改进的双约束稳健Capon波束形成算法

传统双约束稳健Capon波束形成算法采用牛顿迭代法求解最优加载量,存在计算精度低且运算量大的问题。该文提出一种改进的双约束稳健Capon波束形成(DCRCB)算法,该算法对信号协方差矩阵进行重构,基于期望信号导向矢量在噪声子空间的投影最优,将重构后的干扰加噪声协方差矩阵投影到噪声子空间,得到基于噪声子空间的双约束算法模型。该算法中通过模约束的辅助约束作用,将改进的双约束算法模型转化为单约束问题,最终解得最优对角加载量的解析表达式。仿真结果表明改进算法能通过调整主瓣宽度优化波束旁瓣,有效提高了抗矢量偏差的鲁棒性,同时降低了运算量。     

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。     

基于二阶锥规划的相干信号深零陷自适应波束形成

针对常规自适应波束形成算法在强相干干扰情况下零陷深度不够、甚至干扰抑制失效的问题,提出了一种基于二阶锥规划的相干信号深零陷自适应波束形成算法。该算法首先对接收数据协方差矩阵进行Toeplitz重构,使其包含信号和干扰的所有方位信息。然后重构了干扰加噪声协方差矩阵。接着在保证期望方向波束无失真前提下,约束主瓣宽度和旁瓣电平,使得波束形成器干扰和噪声的输出功率最小。最后将该问题转化为凸优化中的二阶锥规划问题,并使用凸优化工具箱进行快速求解。仿真结果验证了该算法的有效性。     

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。     

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。     

基于协方差矩阵双层重构的稳健自适应单脉冲测角

常规自适应单脉冲方法在主瓣干扰下会引起自适应波束形成性能恶化并导致其单脉冲比曲线严重失真,影响被动雷达的测角精度与跟踪性能。针对此问题,提出了一种适用于平面阵的基于协方差矩阵双层重构的稳健自适应单脉冲测角方法。首先,利用Capon功率谱通过稀疏重构法初步估计出干扰加噪声协方差矩阵,通过干扰导向矢量估计完成对协方差矩阵的优化校正以提高自适应波束形成性能;然后,基于线性约束最小方差（Linearly Constrained Minimum Variance,LCMV）准则对方位角和俯仰角进行联合线性约束以避免单脉冲比曲线在主瓣干扰下严重失真;最后,根据自适应单脉冲比值求出目标与波束指向之间的偏转角以实现目标测角。与常规方法相比,所提方法在干扰抑制能力与测角精度上都有显著提升。     

接收多径相干信号的鲁棒自适应波束形成算法

为有效接收多径相干信号,该文提出一种基于波束主瓣幅度约束的鲁棒自适应波束形成算法。该算法充分利用多径相干信号的来波信息,对接收数据协方差矩阵统计量进行优化,并对多径相干信号波束主瓣进行幅度约束,通过一阶泰勒展开将多径相干信号的优化问题转换为迭代二阶锥规划问题,获得最佳波束形成权矢量。该算法不仅能够有效接收多径相干信号,抑制干扰和噪声,而且能够克服较大导向矢量失配误差,自由控制鲁棒响应区的波束宽度和纹波水平。仿真实验验证了算法的正确性和有效性。      

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。     

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.     

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。     

Doubly constrained robust Capon beamformer

The standard Capon beamformer (SCB) is known to have better resolution and much better interference rejection capability than the standard data-independent beamformer when the array steering vector is accurately known. However, the major problem of the SCB is that it lacks robustness in the presence of array steering vector errors. In this paper, we will first provide a complete analysis of a norm constrained Capon beamforming (NCCB) approach, which uses a norm constraint on the weight vector to improve the robustness against array steering vector errors and noise. Our analysis of NCCB is thorough and sheds more light on the choice of the norm constraint than what was commonly known. We also provide a natural extension of the SCB, which has been obtained via covariance matrix fitting, to the case of uncertain steering vectors by enforcing a double constraint on the array steering vector, viz. a constant norm constraint and a spherical uncertainty set constraint, which we refer to as the doubly constrained robust Capon beamformer (DCRCB). NCCB and DCRCB can both be efficiently computed at a comparable cost with that of the SCB. Performance comparisons of NCCB, DCRCB, and several other adaptive beamformers via a number of numerical examples are also presented.     

超高斯加载的稳健自适应波束形成及性能分析

该文提出了一种超高斯加载的稳健自适应波束形成方法,解决由于导向矢量和样本方差矩阵失配误差所导致的波束形成器性能下降的问题,利用p-范数来对两种误差不确定性进行总体修正,克服了2-范数不能同时兼顾两者实现最优修正的缺点。采用遗传算法求得最优范数p,验证了在不同实验设置下,当使用最优范数时,都比2-范数约束具有更好的性能。超高斯加载方法把复杂的不确定性建模问题转化为范数p的寻优问题,从而获得比对角加载方法更优异的性能。     

唯相相控阵自适应赋形收发波束形成

在大型窄带自适应相控阵列中,由于实际阵列的非理想化及处理随机分布的干扰时的各种误差,导致控制方向错误,包括控制方向角度错误和载频波动引起的错误,急剧地降低了阵列的性能。本文为减小控制方向错误,考虑在主瓣幅度波形在主瓣方向的导数为零的约束下,按最大信干噪比原则自适应地波束形成,获得优化的唯相权值,采用优化方法中的罚函数法,并结合共轭梯度和拟牛顿法来计算优化的唯相数值权向量。模拟结果表明,在相控阵列的有效自由度下,这种方法能够有效的对抗干扰,同时保持阵列的主瓣波束的幅度波形。     

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。