一种双重约束的稳健自适应波束形成算法

针对最差情况下最优性能波束形成算法(WCB)仅具备对导向矢量误差稳健性的问题,提出了一种双重约束稳健自适应波束形成算法(DCRAB),在WCB的基础上增加了一个协方差矩阵误差约束条件,因而在理论上同时具备对导向矢量误差和协方差矩阵误差的稳健性.经过多次严格条件的释放,将非凸的DCRAB问题转化为凸的二阶锥规划问题(SOCP),最后可采用与WCB相似的方法求解.数值仿真结果表明DCRAB在输出SINR,DOA误差、有限采样点和方向图增益等方面都优于WCB和其他一些经典算法.     

自适应宽带稳健波束形成及神经网络算法

针对被动跟踪系统中阵处理的要求，建立了适应宽带稳健波束形成设计方法，用神经网络算法实现了自适应宽带波束形成，从理论上解决了自适应阵观察方向上的稳健设计问题，抛弃了自适应阵的时延补偿器，将正则网络应用于自适应宽带波束形成，解决了阵处理中求二次约束解的非线性规划问题，并能在毫微秒时间内收敛，不仅保持了二次约束自适应波束形成的干扰抵消能力，而且克服了软约束带来的阵指向性两端上的现象，所建立的阵处理器能抵消干扰达40dB以上，工作带宽达到2个倍频程。     

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。     

一种稳健的二维自适应波束形成算法

针对已存在的各种二维capon波束形成器稳健算法性能单一,只能对1种或2种影响波束形成算法性能的因素具有稳健性,缺乏对多种情况都具有稳健性的缺点,提出一种基于空间谱估计的二维稳健自适应波束形成方案.首先,提出一种新的二维解相关空间谱估计算法,该算法将二维角度估计问题用4个一维空间谱估代替,并采用修正的MUSIC算法实现解相干,然后利用得到的角度信息构造虚拟干扰,克服观察方向误差并展宽零陷.仿真结果表明:该算法结合了空间谱估计技术和自适应波束形成技术的优点,对期望信号导向矢量误差、干扰到达角失配及信号相关等都具有足够的稳健性.     

冲击噪声背景下归一化广义旁瓣相消器

针对冲击噪声背景下常规波束形成算法性能下降的问题,该文提出一种归一化广义旁瓣相消器(N-GSC)算法,该算法适用于任意未知统计特性的代数拖尾冲击噪声环境。算法通过对输入信号进行无穷范数归一化,使信号的二阶统计量存在且有界,再进行维纳滤波,提高了波束形成在冲击噪声背景下的性能。进行了4种冲击噪声背景下的仿真实验。仿真结果表明,与传统的GSC算法和基于分数低阶矩的GSC算法相比,N-GSC算法计算简单,无需噪声特征指数的先验信息或估计,适用于任意分布的冲击噪声环境,具有更强的干扰抑制能力。     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。     

半盲算法在自适应波束形成中的应用

文章介绍了半盲算法在自适应波束形成中的应用,根据半盲算法的原理,先运用基于子空间的正交投影波束形成方法确定初始权值,目的是得到次优权值,再用最小二乘恒模算法(LSC-MA)进行迭代。通过计算机对三种自适应波束形成算法的仿真对比,证明了半盲算法收敛稳定,可抑制干扰,恢复期望信号,从而也证实了该算法的可行性,有效性。     

一种稳健快速的波束形成算法

提出了一种计算自适应方向图权向量的迭代算法。为满足迭代矩阵的收敛条件，算法根据协方差矩阵的最大Gemchgorin半径选择对角加栽值对协方差矩阵进行对角加栽；通过对协方差矩阵进行简单的矩阵分裂；进而给出自适应权向量的迭代解形式。仿真表明，所提出的算法能在快拍数较少时形成稳健的特性良好的方向图。     

鲁棒RLS波束形成算法

分析了多径传播环境下,信号方向向量的偏差和采样样本数目的变化对自适应波束形成算法性能的影响,提出了一种鲁棒RLS波束形成算法·该算法具有收敛速度快,抗扰动性强,误差小的特点·采用鲁棒RLS波束形成算法不但降低了波束形成器对于信号方向向量的偏差的敏感程度,而且可以保证阵列输出的信干噪比(SINR)接近最优值,仿真实验验证了所提算法的有效性·实验结果表明即使在强扰动或偏差存在的情况下,采用鲁棒RLS算法可使系统具有良好的SINR,而且可以改善加权向量的归一化偏差·     

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.      

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.     

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.      

任意分布冲击噪声背景下基于ESPRIT的DOA估计方法

针对冲击噪声背景下的传统波达方向(DOA)估计算法性能下降的问题,该文提出一种适用于任意分布冲击噪声的无穷范数归一化旋转不变子空间(Inf-ESPRIT)算法.该方法首先对阵列接收的快拍数据进行无穷范数归一化处理,然后对伪协方差矩阵进行特征分析,利用ESPRIT算法实现DOA的估计.与传统的基于分数低阶矩的方法相比,该算法具有以下优势:适用于多种不同分布的冲击噪声环境,无需已知冲击噪声特征指数的先验信息或估计值,可以获得更好的估计性能.计算机仿真实验证明了所提算法的有效性.     

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.     

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.     

CAB盲自适应波束形成性能分析及改进算法

分析CAB盲自适应波束形成算法中有限采样数据导致的sinc窗循环泄漏效应及其在循环频率误差存在的性能,提出了种改进的CAB算法-遗忘因子CAB算法（F-CAB）,该算法无需对循环频率进行估计,理论分析表明,在F-CAB算法中估计循环相关矩阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性,由仿真结果可知,在循环频率误差比较小的情况下,F-CAB算法具有良好的性能。     

4阶量算法在盲波束形成上的应用

对波束形成算法性能进行了比较,考虑盲波束形成算法具有不需要阵列流形、到来方向、训练序列以及干扰和噪声的自相关矩阵等先验知识的特点,设计了基于4阶累积量盲波束形成器·由于直接利用入射信号的高阶量统计信息,不仅可以有效地消除高斯噪声的影响,而且可以消除加性非高斯噪声的影响·仿真实验结果证明,与最小方差无畸变响应的波束形成器(MVDR)相比,作者所提出算法适用于多径传播环境,具有收敛速度快,对信噪比的变化有更好的鲁棒性等特点·