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。     

脉冲噪声下加权稀疏约束稳健波束形成方法

针对脉冲噪声下现有稀疏约束波束形成方法,对不同角度信号施加相同稀疏约束而带来干扰抑制能力有限的问题,本文提出了一种干扰抑制能力更优的加权稀疏约束稳健波束形成方法。该方法首先利用波束方向图的稀疏特性,在最小散度无畸变响应波束形成的目标函数中加入波束方向图l1范数约束;然后采用基于无穷范数归一化方法对阵列接收到的所有快拍信号做自适应预处理,以使预处理后的阵列接收信号协方差矩阵有限;最后运用传统的基于协方差矩阵特征分解的子空间法构造加权矩阵并应用到稀疏约束项中,使得波束方向图中不同角度的信号得到不同程度的约束。实验仿真表明,所提出方法不仅保持相对较低的旁瓣增益,而且显著加深了干扰方向的零陷,提高了输出信干噪比。      

基于双不确定集约束的稳健宽带波束形成算法

针对传统不确定集约束稳健波束形成算法(S-WCRB)的性能依赖于模约束参数的问题,提出了双不确定集约束的稳健宽带波束形成(D-WCRB)算法.该算法将期望信号导向矢量约束于两个不同参数的球形不确定集中,解决模约束参数选择不当引起SINR性能下降的问题,推导了D-WCRB算法与S-WCRB算法获得不同SINR的必要条件,并讨论了D-WCRB算法中约束参数的选择问题.最后给出的数值仿真结果验证了该算法的有效性.     

一种联合修正的稳健Capon波束形成算法

指出了水平定向天线阵波束形成的主要难点,没有固定相位中心和受交叉极化来波的影响。阵列受随机性误差使得导向矢量存在较大失配,从而导致传统Capon算法性能下降甚至失效。在阵列误差模型下,给出了基于协方差矩阵与导向矢量联合修正的稳健Capon波束形成算法。该算法首先基于收缩得到一个增强的协方差矩阵,然后通过最大化Capon输出功率实现对导向矢量的修正,同时增加二次型约束防止修正的导向矢量接近于干扰导向矢量上。该算法可转化为二次约束二阶规划问题,并通过凸优化进行求解。仿真结果表明,该算法对天线阵模型中误差矩阵具有一定的稳健性,且较其他稳健算法具有较好的性能。     

零陷优化的稳健波束形成算法

传统的自适应波束形成算法在干扰方向出现扰动且期望信号导向矢量失配时,不仅无法持续有效地抑制干扰,而且会在期望信号方向产生零陷致使期望信号相消,算法性能严重下降。针对该问题,本文提出了一种零陷优化的稳健波束形成算法。该算法首先通过干扰导向矢量的左右旋转来展宽零陷,接着将采样数据向干扰子空间投影,并对干扰分量进行加权处理以增强采样数据中的干扰强度,加深干扰零陷,最后采用导向矢量不确定集约束算法保证期望信号的接收增益。计算机仿真结果表明:该算法能够有效展宽干扰零陷,并能够保证期望信号增益,具有较好的稳健性。      

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。     

柔性稀疏阵的稳健波束形成

本文将导向矢量失配时的稳健波束形成问题归结为二次锥规划问题,利用高效的内点法求解。该波束形成器成功地应用于存在阵元位置误差的柔性稀疏阵,相对于经典的对角线加载法、特征空间法,在不同的输入信噪比下获得了更好的输出信号干扰加噪声比。仿真结果表明对超稀疏分布的柔性阵,阵元位置误差对输出SINR起决定性影响,而阵列稀疏程度对其影响不大。     

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。     

基于模约束的稳健Capon波束形成算法

针对Capon波束形成器在导向矢量失配存在时的较差指向性能,利用模约束来提高算法的稳健性.详细分析了模不等式约束Capon波束形成器(NICCB)解的存在情况,给出了NICCB中模不等式约束参数的选择范围.由于模等式约束远远强于不等式约束,所以模等式约束Capon波束形成器(NECCB)的稳健性要远远优于NICCB,故提出NECCB并进行了有效的求解.仿真分析验证了理论分析的正确性,当模约束参数在允许的范围内选择时,最优NICCB和NECCB的波束指向性能变化不是很明显,但是NECCB的性能要明显优于NICCB.     

一种稳健的混合范数约束的波束综合算法

在阵列信号处理中为抑制噪声和干扰,一般都要求波束有比较低的旁瓣和零陷,同时,需要具有良好的稳健性。为此,提出了一种新的混合范数约束的波束综合算法。该算法运用稀疏表示方法,对波束的主瓣和旁瓣分别使用不同的范数约束,同时对波束的零点和敏感度因子进行约束,用MATLAB(Matrix Laboratory)的凸优化工具包进行求解。仿真实验表明,设计得到的波束具有更低的旁瓣和零陷,最高旁瓣电平约为-28 dB,而最低零陷深度可达-50 dB;算法求解过程简单,与现有算法相比能够容忍较大的幅相误差,具有良好的稳健性;同时,阵列效率与经典算法相比提高了8 dB左右。     

改进的稳健Capon 波束形成算法性能分析

常规Capon 波束形成算法能够使波束在期望信号方向形成高增益,在干扰方向形成零陷,针对该算法在期望信号导向矢量失配的情况下,出现性能下降的问题,研究了期望信号导向矢量在不确定集约束下的求解。通过分析稳健Capon波束形成算法的特点,推导出了期望信号导向矢量在球形不确定集约束下的权矢量近似闭式解,并采用图像法,找到给定条件下的最优约束参数。在指向误差和相位误差存在情况下,对算法进行了仿真分析,仿真结果验证了算法在误差存在情况下的稳健性。     

双基地MIMO雷达发射波束形成与多目标定位

针对在导向矢量存在误差情况下自适应波束形成算法性能严重下降的问题, 提出一种基于导向矢量估计的鲁棒自适应波束形成(Steering Vector Estimation Based Robust Adaptive Beamforming, SVE-RAB)算法.算法用导向矢量不确定范围估计真实导向矢量, 利用范数约束通过二阶锥规划技术提高波束形成的鲁棒性.算法可在导向矢量存在误差的情况下, 对期望信号保持最大增益并有效抑制干扰, 且有效提高了波束形成输出的信干噪比(Signal to Interference plus Noise Ratio, SINR).仿真结果验证了算法的有效性和优越性.     

基于导向矢量估计的鲁棒自适应波束形成算法

针对在导向矢量存在误差情况下自适应波束形成算法性能严重下降的问题,提出一种基于导向矢量估计的鲁棒自适应波束形成(Steering Vector Estimation Based Robust Adaptive Beamforming,SVE-RAB)算法.算法用导向矢量不确定范围估计真实导向矢量,利用范数约束通过二阶锥规划技术提高波束形成的鲁棒性.算法可在导向矢量存在误差的情况下,对期望信号保持最大增益并有效抑制干扰,且有效提高了波束形成输出的信干噪比(Signal to Interference plus Noise Ratio,SINR).仿真结果验证了算法的有效性和优越性.     

线性干扰参数约束的稳健LSMI波束形成算法

 针对稳健的加载样本矩阵求逆(LSMI)波束形成算法,给出了一种新的求解方法,获得了加载电平的准确计算公式,而且得出最优加载量为负值,且与约束参数的选取无关.为了改善LSMI波束形成算法的抗干扰性能,提出利用线性干扰参数约束(LJC)来实现,其中对LJC-LSMI波束形成算法进行了建模和求解,得到了最优加权矢量的表达式,并给出了具体的求解方法.仿真分析验证了算法的正确性和有效性,结果表明LJC-LSMI相对于LSMI具有较强的干扰抑制能力,相对于线性约束最小功率(LCMP)波束形成算法具有稳健的波束指向性能.     

矢量最优化稳健波束形成性能分析

针对标准的Capon波束形成在阵列导向矢量存在误差时出现严重性能退化,本文从权矢量模约束和不确定集两个角度出发,提出矢量最优化稳健波束形成方法,并通过二阶锥规划进行有效求解.文中还进一步给出自适应权矢量的近似解析表达式,揭示了影响最优权矢量的各主要因素.通过理论分析和计算机仿真研究,详细讨论了约束参数、信噪比、快拍数以及方位估计偏差对输出信干噪比及空间谱估计的影响.外场实验数据处理结果表明,将本文方法应用于实际工程进行空间谱估计,能够得到准确而稳健的高分辨方位估计结果.     

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.     

一种改进均方误差性能的新型鲁棒性波束形成算法

结合信干噪比最大化和均方误差最小化两个优化目标,提出一种新型的鲁棒性波束形成算法.该方法考虑信号估计误差,在传统的最小方差的代价函数中引入信号协方差矩阵的估计误差,并在波达角估计误差的约束下,将鲁棒性波束形成器转换成基于支持向量机形式的波束形成器,通过一种高效的新型支持向量机训练算法计算阵列权值;然后以均方误差最小化为目标来修正阵列权值.仿真结果表明:该方法降低了波束形成器对信号估计误差的敏感度,提高了其抑制非平稳干扰的能力,且具有更好的均方误差性能.