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。     

基于加权子空间拟合的干涉相位估计方法

提出复合导向矢量的概念,并通过对测量的信号子空间与复合导向矢量张成的子空间进行拟和,推导出一种基于加权子空间拟合思想的干涉相位估计方法,该方法具有自适应图像配准和降低相位噪声功能,因而可以在图像配准精度很差(可以允许达到一个分辨单元)的条件下准确地估计相应像素间的干涉相位.仿真和实验数据表明估计结果优于基于子空间投影方法的估计结果.     

快速正交投影波束形成新方法

新算法利用阵列快拍数据直接构造噪声子空间,然后将约束导向矢量向噪声子空间投影得到波束形成的权矢量。新算法的性能与正交投影算法相同,但不需要进行矩阵特征分解,运算量大大减小,易于工程实现。就算法不损失系统自由度,克服了差分快速投影法在空间干扰与目标方向呈对称分布时具有明显信号对消的缺点。计算机仿真结果说明了新方法的有效性。     

基于高斯-勒让德积分的鲁棒波束形成算法

针对矩阵重构类波束形成算法在协方差矩阵重构过程中计算复杂度较高的问题, 提出一种基于高斯-勒让德积分重构协方差矩阵的鲁棒波束形成算法。该方法首先根据信号导向矢量之间的正交性, 利用高斯-勒让德积分构建干扰信号空间; 然后将快拍数据投影到干扰信号空间, 剔除期望信号, 完成干扰噪声协方差矩阵重构; 最后将准阵列权矢量投影到信号空间, 修正导向矢量失配。仿真结果表明本文方法在视向误差、导向矢量随机误差条件下具有较好的鲁棒性, 且有效地降低了计算复杂度, 验证了算法的有效性。     

基于MATLAB的阵列信号处理仿真方法

介绍如何使用MATLAB构建阵列信号处理系统模型,包括相干信号模型,幅度和相位误差模型,针对不同模型,实现协方差矩阵产生方法,波达方向估计的子空间方法,自适应波束合成器的权值求解算法和方向图、阵列增益等系统参数的仿真.这些仿真模型和方法,对于各种复杂的阵列信号处理研究,具有重要的基础作用.     

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。     

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。     

基于方向图拟合与稳健波束形成的相关测向

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,提出基于方向图拟合与稳健Capon波束形成技术（robust Capon beamforming,RCB）的双向迭代矢量相关测向方法。利用方向图与信号能量空间分布的相似性,对目标信号来波方向进行聚焦搜索;区别于传统相关干涉仪测向方法,在聚焦区间内将基于RCB的导向矢量迭代估计与相关干涉测向方法融合,在保证测向精度的前提下对目标信号方向进行双向迭代测量。仿真结果表明,该方法能够弥补阵列流型失配和相位噪声的影响,准确测量来波信号方向。     

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。     

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。     

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。     

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。     

强信号背景下基于噪声子空间扩充的弱信号DOA估计方法

针对强信号背景下弱信号波达方向(direction of arriaval,DOA)估计问题,提出了一种基于噪声子空间扩展的弱信号DOA估计算法。该算法提出并使用了噪声子空间扩充的思想,其先将强信号导向矢量所在空间纳入噪声子空间进而构造出扩展噪声子空间,再在该扩展噪声子空间基础上利用常规多信号分类(multiple signalclassification,MUSIC)算法得到弱信号的DOA估计。通过噪声子空间的扩充有效地抑制了强信号谱峰,算法无需已知强信号方向及导向矢量,运算量与常规MUSIC相当。理论分析表明该算法对弱信号DOA估计性能不劣于对应的强信号阻塞类算法,仿真实验证实了其有效性和可行性。     

基于Schur-Hadamard积波束形成的相干分布式信源参数估计

对于由本地散射导致的分布式信源参数估计,根据分布式信源空同角度信号密度的共轭对称特性,将相干分布式信源的方向向量化简为点信源方向向量与实矩阵的schut-Hadamard积,提出了一种基于Schur-Hadamard积波束形成的相干分布式信源中心波达方向和角度扩散参数估计算法.由于在约束条件中考虑了角度扩散,算法具有一定的鲁棒性,适用于角度扩散较大的场舍.仿真实验表明,与MUSIC类算法DSPE相比,基于Schur-Hadamard积的波束形成参数估计算法具有更好的信噪比性能和参数估计精度,更适用于复杂的通信环境.     

相干分布式信源参数估计算法

针对目前分布式信源参数估计算法多采用二维联合搜索导致计算复杂度较大的问题,提出了基于中心波达方向预估计的波束形成一维搜索算法.通过将中心波达方向与角度扩散进行分离,把二维联合搜索简化为一维搜索,降低了计算复杂度.利用方向向量与信号子空间之间的特征结构预估计中心波达方向,缩小了参数搜索范围,提高了算法运行速度.该算法参数估计精度较高,鲁棒性较好,适用于角度扩散较大的场合.仿真实验验证了所提算法的有效性,与DSPE算法和传播因子算法相比,所提算法性能具有明显的优势.     

自适应加权修正的强弱信号Capon谱估计方法

Capon空间谱需要计算搜索方向矢量与训练样本协方差矩阵的广义内积值,要求有较高的协方差矩阵估计精度。在训练样本较少且同时存在强弱临近目标条件下,采样协方差矩阵存在较大估计误差,使得空间谱分辨性能严重下降。提出自适应加权修正的改进方法,所提方法在重构数据协方差矩阵基础上,首先利用最小二乘方法估计搜索信号强度并修正数据协方差矩阵,然后计算搜索方向矢量在相应修正的数据协方差矩阵的广义内积值,最后利用该广义内积值对传统Capon空间谱进行自适应加权处理,在保持高分辨性能的同时降低了对样本数的要求,提高了临近强弱目标的稳健性。理论分析和仿真结果表明所提方法在小训练样本条件下对临近强弱信号的分辨性能优于Capon方法。