基于导向矢量双层估计和协方差矩阵重构的稳健波束形成算法

针对干扰加噪声协方差矩阵(INCM)重构过程中Capon功率谱(CPS)估计分辨率低的问题,该文提出两种稳健自适应波束形成（RAB）算法。该算法首先通过搜索CPS的峰值确定积分区间,然后对各区间积分所得的协方差矩阵进行特征值分解。通过合理设置判定门限确定区间内所含的入射信源数量,并将较大特征值所对应的特征向量作为信源导向矢量(SV)的初步估计。而后通过最大化估计功率的方法,在初步估计SV的正交空间内搜索其与真实SV之间的误差。该算法1利用最小特征值所对应的特征向量,向初步估计的SV中添加正交比例梯度,得到双层估计的SV。与算法1不同,算法2通过求解2次优化(QP)问题得到修正的SV。最后通过重构INCM获得阵列最优权值矢量。通过计算机仿真实验,验证了所提算法有效解决了CPS估计分辨率低的问题,较其他算法综合性能更优,具备更高的稳健性。     

基于IAA的协方差矩阵重构稳健波束形成方法

针对小样本背景下,存在相干信号、相位及阵元位置误差,传统波束形成方法性能不佳的问题,提出了基于迭代自适应法(IAA)的协方差矩阵重构稳健波束形成方法。该方法利用IAA估计出精确的功率谱,并进一步利用IAA估计的功率重构干扰协方差矩阵。重构过程中,将积分区域缩小到三维立体环域,减少无用信息的影响,提高了干扰协方差矩阵的重构精确度。最后通过波束形成抑制干扰信号。由于IAA不依赖于信号的非相干假设,解决了相干信号存在下的方位估计和功率估计。仿真表明,所提出的方法在相干信号、少快拍、相位及阵元位置误差同时存在的情况下,相对于其他波束形成方法,具有最优的信干噪比(SINR)输出,表明该方法具有优良的抑制干扰性能。     

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.     

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。     

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。      

几种自适应波束形成方法的对比

波束形成在无线通信、雷达、声呐等阵列系统中具有广泛应用。数字波束形成通常是基于接收信号的阵列响应和协方差矩阵的估计设计。由于天线增益、相位、波达方向(Direction-of-Arrival,DOA)和协方差矩阵估计的误差会导致导向矢量(Steering Vector,SV)产生模型失配,而这种模型失配会导致波束形成性能的下降。针对以上问题,给出了基于精度矩阵收缩估计的方法,采用了线性脊估计结构且用数据驱动和留一交叉验证来选择参数。通过Matlab仿真,研究了当存在模型不确定性时,基于精度矩阵收缩估计的方法以及基于协方差矩阵收缩估计和干扰加噪声协方差矩阵重构等方法的鲁棒性。结果显示,当存在模型失配时,基于精度矩阵收缩的波束形成方法在低信噪比时具有更优的鲁棒性。     

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。     

一种改进的稳健自适应波束形成算法

当快拍数较小时,自适应波束形成算法的性能将会降低,而对角加载算法是提高这类自适应波束形成算法稳健性的简单而有效的方法,但是至今没有一种比较有效的方法来确定对角加载值。本文提出了一种确定加载值的方法,这种方法在加载值和协方差矩阵的估计误差之间建立联系,它能够根据阵列的输出数据动态的调整加载值。计算机仿真证实了该算法的有效性。     

一种稳健自适应多波束形成算法

在快拍数较少且多个输入期望信号功率差异较大的情况下,针对多数自适应多波束形成算法难以同时保持强弱期望信号波束稳健性的问题,文中联合子空间变换技术以及对角加载技术对协方差矩阵进行重构,提出了一种基于协方差矩阵重构的稳健自适应多波束形成算法。该算法不仅能够在快拍数较少且多个期望信号功率差异较大情况下同时保持各波束主波束无畸变,而且能够保持各波束零陷的稳健性。最后,通过波束图对比仿真实验分析验证了重构协方差矩阵对强弱期望信号波束主瓣与零陷稳健性的提升,并且通过输出信干噪比对比实验证明了文中提出的自适应多波束形成算法抗干扰性能更优。      

修正的干扰噪声自相关矩阵重构波束形成算法

为改善采样自相关矩阵求逆(SMI)算法中期望信号存在于接收信号所引起的性能下降,提出一种修正干扰噪声自相关矩阵重构(CMR)算法。该算法首先选取采样自相关矩阵特征分解的最小特征值对应的特征向量构造空间分布系数,再对其在非期望信号波达方向上进行累加实现矩阵的重构。当存在相干信号时,可采取先利用特征向量元素对协方差矩阵进行托普利兹化处理实现解相干,再进行矩阵重构的托普利兹矩阵重构(TCMR)算法。计算机仿真与实验结果证明适用于非相干信号条件下的CMR算法与适用于相干信号条件下的TCMR算法具有更好的输出性能。     

基于HOG特征协方差矩阵的动作识别算法

为了提高HOG在动作识别应用中的识别率,提出一种基于HOG特征协方差矩阵的动作识别算法。算法以HOG特征为样本计算协方差矩阵,再通过矩阵对数运算,将协方差矩阵从黎曼流形映射到线性空间;然后从协方差矩阵中提取描述子,基于不同的核函数使用支持向量机进行分类。在公开的三个数据库Weizmann,KTH和UCF Sports上分别进行实验,实验结果表明,文中提出的算法具有很好的识别性能。     

基于协方差矩阵特征分解的MIMO阵列多目标检测方法

正交波形MIMO雷达各阵元发射相互正交的信号波形,采用低增益的宽波束照射探测空域。利用信号和噪声特征值大小以及特征增量之间的差异,提出了MIMO阵列特征门限（ET）多目标检测方法（MIMO-EI）,并与常规阵列算法做比较,通过计算机仿真说明MIMO-ET方法双目标检测能力优于传统相控阵ET方法。     

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。     

Sparse spectrum fitting algorithm using signal covariance matrix reconstruction and weighted sparse constraint

Multidimensional Systems and Signal Processing - Although sparse spectrum fitting algorithm has good multi-target resolution, the performance is decreased under the influence of strong...     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

利用协方差矩阵检测CFA插值的相机来源鉴别方法

针对数字图像取证技术中的相机来源鉴别问题,利用相机成像过程中颜色滤波阵列(CFA)插值的线性模型,采用协方差矩阵对CFA插值系数进行统计估计,有效地降低了现有方法存在的估计误差,并以估计的CFA系数为特征,利用SFFS方法从240维特征中优化选择了36维组成特征向量,最后使用支持向量机作为分类器,对22种不同品牌不同型号的相机拍摄的图像进行了来源鉴别.实验表明,本文算法对数字图像的相机来源鉴别检测,其平均正确率达到了96.5%,优于现有的相机来源鉴别算法.     

Polarimetric optimisation based on the target covariance matrix

The covariance matrix optimisation method is considered in detail. It is shown that it provides a biased solution to the polarimetric optimisation problem. The method does not constrain the transmit/receive antenna vectors to be unitary and hence provides a polarisation dependent weighting to the Poincare sphere. A simple geometrical interpretation of the distortion in terms of the Deschamps parameters is provided.<>