基于协方差矩阵重构和导向矢量估计的稳健自适应波束形成

实际应用中, 当假定的与真实的期望信号导向矢量之间存在一定误差时, 波束形成器的性能会急剧下降, 特别是当期望信号功率很强的时候.为解决这个问题, 提出了一种新的算法.当信源数小于阵元数时, 干扰加噪声协方差矩阵具有稀疏性.新方法首先利用该特性重构干扰加噪声协方差矩阵并由此得到与干扰导向矢量正交的子空间, 使接收的数据通过该子空间得到只含有期望信号和噪声的混合信号, 然后,对该混合信号基于最大化输出功率原理估计期望信号导向矢量, 最后,把得到的导向矢量和正交子空间来构造阵列加权值.仿真结果表明:该算法分别在假定的期望信号导向矢量存在误差、期望信号很强和低快拍数时仍然具有良好的性能.     

一种联合修正的稳健Capon波束形成算法

指出了水平定向天线阵波束形成的主要难点,没有固定相位中心和受交叉极化来波的影响。阵列受随机性误差使得导向矢量存在较大失配,从而导致传统Capon算法性能下降甚至失效。在阵列误差模型下,给出了基于协方差矩阵与导向矢量联合修正的稳健Capon波束形成算法。该算法首先基于收缩得到一个增强的协方差矩阵,然后通过最大化Capon输出功率实现对导向矢量的修正,同时增加二次型约束防止修正的导向矢量接近于干扰导向矢量上。该算法可转化为二次约束二阶规划问题,并通过凸优化进行求解。仿真结果表明,该算法对天线阵模型中误差矩阵具有一定的稳健性,且较其他稳健算法具有较好的性能。     

基于导向矢量估计的鲁棒波束形成

针对标准Capon波束形成器中真实导向矢量与期望导向矢量存在误差时,其性能会急剧下降的问题,提出了基于加权空间平滑与导向矢量估计相结合的鲁棒波束形成算法。该算法利用加权空间平滑方法,对子阵进行特殊的划分,根据子阵间自相关矩阵与互相关矩阵权重差异,采用嵌套的方式获得加权矩阵,继而得到更加精确的协方差矩阵,接着,使用不确定范围约束期望导向矢量来获得真实导向矢量。仿真结果表明,和传统的自适应波束形成算法相比较,本文算法在面对协方差矩阵中含有期望信号以及角度失配问题时,鲁棒性得到明显提升。     

一种基于降秩变换的ESB改进算法

提出了一种基于降秩变换的ESB改进算法,该方法首先用降秩变换矩阵对阵列接收数据进行降秩变换,利用干扰子空间和修正的期望信号导向矢量来构造降秩变换矩阵,然后进行波束形成.该算法解决了传统的基于特征空间(ESB)自适应波束形成算法方向图副瓣电平较高的问题,并且解决了当阵列协方差矩阵中不含期望信号或期望信号较小时方向图畸变的问题,从而大大提高了抗干扰能力.仿真结果证明,所提出的基于降秩变换的ESB改进算法具有良好的波束形成性能,验证了算法的有效性.     

一种基于协方差矩阵重构的波束形成算法

针对Capon波束形成在误差条件下敏感性问题,提出一种基于协方差矩阵重构的鲁棒波束形成算法。算法将信号集中出现的空域划分为干扰区域和信号区域,接着将两个区域划分为若干相互独立不重叠的部分,对干扰区域积分,构造出干扰协方差矩阵;再利用采样协方差矩阵特征分解后的最小特征值重构出噪声协方差矩阵;最后对期望信号导向矢量误差进行环不确定集建模,并在期望信号导向矢量环不确定集上进行Capon谱积分来估计期望信号协方差矩阵,根据其主特征矢量获取期望信号导向矢量。仿真表明,与传统鲁棒波束形成算法相比,此方法在不同快拍数以及输入信噪比条件下,性能更加优异且稳定,同时计算量较小。     

基于改进不确定集的稳健波束形成算法

基于不确定集约束的稳健MVDR波束形成算法在一定程度上依赖于期望信号导向矢量误差的先验知识,且当导向矢量失配较严重时干扰抑制性能也有所下降。为此,提出了一种基于投影变换的改进算法。该方法将约束方向矢量向信号干扰子空间投影,并作为新的约束方向矢量,从而等效于减小了期望信号导向矢量误差。这样,误差不确定参数只需设置为一较小的实数即可在任意导向矢量失配时获得最优的输出性能。计算机仿真结果证明了所提波束形成器具有较强的稳健性能。     

一种空域-极化域联合稳健自适应波束形成算法

为有效提高阵列对来波方向误差和极化参数误差的鲁棒性,提出一种空域-极化域联合稳健自适应波束形成算法,首先在每个干扰信号来波方向-极化角区间上重构干扰噪声协方差矩阵,然后在期望信号来波方向-极化角区间上估计其导向矢量,设计空域-极化域联合稳健波束加权。通过仿真实验可发现,所提算法对由来波方向角度误差和极化参数误差所引起的导向矢量失配具有很好的鲁棒性。     

基于波束形成算法的PFDA干扰抑制

针对二维面阵频率分集阵列(PFDA)雷达在抑制与目标角度维接近、距离维可分的干扰过程中,经典波束形成算法在导向矢量失配时出现的主瓣畸变问题,在交叉正弦二维面阵频率分集阵列结构的基础上,通过采用可变加载约束的最速下降线性约束最小方差准则,求解导向矢量失配时的修正权矢量,在估计导向矢量存在2°指向误差时仍可实现对阵列方向图波束主瓣的有效纠偏和保形。仿真验证了该方法的有效性。     

导向矢量和协方差矩阵联合迭代估计的稳健波束形成算法

针对自适应波束形成器在目标导向矢量存在约束偏差时性能急剧下降的问题,该文提出一种目标导向矢量和干扰噪声协方差矩阵联合迭代估计的稳健波束形成算法。该算法首先采用稀疏重构的方法得到目标导向矢量的初始值,并通过从采样协方差矩阵中剔除目标信号估计值完成干扰加噪声协方差矩阵的初始化;然后在建立导向矢量误差优化模型的基础上,采用凸优化方法对目标导向矢量和干扰加噪声协方差矩阵联合迭代求解。最后利用目标导向矢量和干扰加噪声协方差矩阵的稳态估计值获得自适应权矢量。仿真结果表明该算法提高了波束形成器在目标导向矢量约束偏差时的输出信干噪比。     

一种新的GPS接收机宽带干扰抑制方法

该文针对GPS扩频接收机空时自适应处理结构,提出了一种新的极大抑制干扰的波束形成算法。通过估计空时二维功率谱得到各干扰信号的导向矢量矩阵,并求解出该矩阵的一组最接近期望信号导向矢量的正交基,作为空时二维最优权值。仿真结果表明,该算法增强了空时自适应结构方向图的零陷深度,比传统宽带多线性约束LCMV算法更有效地进行干扰抑制,明显提高了信号干扰噪声比。     

Robust Adaptive Beamforming Under Quadratic Constraint with Recursive Method Implementation

When adaptive arrays are applied to practical problems, the performances of the conventional adaptive beamforming algorithms are known to degrade substantially in the presence of even slight mismatches between the actual and presumed array responses to the desired signal. Similar types of performance degradation can occur because of data nonstationarity and small training sample size, when the signal steering vector is known exactly. In this paper, to account for mismatches, we propose robust adaptive beamforming algorithm for implementing a quadratic inequality constraint with recursive method updating, which is based on explicit modeling of uncertainties in the desired signal array response and data covariance matrix. We show that the proposed algorithm belongs to the class of diagonal loading approaches, but diagonal loading terms can be precisely calculated based on the given level of uncertainties in the signal array response and data covariance matrix. The variable diagonal loading term is added at each recursive step, which leads to a simpler closed-form algorithm. Our proposed robust recursive algorithm improves the overall robustness against the signal steering vector mismatches and small training sample size, enhances the array system performance under random perturbations in sensor parameters and makes the mean output array SINR consistently close to the optimal one. Moreover, the proposed robust adaptive beamforming can be efficiently computed at a low complexity cost compared with the conventional adaptive beamforming algorithms. Computer simulation results demonstrate excellent performance of our proposed algorithm as compared with the existing adaptive beamforming algorithms.     

存在阵列导引向量误差时的自适应波束形成算法

提出了一种存在阵列导引向量误差时的自适应波束形成算法。首先,文章提出了一个由接收信号协方差矩阵的噪声子空间和带有随机误差的期望信号导引向量构成的代价函数。然后基于非线性约束条件对此代价函数进行优化。新算法在期望信号导引向量存在误差的情况下仍能提供较好的输出SINR。仿真证明了新算法的有效性。     

Robust Recursive Beamforming in the Presence of Impulsive Noise and Steering Vector Mismatch

This paper proposes a new method for robust beamforming in the presence of impulsive noise as well as steering vector mismatch. In our proposed method, the idea of M-estimation is firstly incorporated into the traditional orthonormal PAST (OPAST) algorithm for subspace tracking to combat the hostile effect of impulsive noise. Taking advantage of the subspace principle, we show that the steering vector mismatch can be recursively and robustly estimated in closed form. Then, by making use of the estimated steering vector, the problem of robust beamforming in the presence of impulsive noise is formulated. The solution of this problem is analytically derived and the resultant robust beamformer is shown to have a similar form to the Capon beamformer, whereas the array covariance matrix and the steering vector are robustly estimated. Different from conventional methods, the impulsive noise and the steering vector mismatch are simultaneously handled by extending the traditional OPAST algorithm, and hence the proposed method has low complexity and it is feasible to nonstationary scenarios with moving sources. Simulation results demonstrate the validity and superiority of the proposed method over conventional methods in impulsive noise environment with steering vector mismatch.     

基于半正定秩松弛方法的稳健波束形成

现有的向量加权稳健波束形成方法只有在指向误差较小的情况下才能有效估计目标的信号功率;矩阵加权波束形成方法在指向误差较大时,虽然可以估计目标的信号功率,但是它的系统实现复杂度与向量加权稳健波束形成方法相比较大。针对以上问题,该文提出基于半正定秩松弛(SDR)方法的稳健波束形成,该方法优化模型中的目标函数与Capon算法的目标函数相同,优化变量为加权向量的协方差矩阵,并约束方向图的主瓣幅度波动范围、旁瓣电平,协方差矩阵的秩为1。应用SDR方法求得加权向量的协方差矩阵,将该矩阵中的每一行(列)转化为加权向量,然后选择使得方向图主瓣与0 dB之间失真最大值最小的一个加权向量。该方法的系统实现复杂度与传统向量加权方法一致,对信号功率的估计性能与矩阵加权方法相当。仿真实验验证了该文方法可以得到理想的方向图形状,并且可以在大指向误差条件下有效估计信号功率。     

零陷优化的稳健波束形成算法

传统的自适应波束形成算法在干扰方向出现扰动且期望信号导向矢量失配时,不仅无法持续有效地抑制干扰,而且会在期望信号方向产生零陷致使期望信号相消,算法性能严重下降。针对该问题,本文提出了一种零陷优化的稳健波束形成算法。该算法首先通过干扰导向矢量的左右旋转来展宽零陷,接着将采样数据向干扰子空间投影,并对干扰分量进行加权处理以增强采样数据中的干扰强度,加深干扰零陷,最后采用导向矢量不确定集约束算法保证期望信号的接收增益。计算机仿真结果表明:该算法能够有效展宽干扰零陷,并能够保证期望信号增益,具有较好的稳健性。      

基于SA-MUSIC理论的联合稀疏恢复STAP算法

基于子空间扩展多重信号分类(SA-MUSIC)理论对杂波空时二维谱进行联合稀疏恢复,实现小样本情况下空时自适应处理(STAP)性能的显著提升.首先,提出空时导向矢量相关性模型,利用该模型分析杂波在空时二维平面上的稀疏本质,解释用部分空时导向矢量近似整个杂波子空间的合理性.其次,提出基于SA-MUSIC理论的联合稀疏恢复STAP算法(SA-MUSIC-STAP),该算法仅需极少训练样本便可实现对杂波协方差矩阵的准确估计,并实现有效的杂波抑制.仿真实验验证了SA-MUSIC-STAP算法的有效性.     

Robust adaptive beamforming based on the eigenstructure method

In a linearly constrained beamformer with imperfect arrays, the authors investigate the cause of cancelling the desired signal from a viewpoint based on the eigenstructure properties of the array covariance matrix. Based on this cause, they propose a robust beamforming algorithm. As an adaptive algorithm of the proposed beamformer, the present a data-domain signal subspace updating algorithm