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。     

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。     

一种基于可变加载的低复杂度稳健自适应波束形成算法

标准Capon波束形成器对信号失配敏感,为增强其稳健性,对角加载法及其一些改进型算法得到了广泛应用.在此基础上提出了一种低复杂度的可变对角加载的算法,其可变对角加载量基于样本协方差矩阵的负指数式.同时,加载因子γ通过一种特定的方式来设定,从而避免了复杂运算.该算法只需高斯白噪声平均能量这一先验信息,并将其作为特征值的阈值.这样既可消除噪声扰动的影响,又能减少算法的复杂度.计算机仿真结果进一步验证了所提算法的有效性与优越性.     

一种新的宽带波束形成算法

基于对角加载思想,针对宽带信号空时处理结构,将空时接收协方差矩阵进行特征值分解,并利用矩阵求逆定理推导出空时结构对角加载值的范围,得到空时结构对角加载波束形成算法的优化方程以及最优权向量的解.仿真结果表明,算法有效地对协方差矩阵估计进行了修正,增强了空时波束形成算法的鲁棒性.     

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。     

一种稳健的高动态GNSS干扰抑制算法

为了解决在高动态环境下干扰信号来向迅速变化并移出波束零陷,导致抗干扰算法性能下降的问题,提出了一种基于零陷展宽并加深的稳健波束形成算法。首先在干扰区间内设置多个虚拟干扰代替单个干扰,然后通过协方差矩阵前后向空间平滑技术对协方差矩阵进行数据修正。仿真结果表明,新算法不但可以有效加宽并加深干扰信号来向上的零陷,使得阵列有较好的输出信干噪比,而且当干扰来向快速变化时能保持较强的稳健性。在高动态环境下,当干扰快速运动时仍然具有较高的阵列输出。因此所提算法与其他算法相比具有更好的性能,并具有良好的稳健性,可为高动态环境下的强干扰抑制提供理论参考。     

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。     

MIMO雷达非均匀子阵划分方法研究

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.     

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。     

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.      

基于自适应对角加载的源数估计算法

为解决对角加载技术用于信源数估计时对角加载量确定困难的问题,提出了一种新的基于自适应对角加载接收信号协方差矩阵的信源数估计算法。首先,分析接收信号协方差矩阵与噪声信号功率之间的协同变化关系,基于协方差矩阵的对角元素特征值分布特点,给出一种自适应的对角加载量确定方法。然后,将对角加载处理后的接受信号协方差矩阵与信息论准则结合,得到改进后的估计信源数算法。仿真实验结果表明：本文算法能同时在白噪声与色噪声环境中较好估计信源数,相较于基于信息论准则与盖氏圆盘估计法则的源数估计算法,本文算法在估计正确率以及稳定性上得到了不同程度的提升,具有较好的估计性能。     

基于可变对角加载的稳健空时波束形成算法

针对对角加载方法中加载量难以确定的问题,提出了基于可变对角加载的稳健空时波束形成算法.该算法在宽带信号模型基础上,分解空时宽带波束形成的约束方程,针对多频点约束,推导出空时二维导向矢量真值,得到空时结构可变对角加载波束形成算法的最优权矢量,并给出加载量求解方程,准确地计算出空时波束形成器的对角加载量.仿真结果验证了该算法的稳健性.     

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.     

基于特征投影矩阵的自适应方向图改善方法

在主瓣干扰背景下,采用特征投影矩阵算法,预处理后自适应方向图将出现主波束偏移,针对传统修正方法中对角加载技术的系数固定且难以确定的问题,基于HKB算法提出了一种改进的加载系数选取方法,根据接收数据能够自适应确定对角加载量。该方法在进行脊回归估计时,通过将剩余矢量的最小方差代价函数的最小二乘估计替换成误差绝对值函数进行分析计算,从而获得新的对角加载系数,同时对自适应抗干扰总效果方向图进行了分析研究,对于旁瓣性能出现的明显恶化,结合所提方法对总效果方向图进行了改善研究。仿真结果表明了所提方法既能有效解决预处理方向图主波束指向偏移问题,同时也改善了总效果方向图的旁瓣性能。     

一种基于GSC框架波束域快速稳健自适应波束形成算法

GSC框架是自适应波束形成降秩算法的统一模型,一般通过构造降秩矩阵来降低算法的运算量,但是降秩矩阵大多通过特征分解来获得,给算法带来了大量额外的运算量。针对此问题,提出了一种波束域的快速稳健自适应波束形成算法,通过转换矩阵将输入信号从高维度的阵元域转换到低维度的波束域,然后在波束域运用子空间类算法,用信号子空间来构造阻塞矩阵、降秩矩阵和映射矩阵,既降低了计算量,又解决了基于GSC框架的自适应算法在信噪比较高时由于期望信号相消导致性能严重下降的问题。仿真结果证明了提出的算法有很好的波束形成性能,验证了算法的有效性。     

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.      

基于空频滤波的并行单星约束波束形成算法

由于空域抗干扰算法形成零陷时会导致有用信号一定程度失真,提出了基于空频滤波的并行单星约束波束形成算法。针对宽带接收机的应用,在空频二维宽带处理器的模型下,将各阵元接收数据变换到频域;通过频域并行单星约束方程,保证信号带宽内每个频点上的信噪比,有效防止了传统算法对有用信号的衰减。最后,将每颗卫星信号逆变换到时域,便得到了干扰抑制之后的全部卫星信号。计算机仿真验证了理论分析的正确性和算法的稳健性。