一种新的盲波束形成器建模与仿真研究

提出了一种新的基于高阶累积量和神经网络的盲波束形成器,并对其进行了建模与仿真研究。该波束形成器应用高阶累积量对期望信号的方向向量进行估计,采用线性规划神经网络实现盲波束形成,不但减少了对阵列流形的依赖,具有较好的容差性,而且能有效避免矩阵求逆运算,减小了运算量,易于用硬件实时实现。仿真实验验证了该波束形成器模型的有效性和正确性。

一种易于电路实现的鲁棒盲神经网络波束形成器

绝大多数通讯信号都具有周期平稳信号特性。利用信号的周期平稳特性可以进行真正的盲自适应波束形成，因而受到了广泛关注。鲁棒ＣＡＢ（Ｒ－ＣＡＢ）算法就是其中的一种，但其中涉及矩阵求逆，运算量很大。波束形成属于多维信号处理问题，阵列中阵元数的增加导致运算量成几何级数增加。文中提出了一种盲神经网络波束形成算法。由于神经网络具有网状计算结构的特点，故该方法不仅避免了矩阵求逆运算，同时更便于实时实现。该方法还利用对角加载技术，从而加快了收敛速度，保证了算法的鲁棒性。仿真实验表明其性能优越。

一种新的被动水声探测盲自适应波束形成器

提出了一种适合拖曳线列阵鱼雷自导系统的新的被动水声探测盲自适应波束形成器。介绍了该方法的设计思路和推导原理,然后通过计算机仿真验证了该方法的收敛性,并在不同信噪比、快拍数条件下与单独使用自适应MVDR波束形成器在角度估计方面做了对比,与单独使用盲源分离算法在源信号估计方面作了比较。最后证明该方法是一种稳健的、对信噪比变化不敏感的适合被动水声探测的新方法。