共轭虚拟阵列波束形成方法

根据MASK、BPSK和AM等非圆信号的实值特性,利用实际阵列接收信号的共轭将阵列向外扩展,提出一种适用于均匀线阵的共轭虚拟阵列波束形成方法,并对其自适应波束性能进行了分析和改进,在此基础上提出一种快速实现方法.该虚拟阵列的构造方式能同时保留时间信息和方位信息,用于自适应波束形成中,可以改善波束图形状,提高阵列增益,对抗超自由度干扰.计算机仿真验证了该虚拟阵列波束形成方法的优越性.

零陷展宽的递推实现方法

目前常用的零陷展宽算法都可以归纳到协方差矩阵锥化(CMT)的范畴,按常规计算方式,CMT法的运算量为O(M3)。文章首先通过对CMT法中的锥化矩阵进行特征值分解,提出了一种递推实现的零陷展宽算法,将运算量降为O(JM2)(J为锥化矩阵的秩);将该递推方法与对角加载算法结合,大大提高了算法的鲁棒性;最后针对几种常用的锥化矩阵进行了分析,确定了Mailloux算法中虚拟干扰源的选取原则,对MZ算法的锥化矩阵进行了降秩近似,进一步降低了运算量。计算机仿真分析表明,递推CMT算法在与原算法性能相当的情况下运算速度大大提高,与对角加载算法结合后,可以以较低的运算量实现较好的稳健性。

固定样本数目的QR分解递推算法

自适应波束形成中基于QR分解的递推算法大都在样本不断累积下推出,即每次快拍增加一个样本。实际中可利用的样本不可能无限多,在到达一定样本数目后,每增加一个新样本的同时需要剔除一个旧样本。针对这种样本数目固定的数据更新方式,利用双曲Householder变换,提出了一种更实用的QR分解递推算法,并对其进行了简化,大大减小了运算量;之后利用逆QR分解的思想对其进行了进一步改进,使算法更利于系统的实时实现;在此基础上研究了更为稳健的对角加载逆QR分解的递推实现方式。计算机仿真证明,在有限样本情况下,本算法比常规QR分解算法具有更高的阵增益和更好的波束性能。

一种稳健的特征空间线性约束波束形成器

基于特征空间的线性约束最小方差（eigenspace-based linearly constrained minimum variance,ELCMV）算法是一种稳健的波束形成方法,但其性能只能在一定的指向误差范围内保持稳定,当指向误差较大而使期望信号落在预设波束主瓣边缘时,其性能会严重恶化。对ELCMV算法进行改进,提出一种对零点约束方向和指向误差都具有稳健性的波束形成方法。该方法首先利用矢量旋转对预设导向矢量进行校正,再将校正后的导向矢量向信号子空间投影,最后结合线性约束用线性约束最小方差（linearly constrained minimum variance,LCMV）算法来求解权矢量。计算机仿真证实了该方法的有效性。

基于变对角加载的RCB算法

稳健的Capon波束形成(RCB)算法确定的加载量与设定的导向矢量误差范围成正比,在导向矢量误差比较小时,加载量也比较小,这时对小快拍的稳健性就很差。为了改善RCB算法在小快拍时的性能,提出一种基于变对角加载的RCB算法,利用估计的协方差矩阵误差对采样协方差矩阵进行修正,用修正后的协方差矩阵代替原协方差矩阵代入到RCB算法的权向量求解过程中,这样可以根据导向矢量误差和协方差矩阵误差动态调整加载量,在不增加计算复杂度的基础上,可以获得比RCB算法更好的稳健性。计算机仿真验证了算法的有效性。

改进的广义特征空间波束形成算法

常规的线性约束最小方差波束形成器在系统存在指向误差时性能会急剧下降。广义特征空间波束形成算法将线性约束法和特征空间法相结合,获得了较好的稳健性。但是这种方法只能在一定的指向误差范围内保持性能稳定,当指向误差较大而使期望信号落在预定波束主瓣边缘时,其性能将严重恶化。对广义特征空间波束形成算法进行改进,提出一种对较大指向误差也具有稳健性的波束形成方法,方法利用矢量旋转法对预定导向矢量进行校正,用校正后的导向矢量替换原算法中的预定导向矢量,以获得权向量。计算机仿真证实了方法的有效性。

非圆信号虚拟阵列波束形成算法

利用非圆信号的实值特性,提出了一种利用信号共轭扩展阵列孔径的虚拟阵列构成方法,将其应用在自适应波束形成中,对其波束形成的性能进行了分析和改进,并提出了一种快速的实现方法。该虚拟阵列的构造方法能同时保留时间信息和方位信息,用于自适应波束形成中,可以改善波束图形状,提高阵列增益,对抗超自由度干扰。计算机仿真验证了该方法的优越性。

基于子空间逼近的特征空间波束形成算法

特征空间波束形成(ESB)算法为了得到信号子空间需要对采样协方差矩阵进行特征值分解,运算量十分巨大,这大大限制了其应用。为了减低ESB算法的运算量,利用有理子空间逼近的原理,提出一种不需要估计信号源个数的快速ESB算法。该方法利用一个介于信号和噪声特征值之间的分界值将特征空间分成两个子空间,并用矩阵幂乘和此分界值的有理式逼近这两个子空间的投影矩阵,将此投影矩阵代入到ESB算法的权值求解式中,在不降低性能的前提下,可大大提高波束形成的运算速度。计算机仿真验证了该算法的有效性,并分析了分界值取值方法的不同对子空间划分及波束形成性能的影响。

一种小快拍时对角加载的快速算法

对角加载算法是一种稳健的波束形成算法,在快拍数小于阵元数时也能达到较好性能。但由于需要计算采样协方差矩阵并对其进行求逆运算,运算量非常巨大,尤其在阵元数比较多时,很难实时实现。本文提出了一种递推实现的快速对角加载算法,采用变对角加载方式,利用小于阵元数的快拍数对采样协方差矩阵进行降维,并结合Gram-Schmidt正交变换对处理后的数据矩阵进行逐次迭代的QR分解,进而实现每次快拍时权矢量的实时更新。计算机仿真验证了算法的有效性。