一种稳健恒定束宽宽波束形成算法

传统宽带波束形成算法在导向矢量失配时输出性能下降,为解决该问题,文章提出一种稳健恒定束宽波束形成算法。该算法首先构造与快拍数相关的对角加载函数;其次,基于空域积分思想,结合入射信号的方向误差范围估计期望信号的实际入射方向,并结合构造的对角加载系数生成优化波束加权系数;最后,联合优化后的波束权值与FIR滤波器系数完成宽带波束响应的全局优化设计。经仿真实验验证,相比于传统分布设计法的时域宽带波束形成,文中方法可以得到较理想的恒定宽带主瓣响应和较低的旁瓣电平,同时在期望信号导向矢量失配情况下,仍有较好的输出信干噪比。     

基于最坏情况性能优化的稳健自适应宽带波束形成

针对期望信号导向矢量失配会导致自适应波束形成算法的性能急剧下降这一问题,提出了一种新的基于最坏情况性能优化的稳健自适应宽带波束形成方法。该方法通过将实际期望信号的导向矢量约束于不确定集合中,来提高算法的稳健性;同时增加阵列空间响应偏差的二次型约束,可避免引起信号有较大失真。计算机仿真结果表明:该方法不仅能够抑制导向矢量偏差所带来的影响,有效控制波束主瓣区域内信号的畸变和旁瓣区域电平,还改善了阵列输出的信干噪比,使其更接近最优值。     

反卷积波束形成在主瓣干扰抑制中的应用

干扰抑制可分为旁瓣干扰抑制和主瓣干扰抑制两种。传统的自适应波束形成算法在旁瓣干扰抑制中具有良好的抗干扰性能,但在主瓣干扰抑制中基本失效。针对主瓣存在强干扰的情况,提出一种结合零点约束的反卷积波束形成算法。该方法首先通过反卷积算法获取准确的强干扰方位,然后在干扰方位附近设置零点约束,计算零点约束下的波束输出响应;最后基于Lucy-Richardson迭代实现反卷积处理,对弱目标方位进行估计。仿真结果表明,该算法可对位于主瓣内的干扰进行有效抑制并对弱目标进行方位估计,同时对阵列误差具有较好的鲁棒性。     

GSC框架下的最小均方超声波束形成算法

针对传统超声信号幅度变迹方法中主瓣宽度较宽、空间分辨率较低的问题,提出了一种基于广义旁瓣相消器框架下的最小均方超声波束形成算法。该方法基于期望信号最小方差无失真准则,构造广义旁瓣相消器,将接收到的超声信号分解为自适应与非自适应上下两个部分:上支路保留期望信号与噪声信号,且期望信号无失真响应约束得到保证;下支路阻塞期望信号,只含有噪声。将两路信号进行维纳滤波,上下支路噪声得到抵消,期望信号被无失真输出。为了使该算法在硬件上易于实现,采用最小均方算法自适应迭代求取,并给出了FPGA的详细设计过程。仿真实验表明,采用该算法加权的得到的波束与传统幅度变迹方法相比,主瓣更窄,具有抑制干扰和噪声的能力,提高了超声成像的横向分辨率与对比度分辨率。     

基于稀疏约束和SRV约束的宽带自适应波束形成

针对传统的宽带MVDR自适应波束形成中,抑制干扰的同时会抬高旁瓣电平,且过多的线性约束会导致波束输出的SINR性能下降的问题,提出了一种基于SRV约束和稀疏约束的低旁瓣、高增益宽带自适应波束形成方法.该方法在窄带MVDR自适应波束形成基础上,通过增加波束图稀疏约束来降低波束的旁瓣电平,同时利用空间响应偏差(SRV)约束将窄带算法推广到宽带MVDR 自适应波束形成中,极大地降低了算法的复杂度,改善了波束输出的SINR 性能.与传统方法相比,该方法在降低宽带波束的旁瓣电平的同时,还具有良好的干扰抑制效果.数值仿真实验验证了该方法的有效性.     

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。      

基于Olen-Compton的恒定响应宽带波束形成算法

针对宽带信号的波束形成问题,利用Olen和Compton的自适应窄带波束优化设计方法的原理,提出了基于Olen-Compton的恒定响应宽带波束形成算法。该算法利用DFT将宽带信号划分为若干窄带信号,通过在各个窄带信号的主瓣和旁瓣同时增加虚拟干扰,来调节窄带波束,使得当前波束与参考波束整体近似相等,达到恒定束宽的目的。计算机仿真实验结果表明,该算法实现了宽带信号的恒定束宽,达到了宽带波束形成的目的。     

宽带相控阵子阵划分及自适应干扰对消技术

针对宽带相控阵雷达中的关键技术如子阵划分、数字波束形成以及宽带自适应干扰对消等展开研究,给出了宽带阵列划分的准则和方法并以线性调频信号为例提出了一种数字波束形成方法和宽带自适应干扰对消算法。该方法应用数字时变相位补偿方法代替传统的时间延时单元形成主波束,降低了系统的复杂度并提高了波束形成的性能。基于拉伸处理的宽带自适应干扰对消算法对宽带旁瓣干扰和主瓣干扰都有较好的抑制作用,在强的宽带干扰下仍然可以很好地对目标进行高分辨成像。     

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。      

改进的宽带阵元延迟线恒定束宽波束形成算法

针对时域宽带恒定束宽波束形成计算复杂度高、硬件实现复杂等问题,提出基于离散空间响应变化(SRV)约束的宽带阵元延迟线(SDL)恒定束宽波束形成算法。该算法首先建立SDL宽带阵列模型,然后分别在有无强干扰的情况下,采用约束优化的方式,在保证期望来向增益趋于单位响应的同时,对期望方向逼近精度、旁瓣增益、主瓣宽度、SRV等进行约束,使得可能的最大旁瓣均值最小,最后将其转化为二阶锥规划问题,并利用内点法进行求解。实验表明,该算法的频率不变性较好,收敛速度较快,计算复杂度较低。      

调零线性约束下的稳健自适应单脉冲合成

单脉冲测角是一种计算简单、稳健性好的高精度测角方法。当存在旁瓣干扰时,结合自适应波束合成的自适应单脉冲算法能很好地抑制干扰同时保持测角精度,但当干扰进入主瓣时,传统的单脉冲测角会出现单脉冲比失真的问题,从而导致测角误差较大。为了克服主瓣干扰条件下的单脉冲比失真问题,提出一种调零线性约束的差波束自适应合成方法,抑制主、旁瓣干扰同时保持单脉冲比曲线。仿真验证了算法的有效性,并与三点线性约束算法的性能进行比较。     

基于特征值斜投影的主瓣干扰抑制方法

主瓣干扰将导致传统自适应波束形成算法的主瓣畸变、峰值偏移、旁瓣电平抬升,致使相控阵系统抗干扰性能严重恶化.另外,当接收快拍中存在目标信号时,会导致自适应波束形成在目标信号方向生成零陷,降低接收目标信号增益.针对这些问题,本文提出一种基于特征值斜投影的主瓣干扰抑制方法.首先通过构建特征值斜投影预处理矩阵滤除主瓣干扰,然后...     

一种稳健的稀疏Capon波束形成算法

常规Capon波束形成算法具有相对较高的旁瓣增益,且在期望信号导向矢量存在失配时,阵列输出性能下降甚至失效。为解决这一问题,引入了稀疏约束Capon波束形成算法,该算法降低了旁瓣,对期望信号来向不确定具有一定稳健性,但在幅相误差、期望信号指向偏差等多种误差同时存在的情况下其性能下降。本文在稀疏约束Capon波束形成算法基础上,给出了一种稳健的稀疏Capon波束形成算法。该算法主要是在最差性能最优化的情况下,在稀疏Capon上增加了一个导向矢量存在偏差的约束条件。通过计算机仿真,验证了新算法在多种误差环境下的有效性与优越性。     

基于特征子空间的强主瓣干扰抑制方法

当空间中存在大功率主瓣干扰时,传统特征投影类干扰抑制方法存在主瓣峰值偏移、 旁瓣内干扰零陷变浅等问题.针对上述问题,本文提出一种新的基于特征子空间的主瓣干扰抑制方法.首先根据赤池信息准则(AIC)与相关性判别分离主、旁瓣干扰的特征矢量;其次利用特征投影预处理抑制主瓣干扰分量;最后定义新的权矢量赋形方式,在主瓣子空间约束...     

宽带恒定束宽盲波束形成算法

针对传统盲源分离算法对宽带阵列信号适用性较差的问题,提出一种基于时频分析的宽带恒定束宽盲波束形成算法。该算法首先将接收信号变换到时频域上并提取出单源点。然后,对单源点聚类并求解信号在不同频点上的导向矢量。最后,通过提出一种信号来向未知的空间响应变化约束方法,实现宽带恒定束宽盲波束形成。该算法避免了将宽带盲波束形成转换为卷积混合的盲源分离,因而不存在时域盲源分离算法中系统参数随滤波器阶数急剧增加的问题,也不存在频域算法中排序和幅度模糊的问题。仿真结果表明,算法能够较好地实现宽带信号的盲分离,且输出信干噪比高于时域、频域以及时频域盲源分离算法,实测数据的处理结果验证了该算法的实用性。      

Modified null broadening adaptive beamforming: constrained optimisation approach

A constrained optimisation approach for null broadening adaptive beamforming is proposed. This approach improves the robustness of the traditional MVDR beamformer by broadening nulls for interference direction and the mainlobe for the desired direction. This optimisation is efficiently solved by semidefinite programming. The proposed approach, when applied to high altitude platform communications using a vertical linear antenna array, provides significantly better coverage performance than a previously reported null broadening technique     

基于可变对角载入的鲁棒自适应波束形成算法

针对传统算法对方向向量偏差敏感的缺点,提出了一种基于可变对角载入的鲁棒自适应波束形成算法.为了提高算法的鲁棒性,采用非线性约束条件下的最优化阵列输出功率对信号方向向量进行优化求解,且优化解中的参量能够准确求出.为了减少计算量,采用递推算法求逆矩阵并利用泰勒级数展开,推导出基于可变对角载入的权重向量公式.该算法可有效地抑制方向向量偏差所带来的影响,降低了计算量易于实时实现,提高了系统的鲁棒性,改善了阵列输出的信干噪比,使其更接近最优值.仿真结果表明,该算法相对传统算法可以获得更好的性能.     

面向二元麦克风小阵列改进的广义旁瓣抵消器语音增强算法

二元麦克风小阵列在手机、助听器等受空间、成本以及运算能力限制的设备中被广泛研究用以提高目标语音质量。二元麦克风小阵列中语音增强算法主要包括波束形成方法以及相干性滤波器方法。波束形成方法的思想是利用目标声源相对阵列的位置关系获取相应的时域和空域信息,可以保留目标声源方向的信号而抑制其他方向的干扰信号;相干性滤波器方法则通过阵元间不同信号的相关性进行噪音抑制。考虑这两种类型方法的优点,本文提出一种面向二元麦克风小阵列改进的广义旁瓣抵消器语音增强算法,通过在广义旁瓣抵消器的固定波束形成支路上使用相干性滤波器,提高固定波束形成输出信号的信噪比,然后在广义旁瓣抵消器自适应支路利用阵列的时域和空域信息对固定波束形成支路输出的信号中残余噪音进行估计,进而获得增强后目标输出信号。仿真和实际试验表明,本文提出的算法明显优于单独使用小阵列波束形成算法和相干性滤波器算法。      

Robust Adaptive Beamforming Under Quadratic Constraint with Recursive Method Implementation

When adaptive arrays are applied to practical problems, the performances of the conventional adaptive beamforming algorithms are known to degrade substantially in the presence of even slight mismatches between the actual and presumed array responses to the desired signal. Similar types of performance degradation can occur because of data nonstationarity and small training sample size, when the signal steering vector is known exactly. In this paper, to account for mismatches, we propose robust adaptive beamforming algorithm for implementing a quadratic inequality constraint with recursive method updating, which is based on explicit modeling of uncertainties in the desired signal array response and data covariance matrix. We show that the proposed algorithm belongs to the class of diagonal loading approaches, but diagonal loading terms can be precisely calculated based on the given level of uncertainties in the signal array response and data covariance matrix. The variable diagonal loading term is added at each recursive step, which leads to a simpler closed-form algorithm. Our proposed robust recursive algorithm improves the overall robustness against the signal steering vector mismatches and small training sample size, enhances the array system performance under random perturbations in sensor parameters and makes the mean output array SINR consistently close to the optimal one. Moreover, the proposed robust adaptive beamforming can be efficiently computed at a low complexity cost compared with the conventional adaptive beamforming algorithms. Computer simulation results demonstrate excellent performance of our proposed algorithm as compared with the existing adaptive beamforming algorithms.