递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

一种新的多通道SAR地面动目标检测定位方法

提出了一种对图像配准误差稳健的多通道合成孔径雷达地面动目标检测定位方法。该方法根据图像配准误差的方向确定观测矢量,计算特征系数矢量,利用动目标的空域导向矢量和特征系数矢量构造特征导向矢量,然后利用自适应波束形成技术进行杂波抑制的同时估计动目标的运动速度,最后对目标重新定位。该方法能够在图像配准误差较大的情况下获得满意的动目标检测性能和较高的测速定位精度。仿真结果验证了方法的有效性。     

基于鉴角曲线拟合的自适应单脉冲测角方法

自适应单脉冲方法是干扰背景下目标角度估计的一种有效方法。但对于主瓣内明显偏离波束中心的目标,或者在实际应用中由于天线往往采用子阵结构且存在误差,自适应单脉冲方法估计结果会出现较大的测角偏差。为解决这两个问题,提出一种基于鉴角曲线拟合的自适应单脉冲测角方法。该方法首先利用自适应和差权矢量与实测导向矢量计算出对应角度的单脉冲比;然后采用最小二乘法拟合出自适应鉴角曲线;最后通过自适应鉴角曲线估计出目标角度。仿真实验验证了该方法的有效性。     

存在幅度/相位误差的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成器,在存在阵列幅度/相位误差情况下性能会显著下降。针对此情况,基于信号子空间与噪声子空间的彼此正交特性,对存在误差的信号导向矢量和干扰导向矢量,同时向信号子空间投影,然后对投影后的导向约束采用LCMV准则进行自适应波束形成。理论分析和仿真结果表明文中方法对阵列幅度、相位误差具有稳健性。     

抑制快速运动宽带干扰的稳健波束形成算法

作者从宽带信号模型出发,通过对扰动干扰方向上空时二维导向矢量的分析,修正了权值训练期间得到的宽带干扰协方差矩阵,并结合对角加载技术,确定空时波束形成器的对角加载量,修正了多线性约束空时自适应波束形成算法的最优权值,推导出一种抑制快速运动宽带干扰的空时波束形成算法,该方法有效地实现宽带干扰的零陷加宽,提高了宽带波束形成算法的稳健性.     

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique, ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival, DOA）估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。     

空间非平稳噪声环境下的自适应波束形成

提出了一种基于空间非平稳噪声环境下的自适应波束形成新算法。该算法通过估计噪声协方差矩阵,进行预白化处理,即可采用常规方法实现波束形成,克服了色噪声对波束形成的影响。计算机仿真结果证实了这一算法的有效性。     

一种基于径向基函数网络的盲波束形成方法研究

针对阵列信号处理的特点 ,提出了一种基于径向基函数网络 (RBFNN)的盲波束形成方法。该方法把高阶累积量可消除高斯噪声干扰这一特性和神经网络可并行计算的结构优势有机地结合起来 ,利用高阶累积量估计阵列的导向矢量 ,引入径向基函数网络逼近波束形成的权矢量 ,实现盲波束形成。理论分析和仿真实验表明 ,提出的算法能有效地提高运行速度 ,对系统误差也具有很强的鲁棒性。     

基于RCB与锁相环的跟踪鉴别测向方法

为了弥补阵列天线导向矢量失配和相位测量噪声对测向性能的影响,提出一种基于稳健capon波束形成技术(robust capon beamforming,RCB)和锁相环的矢量最优估计与跟踪鉴别测向方法。首先基于RCB与锁相环原理,对目标来波信号导向矢量进行最优估计与跟踪测量;然后在稳定、准确跟踪导向矢量的基础上,借鉴扩频接收机伪码鉴相原理确定来波信号方向。仿真分析表明,该方法能够弥补阵列流型失配和相位噪声的影响、突破角度相关间隔的限制,准确测量来波信号的方向。     

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。     

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。     

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.     

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.     

用权系数迭代的自适应波束形成器抑制干扰

针对RFI(radio frequency interference)在高频地波雷达中不同距离元的分布特点,在比较现阶段不同波束形成器的基础上,提出一种应用基于权系数迭代法的自适应波束形成器来抑制RFI干扰的方法。该波束形成器的初始权向量是用MVDR(minimum variance distortionless response)算法来获得,而其后迭代法中的权向量是基于LCMV(linearly constrained minimum variance beamforming)算法在上一次权系数的基础上得到的。其中两算法中的协方差矩阵都是由不含雷达回波信号的远距离元阵列快拍来构成,从而增加天线阵的自由度。最后通过对实际雷达数据的处理,验证了该方法的可行性。     

宽带波束空间恒模阵列

针对期望信号假设来向与实际来向存在误差时,传统的宽带波束空间自适应阵列有较大的性能损失,提出了一种对信号来向误差具有稳健性的算法。该方法利用信号的恒模特性,在期望信号来向未知的情况下,实现了对宽带信号的无失真接收。首先利用扇形滤波器,形成一组具有频率不变性的正交波束,然后基于恒模准则对各波束的输出进行处理得到最优权值。该方法对信号来向具有很强的稳健性,同时具有收敛速度快等优点。通过计算机仿真验证了所提方法的有效性与优越性。     

期望信号稳健阻塞的协方差矩阵重构波束形成算法

针对期望信号导向矢量存在失配时自适应波束形成器性能下降的问题,提出期望信号稳健阻塞的干扰噪声协方差矩阵重构算法。首先,构造角度展宽的信号阻塞矩阵,完成回波数据中期望信号的分离,进而利用无污染的回波数据计算准干扰噪声协方差矩阵。接着,对准干扰噪声协方差矩阵做特征分解,借助矩阵投影变换完成干扰噪声协方差矩阵的准确重构。最后,对剔除掉干扰和噪声分量的采样协方差矩阵做特征分解,完成期望信号导向矢量的有效估计。理论分析和仿真结果表明,所提算法不仅具有近乎理想的性能,还具有较低的计算复杂度。     

子空间投影稳健波束形成算法及其性能分析

基于投影方法的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其他算法实现简单。通过分析,在信号加干扰子空间准确已知的条件下,该方法与基于特征子空间的稳健算法等价。由于该方法适用于较高信噪比和较低信号加干扰子空间维数的场景,而且子空间及其维数必须是已知的,因此给出了一种用于信号加干扰子空间及其维数的稳健估计方法,使该算法的应用条件得以满足。详细分析了理想条件下子空间选取对算法性能的影响,并进行了详细的仿真分析,验证了所提出方法的正确性和有效性。     

Minimum geometric power distortionless response beamforming against heavy-tailed noise of unknown statistics

A minimum geometric power distortionless response beamforming approach against impulsive noise(including all αstable noise) of unknown statistics is proposed.Due to that definite logarithmic moments require no priori knowledge of impulsive noise,this new beamformer substitutes the logarithmic moments for the second-order moments and iteratively minimizes the geometric power of the beamformer's output snapshots,subjected to a linear constraint.Therefore,the proposed beamformer can provide significantly highe...     

不确定权值下的鲁棒波束形成算法

提出了一种不确定权值下的鲁棒波束形成算法(robust beamforming algorithm with uncertainweights,RBAWUW),与以往文献中对阵列导向矢量的不确定性进行约束的方法不同,该算法是通过对权值附加一个球形或椭球形不确定集约束推导出来的.在这种新的约束下,RBAWUW算法能获得比传统鲁棒Capon波束形成器(robust Capon beamformer,RCB)更高的输出信干噪比(singal-to-noise-plus-interference ratio,SINR),而且新算法与标准Capon波束形成算法的计算效率几乎相同.理论分析和仿真结果均表明,RBAWUW算法是切实可行的.