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.     

一种基于次元分析技术的鲁棒波束形成算法

针对实际应用中先验知识存在偏差的问题,基于权向量长度恒定的常规线性约束波束形成算法,提出一种权向量长度恒定的最差情况性能优化波束形成算法.分析了神经次元分析(MCA)学习规则与该波束形成优化问题在数学描述上的相似性,利用神经MCA学习规则实现鲁棒自适应波束形成.仿真结果表明,与基于线性约束的波束形成算法相比,该算法具有更强的信号跟踪能力和干扰抑制能力,并且对信号方向向量的偏差具有更强的鲁棒性.     

非线性约束条件下的二次优化R-CAB算法

为了解决R—CAB算法的方向图零陷不深或无法对准干扰信号方向的问题,在非线性约束条件下,通过二次优化鲁棒周期自适应波束形成算法的的权向量,调整了方向图零陷的位置和深度,改善了输出SINR。优化算法的输出SINR对导引向量随机误差具有稳健性,对期望信号的功率变化表现出不敏感特性,具有很好的的理论价值以及应用前景。理论分析与计算机仿真试验都证明了算法的有效性。     

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。     

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。     

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。     

一种用于波束形成技术的神经次元分析算法

基于自稳定次元分析学习规则,提出一种添加了惩罚项的次元分析(MCA)学习规则.分析了该学习规则的稳定性和收敛性,用于自适应波束形成技术的实现.采用带有约束条件的功率优化波束形成原理,利用白噪声敏感度控制和干扰的先验知识,提高了波束形成算法的鲁棒性.仿真实验表明,与用于实现鲁棒约束波束形成技术的FMCA学习规则相比,MCA学习规则具有更强的稳定性,能更有效地用于干扰抑制和实时信号跟踪.     

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。     

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.      

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.     

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.     

基于最差情况性能优化的稳健盲波束形成算法

针对在实际通信应用中存在导向向量偏差的情况下,阵列输出的信干噪比SINR性能急剧下降的问题,提出了稳健受限LSCMA算法,并对其输出性能进行了理论分析.该算法利用后验概率密度函数估计信号导向向量,并增加权向量的二次型约束,降低了信号波达方向的不确定性,提高了对信号导向向量偏差的稳健性,使阵列输出的信干噪比SINR接近最...     

基于TMS320C6201的RLS算法在波束形成中的应用

在研究智能天线中波柬形成算法特点的基础上，基于TMS320C6201的硬件条件和早期乳腺癌微波近场成像系统中智能检测天线的特点，采用改进RLS算法，并提出了算法处理流程及其硬件设计，最终给出了早期乳腺癌微波近场成像系统中智能检测天线的试验结果，试验表明该算法适合于脉冲微波近场成像系统的波束形成要求。     

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。     

四元数域主特征空间投影鲁棒自适应波束形成

针对常规四元数域波束形成器在模型误差条件下的性能退化问题,提出基于拉伸三极子双平行阵列的四元数域主特征空间投影鲁棒自适应波束形成方法.相比现有四元数域最劣态最优化鲁棒波束形成器,该方法无需求解具有高计算复杂度的凸优化问题,且不涉及用户参数的优化设置,更易于实现.仿真结果表明,所提出的波束形成器可有效克服信号相消问题,能够以较低的计算成本获取优于四元数域最劣态最优化鲁棒自适应波束形成器的性能,且其优势在高信噪比和短快拍条件下尤为显著.