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.     

基于酉变换的改进GSO波束形成器

针对传统Gram-Schmidt正交化(GSO)波束形成器对干扰的抑制性能比较差的缺点,提出一种基于酉变换的改进GSO算法.该算法对训练数据进行酉变换,估计变换后数据的协方差矩阵并取其实部,待该实矩阵减去噪声分量后采用GSO算法重构变换后的干扰子空间,将经过同样变换后的静态波束加权矢量向该干扰子空间做正交投影得到自适应加权矢量.计算机仿真结果证明,在干噪比(INR)较高时该算法与基于特征值分解的子空间投影算法的性能相近.     

基于收缩方法的稳健自适应波束形成算法

针对有限采样数据样本中含有期望信号时自适应波束形成器性能下降的问题,提出了一种不需要任何参数设定的稳健自适应波束形成算法.该算法利用收缩方法得到一个增强的协方差矩阵估计值,替代传统的采样协方差矩阵,提高了算法的性能.为了克服信号导向矢量存在误差时对波束形成器性能的影响,对算法进行进一步的扩充,使其既能改善小快拍时协方差矩阵的估计值又能克服期望信号导向矢量的失配.仿真结果表明:该方法不仅能够改善小快拍情况下波束形成器的性能,而且还能克服期望信号导向矢量失配带来的不利影响.     

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。     

面向语音增强的聚焦自适应波束形成方法

针对语音信号相对带宽大、麦克风存在误差以及现有自适应波束形成方法宽带干扰抑制能力不足的问题,提出一种面向语音增强的聚焦自适应波束形成方法。首先将Capon空间谱处理为接收信号的概率密度函数,并对不同频带设计了基于阵列观测数据的聚焦矩阵,从而根据干扰功率自动调整频率聚焦程度;然后,计算聚焦后的样本协方差矩阵和各子带频段内的干扰加噪声协方差矩阵,并利用聚焦矩阵重构出宽带数据的干扰加噪声协方差矩阵;最终,通过重构出参考频率下的期望信号协方差矩阵,修正期望信号方向的导向矢量并得到自适应波束形成器的加权向量。数值仿真结果表明：所提方法能够有效地对期望信号进行接收的同时充分抑制宽带干扰;所提方法在强干扰处的聚焦误差仅为现有方法的约1%;在信噪比为15 dB且入射角误差为3°的情况下,所提方法的输出信噪比较现有方法提高约12 dB。     

基于特征向量的线性约束最小方差自适应方向图控制

针对自适应波束形成中副瓣电平较高的问题,该文提出一种基于特征向量的线性约束最小方差(E-LCMV)自适应方向图控制算法。该算法通过对输入数据协方差矩阵进行特征分解,得到干扰子空间与噪声子空间,利用子空间之间的正交性,在静态加权矢量中修正约束矩阵和约束响应矢量,可在小快拍数条件下有效地抑制干扰,并同时保持静态方向图的副瓣特征。计算机仿真结果表明该算法具有良好的副瓣特性,并提高了低快拍数下输出的信干噪比(SINR),验证了该算法的有效性和优越性。     

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。     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

一种无需先验信息的抗多点源干扰方法

针对存在主瓣干扰在内的多点源干扰情况,现有的阻塞矩阵预处理和特征投影预处理都取得了一定的抗干扰效果,其主要思想都是先通过预处理消除主瓣干扰,再进行常规自适应波束形成,实现对主瓣干扰的抑制,但是这2种方法需要期望和干扰的先验信息来构造预处理矩阵。为解决实际运用当中先验信息无法直接获取的问题,采用强弱信号波达方向估计方法和估计出期望信号方向和干扰方向,再结合基于伪协方差矩阵的特征投影预处理的主瓣抗干扰方法,得到一种无需先验信息的抗多点源干扰算法。仿真实验结果表明,所提方法在不知道角度先验信息的条件下于多点源干扰处形成了大于60 dB的空陷,且相比于其他方法,波形保持好,受快拍数的影响小,取得了较好的抗多点源干扰效果。     

自适应干扰对消的一种改进正交化算法

分析了传统的正交化算法在干噪比较低中，干扰对消效果佳的原因。将特征子空间分解技术与正交化算法相结合，提出了一种修正的正交化算法。仿真结果表明，所提出的算法极大地改善了低干噪比的干扰对消性能。     

大角度干扰抖动下的零陷展宽算法研究

自适应波束形成算法能将零陷自动对准干扰方向，但在干扰快速移动或天线平台出现振动等情况下，很可能由于干扰位置的扰动而使自适应权和数据失配．通过对干扰导向矢量的左右旋转，利用对协方差矩阵的数值处理，推导出一种和干扰方向无关的自适应零陷加宽技术．该方法通过对角度偏移量的跟踪，尤其适合较大抖动角度情况下零陷的展宽，在干扰方向与数据失配的情况下，仍能够较好地抑制干扰，从而提高算法的稳健性．     

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.     

结合子空间投影的幅度相位估计波束形成算法

在医学超声成像中,幅度相位估计(APES)波束形成算法能够更稳健地估算期望信号幅度,但其以牺牲较少量分辨率为代价.针对此问题,提出基于幅度相位估计并融合子空间投影技术的自适应波束形成算法.首先通过幅度相位估计算法初步计算加权向量,然后将加权向量向回波信号的期望信号子空间投影,以此来抑制噪声和干扰,改善成像的分辨率和对比度.经仿真分析,所提出的子空间投影与幅度相位相融合的算法在成像的分辨率、对比度和稳健性方面均优于原始的幅度相位估计算法.     

一种基于特征子空间扩展的自适应波束保形方法

基于特征空间(ESB)自适应波束形成算法，提出了一种扩展信号子空间的自适应波束保形方法(SESB)，该方法通过扩展信号子空间、舍弃噪声子空间，克服了当干扰信号和期望信号同时存在时，期望信号大范围的变化造成波束畸变这一缺陷，计算机仿真和分析证明该方法运算量小，具有良好的波束保形能力和稳健性。