测有色噪声进行一阶马尔可夫建模并对量测扩充得到新的量测方程,最后利用Kalman滤波方程来求解阵列权值矢量。所提算法是通过对色噪声白化来消除其对波束形成算法性能的影响。仿真结果显示,在色噪声环境和低快拍数下本算法具有更快的收敛速度和更高的输出信干噪比,并且波束图的旁瓣水平明显降低。     

基于权矩阵低秩逼近的MIMO OTHR多模SDC抑制算法

扩展多普勒杂波是天波超视距雷达(over the horizon radar,OTHR)慢速舰船目标检测面临的关键问题。在新一代多输入多输出天波超视距雷达系统下,基于最小方差无失真响应(minimum variance distortionless response,MVDR)权矢量,提出一种权矩阵低秩逼近的多模扩展多普勒杂波抑制算法。利用阻塞矩阵进行数据预处理,并利用“发射〖CD*2〗接收”二维权矩阵的特征分解对双迭代MVDR算法进行了多级扩展,在减小了计算量和样本需求的基础上,进一步改善俯仰空域滤波的输出信杂噪比,提升OTHR对低可探测慢速舰船目标的检测性能。理论分析和仿真验证了算法的有效性。     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。     

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.     

基于MVDR波束形成的FDA平台外干扰抑制

针对频控阵(frequency diverse array, FDA)在对与目标位置相近的平台外干扰进行抑制时, 传统FDA与非线性频偏结合不能实现距离-角度去耦合、对数递增FDA主瓣展宽较大和汉明窗加权FDA距离维旁瓣过高的问题, 在充分研究汉明窗加权的线性FDA(Hamming linear FDA, HL-FDA)方案的基础上, 对4种频偏方案的性能进行了分析, 提出采用FDA多输入多输出结构代替传统的一维均匀线性FDA结构, 通过结合最小方差无失真响应(minimum variance distortion free respinse, MVDR)准则, 将HL-FDA应用到MVDR自适应波束形成层面, 对平台外干扰进行抑制。仿真验证了HL-FDA在结合MVDR自适应波束形成算法后能有效地对抗距离-角度二维平台外干扰。     

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。     

Beamforming analysis based on CSB sin-FDA

This paper studies the adaptive beamforming algorithm based on the frequency diverse array(FDA)array where the interference is located at the same angle(but different range)with the target.We take the cross subarray-based FDA with sinusoidal frequency offset(CSB sin-FDA)as the receiving array instead of the basic FDA.The sampling covariance matrix under insufficient snapshot can be corrected by the automatic diagonal loading method.On the basis of decomposing the mismatched steering vector error into a vertical component and a parallel one,this paper searches the vertical component of the error by the quadratic constraint method.The numerical simulation verifies that the beamformer based on the CSB sin-FDA can effectively hold the mainlobe at the target position when the snapshot is insufficient or the steering vector is mismatched.     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

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。     

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。     

稳健的Capon波束形成

针对期望信号假定导向矢量与真实导向矢量存在误差时,常规自适应波束形成将有较大的性能损失,提出了一种稳健的自适应波束形成算法来克服这种误差敏感性。该方法分两步完成,首先估计出实际的导向矢量,然后再用该估计结果求出最优权。通过Lagrange乘子法得到简单的闭式解,它不属于对角加载系列的方法,因而不存在加载量的确定这一问题。最后通过计算机仿真验证了所提方法的有效性与优越性。