一种稳健自适应多波束形成算法

在快拍数较少且多个输入期望信号功率差异较大的情况下,针对多数自适应多波束形成算法难以同时保持强弱期望信号波束稳健性的问题,文中联合子空间变换技术以及对角加载技术对协方差矩阵进行重构,提出了一种基于协方差矩阵重构的稳健自适应多波束形成算法。该算法不仅能够在快拍数较少且多个期望信号功率差异较大情况下同时保持各波束主波束无畸变,而且能够保持各波束零陷的稳健性。最后,通过波束图对比仿真实验分析验证了重构协方差矩阵对强弱期望信号波束主瓣与零陷稳健性的提升,并且通过输出信干噪比对比实验证明了文中提出的自适应多波束形成算法抗干扰性能更优。

基于深度展开ADMM网络的稳健自适应波束形成

阵列通道间的幅相误差导致导向矢量失配,会严重退化自适应波束形成的性能。现有稳健自适应波束形成(RAB)方法通过引入最差导向矢量失配误差约束或联合估计幅相误差和波束形成器权值矢量,以改善波束形成性能,但这些方法的计算复杂度高,且在有限快拍下性能有限。为此,文中在深度展开框架下提出一种基于交替方向乘子法(ADMM)的RAB网络,以快速实现幅相误差和干扰协方差矩阵的联合估计。首先,建立存在阵列通道幅相误差时的干扰信号稀疏表示模型;然后,根据基于ADMM的幅相误差和干扰稀疏表示系数联合估计算法,设计一种深度展开ADMM(DU-ADMM)网络,该网络的输入为接收到达的干扰信号,输出为幅相误差和干扰稀疏表示系数;最后,利用该网络的输出重构出干扰加噪声协方差矩阵,并生成稳健自适应波束形成器。仿真结果表明,DU-ADMM网络可在单快拍场景下实现RAB,且能够以较少的网络层数更精确地估计出幅相误差,有效降低了计算量,同时可获得更高的输出信干噪比。

基于小快拍场景的联合校正稳健波束形成算法

针对传统的自适应波束形成算法在目标导向矢量失配及接收数据的协方差矩阵存在误差时,性能急剧下降的问题,提出了一种基于小快拍场景的联合协方差矩阵重构,及导向矢量优化的稳健波束形成算法。对不确定集约束求解得到干扰导向矢量,根据稀疏干扰来向的导向矢量近似正交,求出干扰导向矢量对应的干扰功率,从而完成协方差矩阵重构;对期望信号来向及其邻域进行权值求解,对加权后的数据特征分解,利用多信号分类(Multiple Signal Classification, MUSIC)谱估计算法对信号区域积分得到信号协方差矩阵,将其主特征值近似为期望信号的导向矢量完成重新估计。仿真结果表明,在无误差时,算法输出信干噪比(Signal to Interference Plus Noise Ratio, SINR)接近理论最优;在多种误差环境下输出性能随信噪比(Signal to Noise Ratio, SNR)的变化均具有较好的稳健性,并且在信号来向可精准形成波束;在小快拍时可以较快收敛至理论最优值。

基于海试数据的水声信号自适应波束形成方法性能分析

为了更好验证自适应波束形成技术的实际应用,本文研究了基于海试数据的不同自适应波束形成方法的性能,对比分析CBF算法、MVDR算法、MUSIC算法的优缺点,总结了各算法适用条件及实用性。研究结果表明,在声呐的实际应用中,CBF算法更适用于实时性要求较高、目标数量较少的方位探测;MUSIC算法更适用于实时性要求不高、目标数量较多、目标数量已知的方位探测;MVDR算法更适用于实时性要求不高、目标数量较多、目标数量未知的方位探测。

稳健的特征空间基变换自适应波束形成

针对现有自适应波束形成器在阵元位置误差、幅相误差以及信号来波方向误差耦合时干扰抑制能力下降的问题,提出了一种稳健的基于特征空间基变换的自适应波束形成算法。首先,对导向向量中阵元位置误差、幅相误差以及信号来波方向误差的影响进行了建模;然后,通过利用真实信号子空间与导向矢量张成空间相同的特性,引入子空间距离的概念量化两个子空间相似程度,并构建出一个最小化空间距离的多维非线性优化问题;在此基础上,结合遗传算法与拟牛顿法的特点形成一种混合优化策略,在解除最优化问题后,得到信号子空间的一组非正交基;最后,将估计的信号子空间与噪声子空间组合为特征空间,通过对特征空间进行基变换提取出准确的干扰加噪声协方差矩阵,并对期望信号导向向量进行了修正。数值仿真结果表明:所提混合优化算法随着迭代数提高能够显著降低子空间距离,迭代数达到100次时,能够将子空间距离降低至1以下;在信号来波方向误差、阵元位置误差以及幅相误差同时存在,且输入信噪比为10 dB的情况下,所提算法的输出信干噪比与现有方法相比提高约14 dB。

一种非平滑相干干扰鲁棒的自适应波束形成器

针对文献报道的鲁棒自适应波束形成(robust adaptive beamforming,RAB)算法,分析了在存在相干干扰时其性能严重下降甚至失效的原因:通过将接收信号协方差矩阵分解为阵列流形矩阵左和共轭右乘一个矩阵P的描述形式,在存在相干干扰时,P为非对角阵,其非对角元素表征了信号与干扰间的互相关,该成分造成了RAB算法的失效;另表明:快拍数有限可视为特殊的相干干扰情况。为此,提出了一种构建P为对角阵的协方差矩阵拟合方法;并据拟合的协方差矩阵,给出了对非平滑相干干扰RAB方法。仿真验证了分析的有效性,所提方法在相干干扰时仍能实现非相干干扰时的性能,且收敛速度优于报道方法。

复杂干扰场景下的稳健自适应波束形成

针对复杂电磁环境中最小方差无畸变响应及干扰加噪声协方差矩阵重构波束形成器输出信干噪比下降的问题,本文基于均匀圆阵(uniform circular array,UCA)提出了一种适用于该场景的稳健自适应波束形成算法。所提算法利用稀疏重构技术得到的谱函数构造和改进干扰抑制矩阵,使其在干扰方位产生宽零陷,提高了算法的稳定性。考虑到UCA存在副瓣电平高及空间非均匀采样问题,利用二阶约束优化准则抑制UCA副瓣,使得所提算法在抑制干扰的同时具有较低的波束副瓣。当UCA半径选择合适时,所提算法的性能与最优波束形成器接近,仿真验证了所提算法的有效性。

基于原子范数最小化的稀疏阵列稳健波束形成算法

为提高稀疏阵列在信号模型存在失配时的波束形成性能,提出一种基于原子范数最小化(Atomic Norm Minimization,ANM)的稳健波束形成算法。构建基于ANM的降噪问题模型,根据稀疏阵列的协方差矩阵结构将其转化为等价的半定规划问题,同时推导该问题的对偶问题以提高运行效率,求解得到阵列降噪后的接收数据和协方差矩阵。根据互质阵列的结构特性证明其空间谱的无模糊性,对所得的协方差矩阵直接使用多重信号分类算法获得入射信号的波达方向。利用虚拟填充技术得到与互质阵列孔径相同的均匀线性阵列的接收数据,最终获得阵列输出。通过计算机仿真实验,验证了所提算法的可行性和准确性,较其他被测算法输出的信干噪比至少提高1.5 dB。

基于卷积神经网络的自适应波束形成

提出一种基于卷积神经网络的自适应波束形成方法,旨在通过自适应调整接收波束方向以提高通道中信号的信噪比。采用同时多波束接收信号的概念,对阵列天线接收信号以不同的相位加权并相加,即依据自适应多波束形成多通道接收。利用神经网络的非线性处理能力,在阵列接收不同来波方向信号时可以对其实现自适应波束形成。使用波束形成方式设计标签,通过比较输出信号的信噪比相对于输入信号信噪比的增益以评价该方法的有效性。仿真有效提高了信号的信噪比,接收阵列可以同时接收多个波束信号并按各输入信号的入射角度不同在不同的通道输出对应信号。

大规模阵列Kronecker稳健波束形成器

针对大规模阵列对样本需求量大、计算复杂度高的问题,提出一种应用于大规模阵列的Kronecker自适应稳健波束形成器。首先,将期望信号导向矢量分解成两个导向矢量的Kronecker乘积,将原始导向矢量的失配问题转化为两个低维导向矢量的失配问题;然后,基于最坏情况性能最优原理建立双二次代价函数,并利用双迭代算法求解该代价函数,每次迭代过程只需求解两个低维的二阶锥规划问题。理论分析和仿真实验结果表明,与传统全维稳健算法相比,所提方法能够有效降低计算复杂度和样本需求量,与现有的降维稳健算法相比,由于具有更多自由度,所提方法具有更高的输出信干噪比。

基于改进广义线性组合的稳健波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵估计存在误差情况下,出现波束形成性能下降的问题,提出一种基于改进广义线性组合的自适应稳健波束形成算法。该算法首先对接收信号作奇异谱分解进行降噪,然后构造与接收信号快拍数相关的对角加载系数函数,结合降噪处理后的数据构造广义对角加载协方差矩阵,最后基于空域积分和子空间投影思想,估计期望信号的实际导向矢量,并结合新生成协方差矩阵进行波束形成。仿真分析结果表明,在存在期望信号角度估计失准导致导向矢量失配,以及样本数较少造成协方差矩阵估计存在误差时,所提算法能保持较好的输出信干噪比,验证了该算法的稳健性。

基于遗传模拟退火算法的子阵级自适应波束形成

在阵列天线信号处理中,采用子阵级自适应波束形成技术可以降低算法复杂度和系统成本。针对子阵级自适应波束形成中最优子阵划分问题,提出了一种基于遗传模拟退火算法的阵列天线子阵最优划分方法。通过线性约束最小方差算法计算不同子阵划分下的自适应权矢量,形成自适应天线方向图,以方向图的最大旁瓣电平比作为成本函数,迭代优化得到最大旁瓣电平最优的子阵划分形式。仿真结果表明,使用该方法得到的非均匀子阵划分阵列天线其自适应方向图最大旁瓣电平能降低至-19 dB。通过对比分析不同子阵划分形式以及不同规模阵面的自适应方向图验证了该方法的可行性与有效性。

基于自适应波束形成技术的相邻目标生命体征检测

基于雷达传感器的非接触式生命体征检测作为一种新型生物医学传感技术在近十几年获得了迅猛的发展。现有的大部分生命体征检测工作受限于雷达体制或者分辨率,无法分离出检测场景中多个位于同一距离、同一波束相邻目标的生命体征信号。针对相邻目标生命体征检测的需求,提出了一种基于自适应波束形成的算法,来实现相邻目标生命体征信号的同时检测。利用自适应波束形成算法生成指向待测受试者的波束,同时在相邻干扰受试者所在角度处生成零陷,实现相邻目标的生命体征检测。实验结果表明,利用本文提出方法能够成功分离出同一距离上的相邻受试者的生命体征信号。

基于自适应波束形成的水下运动源辐射噪声测量方法

提出了一种约束测量精度的同时提供最大抑制干扰的自适应波束形成方法。采用水听器阵列接收测量信号,约束由声场格林函数得到的阵列合成信号与单个阵元接收信号的误差,根据获取最大阵列增益的准则设计阵列的最佳权系数,并利用二阶锥优化求解权系数,从而得到约束测量精度下的最大化干扰抑制自适应波束形成器。计算机仿真结果表明,该方法在低信噪比条件下保证较高的噪声测量精度的同时,可以有效提高水下运动声源辐射噪声的处理增益。

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。

稳健自适应波束形成算法综述

标准Capon波束形成器(SCB)通过最小化波束输出功率,同时约束期望信号无失真输出以达到最大化输出信干噪比,但标准Capon波束对模型失配误差非常敏感,如来波方向估计误差、阵列扰动、目标运动等因素引起导向矢量误差,短快拍数据会引起协方差矩阵估计不准确。这些失配会引起波束形成输出信干噪比性能下降。为了提高Capon波束形成算法的鲁棒性,提出诸多稳健自适应波束形成算法,主要解决方案是对期望信号导向矢量和干扰加噪声的协方差矩阵进行修正。介绍标准Capon波束形成的信号模型及误差对其输出信干噪比的影响;从影响自适应波束形成性能的两个因素即协方差矩阵和期望信号导向矢量,对稳健自适应波束形成典型算法进行综述;对几种典型稳健自适应波束形成算法进行了仿真实验,结果表明所提算法的有效性,并对研究方向进行了展望。

阵元位置互质的线性阵列:阵列校正和波束形成

该文研究了阵元位置互质的线性阵列(CLA)的阵列校正和波束形成问题。在假设CLA天线单元部分校准的条件下,基于同时干扰定位与阵列校正(SILAC)技术,设计了一种适用于CLA的阵列校正和波束形成方法:CLA-SILAC-INCM算法。从理论上分析证明了,当CLA中包含有L_c≥3个完全校准的天线单元,使用SILAC技术可以高精度无模糊地实现干扰源角度和阵列天线幅相误差估计,并在此基础上完成干扰噪声协方差矩阵(INCM)重建和波束形成最优权向量构造。通过仿真实验验证了,提出的CLA-SILAC-INCM算法具有比其他常用算法更好的性能,尤其是信噪比接近干噪比时,CLA-SILAC-INCM算法的优势更为明显。

基于波束域导向矢量估计的稳健自适应波束形成方法

针对导向矢量失配和样本协方差矩阵估计误差导致自适应波束形成性能下降的问题,该文提出一种基于波束域导向矢量估计的稳健方法。该方法首先利用期望信号角度失配区域的补集构造波束域转换矩阵,克服了当样本协方差矩阵中存在期望信号分量时现有算法出现有用信号对消的缺点。其次推导出波束域导向矢量估计方法,并将其转化为包含恒模约束的非凸二次约束二次规划问题,然后采用半正定松弛规划估计实际的波束域导向矢量。计算机仿真验证了该文所提方法的有效性。

一种在主瓣干扰条件下稳健的自适应波束形成方法

在自适应波束形成技术抑制干扰问题中 ,当存在主瓣干扰时 ,便暴露出两个缺陷 :一是副瓣电平增高 ;二是主波束变形且峰值偏移。提出了一种先在数据域实施干扰相消预处理 ,再进行自适应波束形成的解决方法 ,该方法在抑制主瓣干扰的同时 ,有效地解决了副瓣电平增高、主波束变形及偏移的难题。仿真结果证明了该方法的有效性。

一种低快拍情况下的稳健自适应波束形成算法

针对低快拍情况下自适应波束形成器性能急剧下降的问题,提出一种基于联合协方差矩阵修正和导向矢量估计的稳健自适应波束形成算法.该算法先对协方差矩阵进行修正,再用修正的协方差矩阵估计最优导向矢量,最后利用修正的协方差矩阵和估计的最优导向矢量计算自适应波束形成器的加权矢量.该算法不仅能有效地处理各种失配,还能解决自适应波束形成器在低快拍情况下性能急剧下降的问题,提高了自适应波束形成器的稳健性.计算机仿真验证了所提算法的正确性和有效性.