基于遗传算法的部分自适应波束形成方法

将一种改进的遗传算法用于星载平面阵列天线方向图的实时综合。为了使遗传算法适合实时应用,在唯相自适应阵列的基础上进一步采用了部分阵元和部分比特的自适应波束形成,以降低算法计算量,提高其收敛速度。对基于改进遗传算法的唯相阵列部分阵元自适应波束形成和部分比特自适应波束形成进行了研究。模拟实验结果表明,两种方案都能够在波束“凝视”方向满足一定增益的前提下有效抑制来自旁瓣的强干扰,而且具有比传统唯相算法更快的收敛速度。     

基于LMS算法的波束形成天线通道幅相校正

本文针对波束形成天线通道幅相校正问题,提出了一种基于LMS算法的校正方法并利用matlab进行仿真验证。从仿真结果看出当自适应滤波器的权系数收敛后,该方法具有较好的幅相校正效果。     

误差条件下基于协方差矩阵重构的自适应波束形成

针对有幅相误差的互质阵列,提出了一种基于协方差矩阵重构的鲁棒自适应波束形成方法。该方法的主要思想是重构信号的协方差矩阵。如果幅相误差存在且无法被忽视,协方差矩阵重构的精度会受到幅相误差的影响。为了消除幅相误差的影响,准确地重构信号的协方差矩阵,提出了一种基于最小二乘(TLS)的方法。首先,建立了含有幅相误差的协方差矩阵重构的基本模型。然后,将问题转化为变量误差(EIV)模型。再将幅相误差的校准转换为与幅相误差相关的误差矩阵的估计,再利用估计结果得到信号协方差矩阵的有效估计。为了解决误差矩阵估计问题,提出了一种交替下降算法。仿真结果表明,即使在存在幅相误差的情况下,该方法仍能提高协方差矩阵的重建精度,并且自适应波束的性能优于现有算法。     

基于遗传算法的部分比特自适应波束形成

介绍了基于遗传算法的部分比特自适应波束形成方法，该方法可实现星载面天线阵方向图的实时综合。模拟实验结果表明，算法都能够在波束“凝视”方向满足指定增益的前提下对抗来自副瓣的强干扰。而且具有比唯相算法更快的收敛速度。本文的方法可用于任意平面阵列，其结果对工程和理论研究都具有重要意义。     

基于遗传算法的智能天线波束形成

为降低智能天线方向图旁瓣电平,加深干扰方向零点深度,提出一种改进的实数编码遗传算法。该算法基于人类的繁殖现象,改进了标准遗传算法的交叉算子,从而克服了标准遗传算法收敛速度慢,易陷入局部最优等问题,提高了优化效率。在仿真实验中,以均匀直线阵为例,用改进的遗传算法对阵元激励的幅度进行优化,形成的方向图获得了更好的结果。     

相控阵天线的通道误差对数字波束形成的影响

为了研究相控阵天线的通道误差对数字波束形成的影响,首先对通道误差进行了建模,并推导得出通道间幅度误差对波束指向的影响不大,但会使波束方向图的主瓣增益降低,旁瓣电平升高;相位误差不仅会使波束主瓣增益降低,旁瓣电平抬高,还会引起波束指向偏差,最后用Matlab对此结论进行了仿真验证。     

基于波束形成天线抗干扰接收机的测试研究

卫星导航接收机接收到的卫星信号十分微弱,同时面临着复杂电磁环境的干扰,因而抗干扰问题成为研究的热点。目前有很多种抗干扰技术及算法仅局限于理论研究和数字仿真,无法在实际干扰环境下测试抗干扰接收机的抗干扰性能。本文在研究波束形成天线抗干扰算法的基础上,基于微波暗室环境下建立抗干扰接收机的半物理仿真环境,实现卫星信号多天线输出、复杂干扰环境的模拟,对四波束、八波束天线抗干扰接收机进行了仿真测试,结果表明波束形成天线抗干扰接收机在输入干信比相同的情况下,波束数目越多抗干扰接收机性能越好。     

立体阵卫星导航抗干扰波束形成算法性能对比研究

卫星导航系统采用扩频通信体制．传播到地面的卫星导航信号淹没在热噪声中．导航接收机极易受到有意或无意射频信号干扰。抗干扰是导航领域的研究热点。本文设计了三维立体阵结构,并对其应用多种波束形成算法进行波束形成抗干扰性能仿真对比。立体阵实现了全空域来波方向的二维辨识．MVDR波束形成算法实现了有效卫星信号的高增益接收、干扰信号的零陷抑制。     

步进频信号波束形成指向偏差与通道误差影响分析

步进频信号波束形成时存在着波束指向偏差和通道间幅相误差,并且对各个步进频脉冲是不同的,即对各步进频脉冲进行了不同的幅相调制。文中首先从理论上分析了这种调制对距离高分辨处理的影响,指出波束指向偏差会使目标距离像发生偏移,但是偏移量很小,通常可以忽略,而通道误差的影响主要是抬高了距离高分辨处理的副瓣电平。然后,对波束指向偏差和通道误差的影响进行了仿真,验证了上述结论。     

一种基于遗传算法的波束设计方法

提出了基于遗传算法优化思想的波束设计方法,借助计算机对二十元阵进行波束优化设计。结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级,充分说明了方法的可行性和有效性,为多元任意阵的波束设计提供了有益参考。     

一种基于中心矩的波束形成算法

高分辨水下目标探测一直是水声信号处理中的重要课题之一.然而许多高分辨算法如MUSIC,ESPRIT需要对信源数进行预估,估计的精确度对算法性能影响很大,制约了算法的实用性.本文提出了一种新的高分辨方位估计算法,中心矩波束形成算法.该方法利用了加权基元信号的各阶中心矩,无需先验信息.本文详细论述了中心矩波束形成算法的原理,对比其他算法指出了该算法性能上的优势.计算机仿真实验表明：中心矩波束形成算法拥有良好的分辨率和旁瓣级,与理论分析的结论一致.     

基于粒子群算法的阵列天线波束赋形研究

波束赋形可以得到雷达系统所希望的理想辐射波束,然而传统分析方法存在理论分析繁琐、计算量较大的缺点,不利于在实际的工程应用中得到推广和使用。文章提出了一种基于粒子群算法对波束赋形的研究方法,具有代码简单、计算快速准确等优势。根据直线阵列的基本理论建立基本模型及方向图波瓣评估函数,最后得出两个案例的分析结果。计算结果验证了该方法的可行性和高效性,利于在实际工程中得到应用。     

模式空间矩阵重构波束形成算法研究

该文提出了一种均匀圆阵相干波束形成方法,这里称为模式空间矩阵重构(MODE-TOEP)波束形成算法。该算法在对均匀圆形阵列(UCA)的输出信号进行模式空间转换的此基础上,重新构一个特殊的Toeplitz矩阵,然后进行基于特征空间的波束形成,可以有效地抑制相干干扰。与模式空间平滑ESB算法相比,MODE-TOEP波束形成算法运算量小而且干扰抑制性能更好。计算机仿真表明MODE-TOEP波束形成算法的有效性和优越性。     

基于遗传算法的圆形天线阵波束成形算法

将基于GA(遗传算法)的波束成形算法应用于二维圆形天线阵,研究了算法在解决抑制多个窄角度强干扰问题时的性能;同时提出了一种改进的二进制编码方法,该方法引入了若干参数用以方便地控制解的精度和搜索空间。仿真结果表明,算法可以使得天线阵在主波束对准有用信号的同时,有效地抑制多个强干扰。文中建立的模型适用于卫星通信抗空间恶意干扰问题。     

基于小波变换的RLS波束成形算法研究

为了解决递归最小二乘算法(RLS)在较低信噪比(SNR)、遗忘因子较小的环境中,对噪声敏感、收敛时参数估计误差大的问题,引入小波变换去噪思想,提出了基于小波变换的RLS波束成形算法。该算法利用小波变换软阈值法进行信号去噪,再采用RLS算法进行波束成形。最后对实验进行仿真,仿真结果表明,与传统的RLS算法相比,该算法具有较小的稳态误差和较快的跟踪速度和收敛速度,并且波束成形效果好。     

被动声呐盲分离自适应-自适应波束形成算法研究

基于自适应-自适应方法在大规模被动声呐阵列降维处理上的应用需求,该文提出一种基于盲分离的自适应-自适应波束形成降维算法。该算法将独立成分分析方法与自适应-自适应降维方法有机结合,通过独立成分分析在不预知干扰来向的条件下自适应地估计干扰源的导向矢量,并进一步采用自适应-自适应方法对阵列信号进行波束空间降维,最后采用稳健自适应方法进行波束形成处理。仿真实验验证了该算法能够有效降低大规模阵列自适应处理的计算量,其波束形成效果以及对误差的稳健性与全阵自适应方法相近。     

基于高阶累积量的LCMV波束形成算法

基于高阶累积量的线性约束最小方差（LCMV）波束形成算法具有自动抑制高斯白噪声及任意高斯色噪声的能力,而且能够实现最优阵列扩展,达到扩展阵列有效孔径的目的。仿真结果表明该算法与传统的 LCMV波束形成算法相比可以有效地减少主瓣宽度、降低旁瓣电平及增加零陷深度。     

基于波束形成的长短时记忆网络语音分离算法研究

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。     

基于稀疏时频分解的盲波束形成算法

针对现有盲波束形成算法通用性差,所需采样数据量大等问题,该文提出一种基于稀疏时频分解的盲波束形成算法。算法首先将传统的短时傅里叶变换转化为稀疏重构问题,利用交替分裂Bregman算法进行迭代求解。然后利用对各阵元的接收信号进行稀疏时频分解的结果,结合聚类和不确定集方法,实现导向矢量的最优估计。最后利用MVDR算法获得最优权矢量。该算法无需利用信号统计特性,实现了高效的盲波束形成。仿真实验结果表明,该算法所需数据量小,迭代步骤易于工程实现,较现有盲波束形成算法输出性能更优,适用范围更广。     

基于压缩感知的自适应数字波束形成算法

该文根据目标在空间的稀疏性,提出了接收端的基于压缩感知理论的自适应数字波束形成算法。在阵元稀布的情况下,用压缩感知的压缩采样理论,恢复出缺失通道的回波信息,然后用恢复的信号做数字波束形成。该算法所形成的波束具有波束旁瓣低,指向误差小,干扰方向零陷深,而且没有栅瓣等优点,波束性能接近满阵时候的波束性能,而且使用该方法减少的阵元数远远大于其他稀布阵方法减少的阵元数。采用蒙特卡罗方法对该方法进行了性能评估,给出了不同信噪比、不同干噪比、不同快拍情况下的计算结果,仿真结果也验证了该算法的正确性。