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。     

基于空时二维协方差矩阵修正的波束形成算法

在实际应用环境中,信源和阵列传感器等存在误差,假设期望信号的导向矢量与真实信源导向矢量的失配会导致阵列波束形成器把期望信号当作干扰来加以抑制。针对信号匹配误差导致自适应波束形成性能下降的问题,提出了一种基于空时二维协方差矩阵修正的波束形成算法,利用空时结构对宽带幅相误差校正的特性,对空时二维协方差矩阵进行重构,并对修正协方差矩阵进行特征值分解,分离出信号加干扰子空间,将失配导向矢量投影可使期望信号与噪声子空间严格正交,最后求解算法最优权值。算法有效改善了波束形成的输出信噪比,计算机仿真验证了理论分析的正确性和算法的稳健性。     

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。     

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。     

快速扫描机载气象雷达多普勒解模糊算法

本文针对机载气象雷达前视快速扫描下的多普勒模糊问题,提出了两种多普勒解模糊算法：基于改进方位向波束形成算法和基于阻塞矩阵算法。基于改进方位向波束形成算法在传统的Capon波束形成的基础上,利用空间谱积分的方法对非期望信号协方差矩阵进行重构和对导向矢量进行估计,进一步提高了算法的鲁棒性,降低方位角估计误差;基于阻塞矩阵算法需要估计导向矢量,并利用导向矢量计算阻塞矩阵,将接收信号进行多普勒模糊相消预处理,阻塞每个多普勒频点的模糊多普勒分量,以达到解模糊的目的。通过仿真实验证明,两种方法均可以有效地恢复信号的多普勒信息,其中基于阻塞矩阵算法与基于改进方位向波束形成算法相比,有更优良的性能,并有更小的运算量。     

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。     

基于嵌套阵列的稀疏表示稳健波束形成方法

针对波束形成中目标方位失配以及噪声加干扰的协方差矩阵非精确重构造成的波束形成方法性能下降的问题,提出一种基于嵌套阵列的稀疏表示稳健波束形成方法。在该方法中,计算嵌套阵的采样协方差矩阵,通过差合作阵处理得到一孔径扩展的虚拟均匀线列阵;基于稀疏表示的方法来估计目标以及干扰的准确方位信息;进一步利用得到的方位信息构造导向矢量,通过最小二乘方法计算干扰信号的精确功率值;最后重构干扰加噪声协方差矩阵,通过波束形成实现干扰抑制。数值仿真表明,所提方法有效提升了干扰加噪声协方差矩阵重构精确度,在不同信噪比和快拍数条件下,输出信噪比都能逼近最优信干噪比,验证了该算法的有效性。     

迭代子空间跟踪和结构约束的自适应波束形成算法

自适应波束形成(adaptive beam-forming:ABF)方法通过对阵列数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵依赖性较大.在小快拍和通道随机响应误差条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,严重恶化了基于线性约束最小均方误差准则的自适应波束形成方法的干扰抑制性能.针对该问题,本文基于子空间投影类波束形成方法的思想,提出采用迭代子空间跟踪和结构约束的自适应波束形成方法.该方法首先利用clearing技术在训练样本集上依次跟踪主特征矢量并构成信号子空间;然后根据子空间投影类波束形成权矢量的结构特性计算自适应加权矢量.仿真结果表明本文方法能有效提高自适应波束算法的输出信干噪比.     

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。     

DS-CDMA系统中基于最大特征值的ESB算法

针对DS-CDMA系统,在基于特征空间(ESB)自适应波束形成算法的基础上提出了一种基于最大特征值的改进算法,该算法利用阵列接收信号协方差矩阵最大特征值所对应的特征向量构成子空间,摈弃了权向量在干扰信号子空间及噪声子空间中的分量.改进算法结构简单、运算量低.计算机仿真和分析证明该算法性能要优于常规ESB算法的性能.     

正交模约束的稳健波束形成算法

Capon波束形成算法在导向矢量存在误差或是在较少快拍数或高信噪比情况下,都会使波束产生严重的畸变。为了提高波束的稳健性,该文提出了一种正交模约束的稳健波束形成算法(OCCB),并通过二次求导得到阵列权值的具体数学表达式。该算法在Capon算法的基础上,增加对阵列权值和噪声子空间的正交模约束,实现了在不影响信号和干扰特征值的同时,完成对噪声特征值的加载,减小噪声特征值的扩散程度。分析了部分对角加载对期望信号、干扰和噪声的影响。该算法在导向矢量存在误差、采样快拍数较少和高信噪比情况下,都可使波束具有更低的旁瓣和更加准确的主瓣指向,同时对干扰能进行较好的抑制,仿真结果证实了方法的有效性。     

基于子空间的对角加载水平估计

Capon波束形成器通常利用对角加载方法来提高稳健性能。然而,对角加载方法的主要缺陷是不容易可靠地获得对角加载水平,从而影响加载效果。由子空间正交理论,噪声与信号子空间相垂直,因此当加载后的导向矢量与真实导向矢量重合时,加载后的导向矢量与噪声子空间垂直。基于这样的特性建立了一个代价函数。分析表明,这个代价函数为一凸问题,通过凸优化软件求解可以很容易地获得合适的加载水平,且与不确定集的参数值无关。仿真结果表明,利用该文获得的加载水平,Capon波束形成器能够有效地提高其稳健性能。     

一种GTD模型参数估计的新方法

本文将能够精确描述高频电磁散射的几何绕射(GTD)模型取代传统的多重信号分类(MUSIC)算法所采用的指数和模型,并对MUSIC算法做了相应改进.提出利用特征分析方法的信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型,取得了较好的效果.本文针对各种空间平滑预处理方法对噪声子空间与信号正交特性的影响进行了仿真,指出空间平滑预处理方法会影响噪声子空间及信号子空间结构,进而影响散射中心类型的估计,所以应对散射中心类型的最终结果进行修正.     

几种DOA估计算法的性能分析

在其他条件相同的情况下比较了Bartlett，Capon和Music算法的性能。Bartlett算法使波束形成的输出功率相对于某个输入信号为最大；Capon算法使噪声以及来自非信源方向的任何干扰所贡献的功率为最小，但又能保持信源方向上信号功率不变；Mustc算法是一种超分辨的方法，属于特征结构的子空间方法，因而有较高的分辨率。仿真结果征明了在其他条件相同的情况下，Music算法的性能量化。     

一种低副瓣稳健自适应波束算法

本文提出一种新型低副瓣自适应波束形成算法,解决了传统自适应波束形成器在干扰和高信噪环境下算法性能急剧下降的问题,并降低了快拍数对算法稳健性的影响。该算法基于标准Capon波束形成器,利用消除空域噪声的方法提高期望矢量的重估精度,并结合功率估计算法重构出干扰噪声协方差矩阵;然后使用特征干扰相消算法二次重构噪声协方差矩阵得到最优权值,增强算法在低样拍下的稳定性;最后对最优权值进行切比雪夫加权和二次约束实现了零陷加宽。仿真实验结果表明：新算法计算量小,旁瓣电平低,降低了在干扰运动和导向矢量失配时快拍数和信噪比对性能的影响。     

改进的基于信号子空间的多通道语音增强算法

通过同时对角化麦克风阵列接收信号中语音信号和噪声信号的全局协方差矩阵,本文改进了一种基于信号子空间分解的多通道语音增强算法.该算法不依赖任何信号模型且无需对噪声信号的统计特性进行任何先验假定,它弥补了原始算法只限于白噪声背景下语音增强的不足,实现了色噪声背景下语音信号的最优估计.仿真结果表明本文算法在主观和客观测试中都具有良好的语音增强效果.     

频谱分析技术在层析SAR森林垂直结构信息提取中的应用性能分析

为了分析频谱分析在不同应用场景的信号提取能力,分别应用数值模拟与真实林区的多基线InSAR数据分析五种频谱分析方法的提取效果.数值模拟实验表明,Capon方法受信噪比影响较小;在TSAR林区实验中,Capon方法提取森林垂直结构信息效果最优,NSF方法提取冠层高度及地表信息效果最优.     

基于编码发射与自适应波束形成的超声成像

与传统的延时叠加(DAS)波束形成的成像方法相比,Capon算法可以有效地提高医学超声成像的横向分辨率,但不能提高成像的对比度。该文提出一种新的成像方法Chirp_Capon算法,即将超声编码发射技术与Capon算法相结合,利用编码信号优异的相关特性来弥补Capon算法在对比度上的不足,从而得到了较好的成像结果。仿真结果表明相对于Capon算法,该算法不仅具有较高横向分辨率,而且可以有效提高图像的对比度和信噪比。     

基于最大非圆率信号的改进SWEDE算法

SWEDE(Subspace method Without Eigen DEcomposition)算法是一种不需要协方差阵分解的波达方向估计算法。该方法能降低传统超分辨算法的计算量和复杂度,但也同时降低了均匀线性阵的可测最大信号数。本文基于非圆信号具有椭圆协方差矩阵不为零的特征,并结合SWEDE算法的基本思想,提出了一种改进SWEDE算法:NC-SWEDE算法。该算法利用最大非圆率信号的增维数据模型,相当于将线性阵的可利用阵元数加倍,因而提高了SWEDE算法可测的最大信源数,并提高了算法的分辨力和估计精度。由于引入了非圆信号的相位参数,该算法需要进行二维谱峰搜索,本文采用求极值方法达到了降维的目的。本文分别进行了NC-SWEDE算法最大可分辨信号数、不同 矩阵取法下的算法性能及与传统SWEDE算法性能比较的仿真实验,结果验证了该算法的优越性。