基于Householder多级维纳滤波器的全联通WSN分布式LCMV波束形成器方法

针对减少分布式LCMV波束形成器在全联通WSN中的计算量问题,提出基于Householder多级维纳滤波器(HMSWF)的分布式LCMV波束形成器方法.该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能.另外,还可以在递推过程中进行合理截断处理来进一步降低运算量.计算机仿真结果验证了算法的优良性能.

基于GSC结构的波束形成器的互耦校正

广义旁瓣对消器(GSC)是线性约束最小方差波束形成器的等效结构。但由于实际互耦误差的影响,GSC的支路会出现期望信号泄漏,导致此波束形成器不能正常工作。文中基于一种新定义的互感矩阵,对阵元之间的互耦进行精确的量化和分析,提出了一种GSC波束形成器的互耦补偿方法。该方法通过修改GSC的参数,解决了期望信号相消的问题。仿真试验表明,该方法能精确的校正阵列天线阵元间的互耦效应,使GSC波束形成器对互耦误差具有稳健性。

改进的树型WSN分布式LCMV波束形成方法

针对减少树型无线传感器网络(wireless sensor network,WSN)中分布式线性约束最小方差(linearly constrained minimum variance,LCMV)波束形成器计算量问题,提出基于Householder多级维纳滤波器(Householder multistage Wiener filter,HMSWF)的分布式LCMV波束形成器方法。该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能。计算机仿真结果验证了算法的优良性能。

一种简化的鲁棒波束形成算法

在阵列导向矢量不存在误差的条件下,传统的最小方差波束形成器(MVB)具有良好的分辨精度和抗干扰能力.然而,MVB算法的主要问题在于不具有鲁棒性,不能克服未知导向矢量误差的影响.因此对角加载以及相应的扩展算法已经成为一种提高MVB算法鲁棒性的常用方法.该文对基于椭球形导向矢量不确定集的鲁棒MVB算法进行了简化,该简化算法是在对导向矢量附加一个球形不确定集约束的条件下推导出来的,具有较低的计算复杂度和更高的数字稳定性.仿真结果表明,在导向矢量误差存在的情况下该算法是有效的.

基于LCMV线性约束的自适应方向图控制

该文提出一种基于线性最小方差约束(LCMV)的自适应方向图控制方法,在约束条件中增加了对静态方向图的拟合条件,可以在自适应抗干扰的同时形成期望副瓣形状,分析了小快拍条件下自适应方向图副瓣起伏机理,并把对角加载与本方法结合,极大改善了副瓣收敛速度,并在小快拍时就能有较好的性能。随后的计算机仿真证明了本文方法的有效性。

基于SD-LCMV算法的FDA平台外干扰抑制

针对频率分集阵列(FDA)接收机在抑制与目标位置接近的平台外干扰过程中,最小方差无失真响应(MVDR)波束形成器在阵元数较大、导向矢量失配情况下出现的主瓣畸变问题展开分析。在采用重叠正弦频率分集阵列接收结构代替一维均匀线性频率分集阵列(ULA-FDA)接收的基础上,通过可变加载约束的最速下降线性约束最小方差(SD-LCMV)准则求解导向矢量失配时的权矢量,实现对阵列方向图主瓣的有效纠偏和保形。仿真验证了采用正弦频控函数的重叠子阵FDA阵列具有最佳的主瓣宽度和低旁瓣特性。当存在2°的指向误差时,正弦频控函数的重叠子阵FDA阵列经导向矢量修正得到的阵列方向图在有效抑制干扰的同时能够实现主瓣的纠偏和保形。