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。     

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.     

基于GS算法的天线方向图零陷加宽方法

为了自适应数字波束形成(ADBF)中应用Gram-Schmidt(GS)算法使天线方向图自适应零陷加宽,通过构造附加离散个干扰源的数学模型重构干扰信号子空间,并修正阵列快拍数据的协方差矩阵,进而对协方差矩阵GS正交化.在干扰噪声较大时,适当调整附加干扰源的位置和个数,得到期望的零陷宽度.算法简单易行,在传统GS算法基础上所增加的运算量很小.仿真证明了该方法的有效性.     

冲击噪声背景下一种稳健自适应波束形成算法

 针对冲击噪声背景下,常规波束形成算法性能下降的问题,本文提出了一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的基于归一化的线性约束正交投影(NLCOP)算法。该算法通过对输入信号进行无穷范数归一化,使变换信号的协方差矩阵在代数拖尾的冲击噪声环境下存在且有界,将自适应权矢量约束于噪声子空间,提高了波束形成器在冲击噪声背景下的性能。NLCOP算法无需噪声特征指数的先验信息,具有更低的副瓣电平且干扰抑制能力强。仿真结果验证了该算法的有效性。     

直接数据特征值分解的相干源DOA估计

提出一种基于均匀圆阵单次快拍数据的相干信源波达方向(direction of arrival,DOA)估计方法——直接数据特征值分解(direct data eigenvalue decomposition,DD-EVD)法. 算法通过模式空间转换将均匀圆阵虚拟为均匀线阵,再直接利用波束空间的快拍数据,构造一个Toeplitz矩阵,并对矩阵按阵列流形分解. 理论推导证明,矩阵的秩得到恢复,只与入射信号个数有关. 对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,进而完成相干信源DOA估计. 算法使用单次快拍数据构造矩阵,适合非平稳信号参数的估计,同时不需要快拍累计和相关运算,降低了计算复杂度. 仿真结果验证了算法的有效性.      

灵活控制赋形方向图空域的综合方法

本文提出了一种在给定线阵天线口径尺寸条件下灵活控制其赋形方向图空域的综合技术，该方法还可灵活控制赋形方向图的副瓣电平、主波束下边缘斜率、主瓣波纹等指标.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

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.     

面向语音增强的聚焦自适应波束形成方法

针对语音信号相对带宽大、麦克风存在误差以及现有自适应波束形成方法宽带干扰抑制能力不足的问题,提出一种面向语音增强的聚焦自适应波束形成方法。首先将Capon空间谱处理为接收信号的概率密度函数,并对不同频带设计了基于阵列观测数据的聚焦矩阵,从而根据干扰功率自动调整频率聚焦程度;然后,计算聚焦后的样本协方差矩阵和各子带频段内的干扰加噪声协方差矩阵,并利用聚焦矩阵重构出宽带数据的干扰加噪声协方差矩阵;最终,通过重构出参考频率下的期望信号协方差矩阵,修正期望信号方向的导向矢量并得到自适应波束形成器的加权向量。数值仿真结果表明：所提方法能够有效地对期望信号进行接收的同时充分抑制宽带干扰;所提方法在强干扰处的聚焦误差仅为现有方法的约1%;在信噪比为15 dB且入射角误差为3°的情况下,所提方法的输出信噪比较现有方法提高约12 dB。     

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.