一种简化特征空间稳健自适应波束形成算法*

在基于特征空间(ESB)的自适应波束形成算法中,针对当指向误差落在波束主瓣的边缘特定角度时,输出信干噪比下降,且信号子空间需要进行费时的特征值分解的问题,提出了改进线性约束最小方差(LCMV)算法。在假定的期望信号方向附近减少一个方向性约束条件,并基于信号特征值大于噪声特征值的这一特性, 利用空间协方差矩阵逆的高阶次幂来逼近信号子空间,无须特征分解,将求得的权矢量向改进的信号子空间投影。该方法能够大大减少计算量,同时还显著提高了自适应波束形成稳健性。通过仿真分析及结果比较验证了算法的正确性和有效性,因此从     

一种改进的可变对角加载自适应波束形成算法

由于观测方向误差的存在,使得实际获得的方向向量与其理论值产生偏差,进而对各类自适应波束形成算法性能造成较大影响。为此提出一种有效的对角加载自适应波束形成算法,首先利用目标信号的方向向量在噪声子空间中投影最小的原理,对带有误差的方向向量进行校正,然后再使用可变对角加载原理求得对角加载因子,对实际获得的自相关矩阵进行对角加载后,形成自适应波束,从而很好地消除了方向向量误差造成的影响。算法能够有效克服目标信号对消现象,并具有良好的保形能力和快速收敛的特点。计算机仿真结果验证了这些优点。     

稳键的自适应空间波束形成语音增强算法研究

为了进一步改善波束形成的降噪性能,研究了一种稳键后置滤波自适应空间波束形成算法.用麦克风代替传统波束形成器的延时抽头线,使所有的麦克风都有一阶的滤波器,利用经典的线性约束最小方差准则使空间波束形成产生语音参考信号,同阻塞矩阵输出的噪声参考信号一起经自适应多路相消器,从而有效的消除干扰噪声;最后结合后置滤波技术进一步改善语音质量.实验结果表明,相对于传统后置滤波自适应波束形成算法,在消噪性能上有明显的改善且具有更高的输出信噪比.     

一种空时联合的自适应波束形成算法

为了进一步提高传统最优空时滤波算法的性能,提出了一种新的空时联合的自适应波束形成算法。在给出算法的信号模型和算法原理的基础上,详细地阐述了该算法实现空时联合自适应滤波的机理,然后利用计算机仿真较全面地分析和比较了算法的性能。理论分析和仿真结果表明,该算法在提高输出信干噪比和削弱指向误差影响等方面明显优于传统的最优空时滤波方法。     

快速稳健的LMS自适应波束形成算法

研究天线阵通信问题,传统的最小均方误差(LMS)自适应波束形成算法,需要积累足够多的快拍数据后才能进行权值计算,运算时间较长,且存在波达方向(DOA)估计误差性能严重下降的现象.针对上述现象,为提高速度和精度,提出一种快速稳健的LMS自适应波束形成方法.算法是一种自适应迭代算法,不需要累积足够多的快拍数据计算权矢量,减少了权值计算时间.同时基于导向矢量展开的方法,通过梯度搜索相位误差矢量,将它补偿到不精确已知的期望信号导向矢量上,以获得真实的期望信号导向矢量.算法提高了运算速度和稳定性.计算机仿真验证了方法的有效性和正确性.     

基于子带SDL的LCMV宽带波束形成性能分析

对子带阵元延迟线 （SDL）波束形成器的线性约束最小方差（LCMV）宽带自适应波束形成算法进行了性能分析 。推导了子带LCMV算法的输出信干噪比（SINR）的解析表达式,对比了子带LCMV算法和全带 LCMV算法的阵列响应性能,以及阵元数量、输入信噪比（SNR）和阵元间距对输出SINR的影 响,并分析了子带滤波器组的参数对子带LCMV输出SINR性能的影响。仿真结果表明子带LCMV 算法可有效提高性能,并可在不降低性能的条件下降低阵元需求。     

基于改进最速下降LCMV算法的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成技术,在理想条件下能够在期望信号方向保证增益最大,同时在干扰方向形成零陷.但在实际阵列系统中,指向误差、阵元位置误差以及阵元相位误差均使得传统的LCMV准则算法出现性能下降.针对最优权矢量解算问题,提出了基于牛顿法及可变加载约束的改进SD-LCMV算法,并将两者与线性约束LMS算法及递归稳健LCMV算法进行仿真对比,结果验证了改进算法对误差的稳健性.     

稳健特征子空间波束形成算法及其性能分析

基于特征子空间的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其它算法实现简单,然而方法在低的信噪比和较高的信号加噪声子空间维数条件下,性能急剧恶化,而且信号加噪声子空间的维数必须是已知的。为改善波束形成稳定性,提出了基于L-曲线的方法用于信号子空间及其维数的稳健估计,使得该算法的应用条件得以满足,其中还提出了广义SINR,并详细分析了理想条件下信号子空间的选取对算法性能的影响,最后进行了详细的仿真试验和性能分析,验证了所提出方法的正确性和有效性。     

基于子空间跟踪的递推稳健自适应波束形成*

为了解决实时系统应用中,通用秩信号模型的稳健自适应波束形成算法受计算复杂度高的限制这一问题,基于子空间跟踪理论,运用梯度下降法提出了一种递推稳健自适应波束形成算法,有效降低了计算量,提高了系统性能,改善了阵列输出的信干噪比。仿真结果表明,该算法具有快速收敛性与优越的稳健性。     

一种新的矢量传感器线列阵波束形成算法

为了提高基于矢量线列阵的目标方位估计能力,将基于时域解析信号实现最小方差无畸变响应（ MVDR）的方法——TAMVDR算法引入到了矢量线列阵信号处理中,提出了实现矢量线列阵波束形成的VTAMVDR算法。理论分析了矢量线列阵VTAMVDR算法的原理,该算法通过Hilbert变换对时域宽带信号引入复权向量,不需要进行子带分割,且不需要对数据进行分块处理,获得稳定优化权向量估计所需要的数据长度远小于频域MVDR方法,数据长度合适时,单次快拍即可实现波束形成,大大降低了运算量。仿真和海上试验数据分析结果表明：VTMVDR算法相比于频域MVDR算法具有较好的性能,具有更高的分辨率和更窄的波束角,有更好的探测性能。     

Robust adaptive beamforming using a novel signal power estimation algorithm

Recently, many robust adaptive beamforming (RAB) methods based on covariance matrix reconstruction have been proposed. Motivated by the idea, in this paper, a novel and efficient signal power estimator is devised to reconstruct the interference-plus-noise covariance (INC) matrix, with the corresponding RAB algorithm proposed. Firstly, the steering vectors of the incoming sources are derived using the Capon spatial spectrum and known array geometry. Secondly, a set of linear equations is established based on the signal subspace projection, from which the powers of the incoming sources are estimated. Based on the presumed angular sector of the signal-of-interest (SOI), the steering vectors and powers of the SOI and interferences are distinguished, and the INC matrix is then reconstructed. Finally, the beamformer is determined by the estimated INC matrix and SOI steering vector. The proposed algorithm is computationally more efficient than other reconstruction-based methods because there are closed-form solutions for the signal powers. Simulation results indicate that our proposed algorithm performs better than the existing methods at high signal-to-noise ratios (SNRs), and achieves nearly optimal performance across a wide range of SNR.     

稳健的全阵波束形成方法

由于相干干扰和角度估计误差影响波束形成性能,对此提出一种稳健的波束形成方法。采用加权空间平滑算法去除相干性;对期望信号施加约束,保证一定角度估计误差范围内算法的稳健性;进行全阵波束形成变换,避免阵列孔径损失。仿真结果表明,在相干干扰环境中,该算法的方向图在期望信号方向有明显主瓣,有利于接收期望信号;在一定的角度估计误差范围内,该算法可保持比较高的且比较平坦的输出信干噪比;随着输入信噪比的增加,输出信干噪比几乎线性增大。     

基于压缩感知的图像自适应子空间追踪算法

针对稀疏自适应匹配追踪（SAMP）算法中存在的运行速度慢、重建效果欠佳的问题,提出了一种新的自适应的子空间追踪算法（MASP）。采用SAMP算法中分段的思想,先对半减小预估稀疏度,再逐一增加,得到真实稀疏度后,再利用子空间追踪算法对原始信号进行重构。实验表明,相比于SAMP算法,该算法在相同观测数量的情况下,具有较快的运行时间和较好的重建效果,其中,在重构信噪比方面平均提高8.2%。     

基于遗传算法的宽带目标波束空间DOA估计

提出一种基于遗传算法的宽带目标到达方位(DOA)估计新方法,该方法首先通过傅立叶变换方法设计频域恒定束宽转换矩阵,并使用该矩阵将阵元空间的数据转换到波束空间,同时,利用宽带波束空间遗传算法进行DOA估计。计算机仿真表明:在低信噪比条件下该算法相比于CSS类子空间算法、CSS类最大似然算法和阵元空间遗传算法有更高的分辨概率,更小的均方误差。     

一种基于反推技术的鲁棒自适应控制器

对于更一般的一类系统,给出了一种基于反推技术的鲁棒自适应控制器的设计方法.通过重新定义动态规范化信号和重新证明相关的性质,严格地分析了闭环系统的稳定性和跟踪性能;同时指出了相关文献中的错误.     

Robust blind adaptive beamforming under double constraints

In practical complex communication environments, the performance of linearly constrained constant modulus algorithm (CMA) is known to degrade severely in the presence of even slight signal steering vector mismatches. To overcome the mismatches, a novel robust CMA is proposed for blind adaptive beamforming via the worst-case performance optimization and the oblique projection of signal steering vector, which is based on double constraints on explicit modeling of uncertainties in the desired signal array in this paper. To improve robustness, the weight vector is optimized to involve minimization of a constant modulus algorithm objective function with penalty for the worst-case signal steering vector. The theoretical analysis for our proposed algorithm in terms of SINR and convergence performance is presented in this paper. The proposed robust constrained CMA resolves the problem of interference capture, provides excellent robustness against the signal steering vector mismatches, and improves array output performance. Simulation results are presented to show the excellence of this technique and the main parameters of concern to evaluate the performance are analyzed.     

基于自适应邻域的鲁棒多视图聚类算法

针对现存的基于自适应邻域的多视图聚类算法没有考虑噪声和共识图信息损失的问题,提出一种基于自适应邻域的鲁棒多视图聚类(RMVGC)算法.首先,为了避免噪声和异常值对数据的影响,通过鲁棒主成分分析模型(RPCA)从原始数据中学习多个干净的低秩数据;其次,用自适应邻域学习直接融合多个干净的低秩数据来得到一个干净的共识关系图,...     

一种稳健的宽带聚焦波束形成算法

将聚焦变换的思想与二阶锥规划方法相结合,提出了一种稳健的宽带聚焦波束形成算法。该算法首先将宽带信号划为多个窄带信号,再通过最佳聚焦矩阵,聚焦到最佳聚焦频率上,将宽带问题转换为窄带问题,最后利用二阶锥规划的方法实现窄带波束形成。计算机仿真验证了该算法的有效性。