一种虚拟波束形成自适应加权空间平滑算法

该文提出了一种用于自适应阵列的自适应加权空间平滑算法。通过构造虚拟自适应波束形成问题求取用于子阵协方差矩阵加权的加权向量,然后进行加权空间平滑自适应波束形成。理论分析与仿真结果表明,新算法能更有效地降低期望信号和干扰之间的相关性,使得用于空间平滑的子阵数减少,以降低阵列孔径损失。     

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EPUMA的相干干扰零陷加深算法研究

麦克风阵列信号处理中,自适应波束形成技术能够实现空域上的滤波,增强期望方向的有效信号同时抑制干扰源方向信号。但在相干干扰功率较大的环境下,许多传统算法的估计精度和性能会受到很大影响甚至失效。对此,提出一种基于增强型主奇异向量模态分析(EPUMA)重构优化协方差矩阵进行自适应处理的方法。该方法首先对信号协方差矩阵进行特征值分解,然后利用加权最小二乘计算线性预测系数,最后通过代价函数估计出期望的空间谱。仿真结果显示,该方法可以有效减少功率较大的相干干扰对自适应波束形成的影响,提高了阵列接收信号的信噪比。     

基于直接数据域方法的自适应多波束形成算法

提出一种基于直接数据域最小二乘方法的自适应多波束形成算法,包括前向计算、后向计算和前一后向计算.利用天线阵元输出复电压的单快拍数据构建矩阵方程,采用共轭梯度法求解得到阵列的自适应权值向量,从而在所有期望信号方向形成接收波束,同时在各干扰方向形成深零陷,使信干噪比显著提高.由于只需对单快拍数据进行处理,并且避免了样本协方差矩阵的构造及矩阵求逆运算,故计算复杂度较传统算法低.仿真结果表明,算法具有良好的期望信号恢复和干扰置零性能.因此,可适用于卫星通信和移动通信等领域的实时性处理.     

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.     

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.     

一种运动干扰稳健滤波方法

传统的阵列干扰抑制算法假设天线阵列与干扰之间相对静止,完成干扰抑制,当阵列与干扰之间存在相对运动时,存在协方差矩阵估计快拍数不足的问题,从而导致阵列滤波性能下降。针对上述运动干扰稳健滤波问题,提出了一种算法对现有零陷展宽技术抗运动干扰方法进行改进。一方面,将零陷展宽技术与导数约束方法相结合,用得到的新协方差矩阵求自适应权值;另一方面,为了提高自适应波束形成对噪声和误差的稳健性,引入了对角加载技术,加载量通过寻找协方差矩阵的特征值曲线拐点得到,有效避免了加载量过大导致的干扰信号被淹没以及加载量过小导致噪声分量引起性能损失的问题。该算法对零陷展宽系数选取依赖性较低,且对角加载量不需要设置固定的经验值,有利于稳健运动干扰滤波,适用于实际工程中先验信息不足条件下的自适应阵列抗运动干扰情况。     

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。     

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。     

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。     

一种DOA估计的快速子空间算法

MUSIC算法是一种属于特征结构的子空间超分辨方法，该算法性能优良，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

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.     

高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向( DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2 D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

基于粒子群优化的数字波束形成算法

波束形成的加权系数求解是一个优化过程,现有算法大多经过多次迭代,计算量大,实现复杂。为降低波束形成算法复杂度,将粒子群优化原理应用于数字波束形成中,提出了基于粒子群优化的自适应数字波束形成算法。该算法将每一组权值作为一个粒子,将阵列加权和的输出信号与干扰噪声比(SINR)作为适应度函数,通过比较各个粒子的适应度值,进行迭代搜索得到最优解。该算法可使天线阵在主波束对准有用信号,同时能有效抑制两个以上的干扰,且对阵列通道误差有较好的稳健性。计算机仿真验证了算法的有效性。     

一种快速的特征空间自适应波束形成算法

特征空间自适应波束形成（EBAB）算法的权向量是线性约束最小方差（LCMV）波束形成器的权向量在信号干扰子空间上的投影,因此需要计算量巨大的特征分解。基于信号干扰子空间投影矩阵可利用阵列协方差矩阵进行高精度的有理近似的思想,提出一种快速计算自适应权向量的算法。理论分析和计算机仿真表明,在信号干扰子空间维数已知时,该算法的性能同EBAB算法一致,同时该算法对子空间维数过估计不敏感。     

迭代自适应收缩加权融合的波束形成方法

自适应数字波束形成是通过对阵列接收数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵的依赖性较大。针对小样本条件下采样协方差矩阵求逆算法性能下降问题,提出迭代自适应加权融合样本协方差矩阵与先验协方差矩阵的波束形成算法。在估计协方差矩阵时,依据最小均方误差准则计算加权系数,并采用迭代自适应的方式更新先验协方差矩阵。仿真结果表明,所提方法能显著提高小样本条件下的协方差矩阵估计精度,能获得更大的输出信干噪比。      

几种鲁棒自适应波束形成算法的对比

自适应波束形成器可以根据接收信号自适应地调整权矢量,增强期望信号,并有效抑制干扰。在实际环境中,由于波达角估计、阵列校准等误差因素的存在,导致传统自适应波束形成算法性能严重下降,因此,如何提高自适应波束形成算法的鲁棒性是一个重要的研究问题。本文对鲁棒自适应波束形成算法进行研究,对算法进行仿真、分析和比较,总结出各算法的性能优缺点,最后对鲁棒自适应波束形成算法的发展趋势提出自己的几点见解及展望。     

用于信号波达方向估计的共轭ESPRIT算法及其性能分析

针对阵列天线的波达方向估计问题,给出了一种新颖的ESPRIT算法--共轭ESPRIT算法(C-ESPRIT).此算法利用阵列单元输出信号的共轭信息,得到整个阵列输出的协方差矩阵,通过对此矩阵的特征分解,并构造运算矩阵,最终求得信号的波达方向.仿真实验表明,C-ESPRIT算法不仅克服了传统ESPRIT算法在阵列单元数与信源数相同时不能可靠测向的不足,并且对信号波达方向的分辨能力和测角精度也显著高于传统的ESPRIT算法,因此,C-ESPRIT算法具有更广泛的适应性和更优越的测向性能.