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。

基于先验信息的协方差矩阵重构抗干扰算法

针对样本数较少情况下信号和干扰同时存在时,采样协方差矩阵包含目标信号引起信号自消,无法替代真实干扰噪声协方差矩阵的问题,提出了一种重构干扰噪声协方差矩阵的自适应波束形成方法,利用空间谱重构出与期望信号无关的干扰噪声协方差矩阵,提高协方差矩阵的准确度,依据重构的协方差矩阵结合阻塞矩阵完成主瓣干扰的抑制处理。仿真结果表明,所提方法相比于基于采样协方差矩阵方法,提高了输出信干噪比,更接近于最优值。

一种双层协方差矩阵重构的稳健波束形成算法

针对采样协方差矩阵中含有信号分量和信号导向矢量失配造成的自适应波束形成器性能下降的问题,提出了一种导向矢量矫正和双层干扰加噪声协方差矩阵重构的稳健波束形成算法。首先,通过子空间投影方法去除接收数据中的干扰和噪声分量来进一步矫正信号导向矢量;然后,利用Capon功率谱初步重构干扰加噪声协方差矩阵;接着,利用干扰子空间的正交性和多重信号分类(Multiple Signal Classification,MUSIC)功率谱进一步精确重构干扰加噪声协方差矩阵;最后,计算出最优权值矢量。仿真结果表明,所提算法在大角度失配和低快拍数条件下具有较好的稳健性。

基于干扰加噪声协方差矩阵重建的稳健自适应波束形成算法研究

针对自适应波束形成中的期望信号“自消”问题,就近年来提出的期望信号预减除类方法展开研究。该类方法首先使用波达方向(DOA)估计技术得到期望信号的波达方向;然后从协方差矩阵中估计干扰加噪声协方差矩阵,来消除采样信号期望信号分量对算法的影响,避免产生期望信号“自消”问题,进一步修正假定的期望信号导向矢量来估计真实导向矢量;最后计算得到权矢量。理论分析给出了4种代表性方法的原理和算法的复杂度,并通过数值仿真验证,仿真结果表明,当存在阵列扰动的情况下,协方差适配重建方法在低信噪比(SNR)下获得更佳的性能。当存在指向误差的情况下,子空间重建方法在很大的输入信噪比范围内受的影响最小。文中总结了这些方法的综合性能优缺点,对于该类方法实际应用有一定指导意义。

基于干扰协方差矩阵重构的恒定束宽鲁棒自适应波束形成

针对宽带波束形成中的恒定束宽波束响应优化设计问题与鲁棒性问题展开研究。首先,提出一种基于相位补偿的恒定束宽全局优化设计方法,通过对阵列流形向量进行相位补偿来设计恒定束宽波束,与现有的一些方法相比,该方法不仅能获得全局最优解,而且物理实现简单。同时,还提出一种基于协方差矩阵重构的鲁棒自适应宽带波束形成算法。该算法采用Capon估计器估计样本数据的空间一频率谱密度函数,然后对期望信号波达方向之外的角度区间进行积分来重构干扰加噪声协方差矩阵,最后利用重构的协方差矩阵设计自适应波束形成器权系数。该波束形成器设计问题被表述成凸优化问题求解。仿真结果表明,在整个输入信噪比范围内,该算法几乎都能获得接近理想值的输出信干噪比。

低信噪比下重构协方差矩阵的高分辨MUSIC算法

在满足对称分布的海洋噪声场中,为提高低信噪比条件下目标方位估计性能,提出一种重构信号协方差矩阵的MUSIC算法。利用数据协方差矩阵虚部与对称噪声无关的性质,根据协方差矩阵虚部和虚部MUSIC算法的预估角重构出信号协方差矩阵,在此基础上实现MUSIC算法。仿真结果表明,所提算法相比常规MUSIC算法能有效降低对称噪声的影响,提高方位估计性能,并避免双边谱的出现,有更高的分辨率和更低的分辨门限。还研究了协方差矩阵的Toeplitz修正处理对于MUSIC类算法的改善作用。仿真表明,Toeplitz修正处理能显著提高MUSIC类算法的分辨性能。

稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法。该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及噪声功率,从而得到重构干扰加噪声协方差矩阵,进而得出最优加权向量。仿真表明,该算法具有良好的稳健性,在快拍数较低的情况下,仍能保持良好的性能。

一种基于协方差矩阵重构和EMP的宽带波束形成算法

在宽带波束形成中,若干扰信号从主瓣方向进入,会引起主瓣畸变、旁瓣电平抬高,从而使波束性能严重恶化。为了解决波束形成中的这些问题,研究了一种基于协方差矩阵重构和特征投影预处理(EMP)的宽带波束形成算法。该算法首先通过EMP算法求取阻塞矩阵,对接收信号进行干扰相消预处理阻塞掉主瓣干扰;然后通过相干信号子空间(CSM)方法、协方差矩阵重构求取合理的协方差矩阵;最后进行波束形成。在主瓣干扰、旁瓣干扰同时存在的情况下,该算法能够自适应地阻塞主瓣干扰、抑制旁瓣干扰,解决了存在主瓣干扰情况下宽带波束形成的波形畸变问题。计算机仿真验证了该算法的有效性。

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。

基于双层协方差矩阵重构的稳健波束形成算法

针对协方差矩阵含目标信号分量及目标导向矢量失配情况下,传统自适应波束形成器性能急剧下降的问题,提出了干扰加噪声协方差矩阵双层重构的稳健波束形成算法。首先,利用稀疏重构的方法预估干扰加噪声协方差矩阵,通过估计干扰导向矢量及干扰功率对干扰加噪声协方差矩阵进行优化校正;然后,基于子空间理论建立导向矢量约束误差优化模型,利用迭代方法对凸优化模型进行求解,得到最优权值向量。仿真结果表明:所提算法显著提高了波束形成器在目标导向矢量约束误差及阵列误差情况下的稳健性,低快拍条件下表现较好,输出性能优于仿真对比算法。

基于ADBF的多通道SAR抗干扰样本选择方法

针对多通道SAR抗干扰问题,可以利用空域自由度通过自适应波束形成技术达到增强期望信号、抑制干扰的目的。在波束形成过程中,计算各阵元的最优权矢量时,需要通过选取干扰和噪声的数据样本估算干扰加噪声协方差矩阵。若选择的数据样本中掺杂目标信号,则目标信号将会被误判为干扰并被抑制。针对多通道SAR抗干扰过程中需要注意的样本选择问题,通过消除方位向频域中主杂波宽度内的目标分量,得到干扰加噪声数据样本,继而计算协方差矩阵,并进行波束形成。通过实测数据成像结果及干噪比和信噪比指标验证了提出的自适应样本选择方法的有效性。与直接样本选择方法相比,自适应样本选择方法在信噪比上提高了近8 dB,干噪比下降了近6 dB,说明了该方法有效地保留了目标信号,抑制了干扰信号。

基于广义斜投影的雷达抗主瓣干扰方法

针对雷达抗主瓣干扰问题,提出一种基于广义斜投影的空极联合抗主瓣干扰方法。以非完备电磁传感器建立均匀圆阵极化敏感阵列信号接收模型;提出基于重构数据协方差矩阵的改进多重信号分类算法,以提升信号相干、低信噪比条件下的参数估计效果;提出基于相关性最大准则的极化参数估计方法,无需谱峰搜索,以减少运算复杂度;利用多线性约束最小方差准则设计广义斜投影滤波器,抑制主瓣干扰。实验结果表明:与同类极化估计算法对比,在0~40dB信噪比区间内极化参数估计的误差小于同类算法,且拥有更低的运算量;滤波后的波形特征明显,能够完全滤除干扰信号,并且保留期望信号的幅度、相位信息。

基于SAMV-SML的主瓣干扰抑制算法

针对主瓣干扰下自适应波束形成出现的波束畸变和主瓣偏移等问题,提出基于随机最大似然稀疏渐进最小方差(Sparse Asymptotic Minimum Variance Stochastic Maximum Likelihood,SAMV-SML)的主瓣干扰抑制算法。利用SAMV-SML算法准确地估计目标方位和功率,重构旁瓣干扰噪声协方差矩阵,避免将期望信号引入权矢量,并根据估计的主瓣干扰方位和期望方位,利用相关系数判断主瓣干扰特征矢量,构造特征投影预处理矩阵,实现多主瓣干扰抑制。仿真实验表明该算法能够实现波束保形,达到更快的收敛速度和更高的输出信干噪比。此外,还验证了该算法具备处理相干主瓣干扰的能力。

利用稀疏贝叶斯推理估计干扰导向矢量和功率的稳健自适应波束形成方法

现有稳健自适应波束形成(Robust adaptive beamforming,RAB)方法对快拍数有较高要求,可用快拍数的不足可能会使RAB方法无效。稀疏贝叶斯推理(Sparse Bayesian Inference,SBI)从贝叶斯的角度,通过对信号的稀疏先验假设来利用稀疏信息,在建模稀疏信号方面具有较好的灵活性,可以提高解的稀疏性,即使在样本数较低的情况下也能取得很好的估计效果。本文使用SBI估计干扰信号的导向矢量和功率,提出了一种新颖的基于干扰加噪声协方差矩阵(Interference plus Noise Covariance Matrix,INCM)重建的RAB方法。所提方法利用SBI在建模稀疏信号方面的优越性,通过准确重建出INCM,实现高输出SINR。仿真结果表明,本文提出的方法在比较宽的输入SNR范围内和少量快拍情况下都实现了较好的性能。

数据含期望信号的重构稳健波束形成

研究稳健波束形成问题。样本数据含期望信号时,若存在导向矢量误差,常规MVDR波束形成会在期望信号方向上产生期望信号对消,性能损失严重。针对上述问题,提出了一种在对称干扰环境下的稳健MVDR波束形成方法。首先消除数据协方差矩阵的实部得到期望信号分量,进而重构出期望信号协方差矩阵,然后从数据协方差矩阵中减去重构的期望信号协方差矩阵,得到仅含有干扰和噪声的协方差矩阵,并以此来实现MVDR的权向量设计。仿真结果表明,改进方法消除了期望信号分量的不良影响,提高了波束形成对系统误差的稳健性。

机载双基地极化敏感阵列多干扰抑制

为了破解雷达主瓣干扰尤其是多个主副瓣干扰同时抑制的难题,该文利用目标极化散射特性在不同入射角存在差异而干扰近似相同的特点,将极化信息应用到机载双基地雷达,通过构建机载双基地极化敏感阵列来实现主副瓣干扰抑制。该方法主要通过双基地-极化分级抑制来实现。首先重构协方差矩阵遮蔽主瓣干扰来分别抑制双基地主辅雷达副瓣干扰,然后将辅雷达接收数据时域对齐后送主雷达,最后修正主辅雷达主瓣干扰导向矢量,并利用极化对消实现主瓣干扰抑制。仿真结果表明:利用双基地-极化分级抑制方法可实现多个主副瓣干扰同时抑制,大幅提升雷达系统抗干扰能力。

基于BMP及CMR的抗主瓣干扰算法研究

对于相控阵雷达抗主瓣干扰问题,本文通过对空时联合域抗主瓣干扰算法的研究,分析了基于阻塞矩阵预处理后常用的加权系数补偿法、白化法、对角加载法,以及对角加载结合线性约束波束保形算法存在的不足,提出了一种适用于采样快拍包含目标信号情况下的抗主瓣干扰算法。通过分析阻塞矩阵预处理后数据特征值的变化情况,修正预处理导致的过处理现象,从而重构协方差矩阵,该算法适用于阻塞矩阵预处理导致的自由度损失的情况,能够解决由于预处理导致的主瓣波峰偏移等失真问题,同时算法复杂度较低。该算法最大的优点是当采样快拍包含目标信号时,其抗干扰性能较好,快拍敏感度相比常规的波束保形方法更低,经实测数据验证,结果显示出该算法的优越性。

FDA-MIMO雷达稳健抗主瓣距离欺骗式干扰技术

频率分集阵(frequency diverse array,FDA)多输入多输出(multiple-input and multiple-output,MIMO)雷达可利用距离维自由度在发射-接收频率域内对欺骗式干扰进行抑制。但当存在目标导向矢量失配和协方差矩阵估计误差时,其抗干扰性能损失严重。针对该问题,在FDA-MIMO雷达中提出了一种基于稳健波束形成的抗干扰方法。首先,对剔除了残留噪声的Capon谱估计器在信号(或干扰)域内积分来构造期望信号(或干扰)导向矢量;然后,利用不同信号导向矢量间的正交性获得干扰功率并重构干扰加噪声协方差矩阵;最后,用更精确的导向矢量和重构矩阵计算自适应波束形成器的最优权值,提高干扰抑制性能。仿真实验验证了所提方法的有效性。

一种无需先验信息的抗多点源干扰方法

针对存在主瓣干扰在内的多点源干扰情况,现有的阻塞矩阵预处理和特征投影预处理都取得了一定的抗干扰效果,其主要思想都是先通过预处理消除主瓣干扰,再进行常规自适应波束形成,实现对主瓣干扰的抑制,但是这2种方法需要期望和干扰的先验信息来构造预处理矩阵。为解决实际运用当中先验信息无法直接获取的问题,采用强弱信号波达方向估计方法和估计出期望信号方向和干扰方向,再结合基于伪协方差矩阵的特征投影预处理的主瓣抗干扰方法,得到一种无需先验信息的抗多点源干扰算法。仿真实验结果表明,所提方法在不知道角度先验信息的条件下于多点源干扰处形成了大于60 dB的空陷,且相比于其他方法,波形保持好,受快拍数的影响小,取得了较好的抗多点源干扰效果。

基于子空间正交性的主瓣干扰抑制算法

针对基于特征投影预处理的主瓣干扰抑制算法中主瓣干扰对应的特征向量难以分辨的问题,提出一种基于子空间正交性的主瓣干扰抑制算法。该方法首先利用主瓣大致区域这一先验知识求出主瓣子空间;再将采样协方差矩阵进行特征分解,得到干扰对应的特征向量并逐一在主瓣子空间中进行正交性测试,筛选出主瓣干扰对应的特征向量;然后利用特征投影矩阵预处理抑制实际接收数据中的主瓣干扰成分;最后,通过协方差重构求解自适应权矢量去除旁瓣干扰。仿真实验结果表明,子空间正交性验证能够检测出多个主瓣干扰对应的特征向量,能够有效抑制多个主瓣干扰,避免了基于特征投影矩阵预处理和协方差矩阵重构的主瓣干扰抑制算法仅能抑制单个主瓣干扰的问题。