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。

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。

基于稀疏重构的共形阵列稳健自适应波束形成算法

针对共形阵列天线自适应波束形成中存在的通用性差、主瓣保形困难、计算复杂度高等问题,该文提出一种基于稀疏重构的稳健自适应波束形成算法。该算法通过引入渐进最小方差准则,实现了干扰加噪声协方差矩阵的稀疏重构,并得到期望方向上的导向矢量估计,进而求得波束形成器的最优权矢量。该算法无需复杂的子阵分解或虚拟映射变换,适用于任意阵列形状。仿真实验验证了该算法不仅保证了期望的主瓣响应,同时对指向误差有较好的稳健性。与现有算法相比,该算法所需采样快拍数少,计算复杂度低,收敛速度快,在较大的输入信噪比范围内达到了较好的阵列输出性能。

基于最坏情况下的稳健波束形成自适应方向图副瓣控制方法

针对最坏情况下性能优化的稳健自适应波束形成,提出一种自适应方向图的副瓣控制方法。该方法通过在副瓣任意区域设置多个二次不等式约束,对副瓣增益进行控制,从而可将方向图副瓣电平严格控制在期望值以下。该方法的优化模型可转化为凸二阶锥规划问题,利用内点法可有效求解实现。计算机仿真结果表明存在波束指向误差情况下,该方法既能获得指定的较低副瓣电平,又不带来干扰抑制性能的损失。

稳健自适应波束形成算法综述

稳健自适应波束形成技术是当前阵列信号处理的研究热点和难点,引起了国内外研究人员的极大关注,通过对当前的研究成果进行归纳和总结,对其研究现状和成果进行了详细而深入的综述。其中不仅对传统的稳健算法进行了分析,而且对近十年提出的具有严格理论基础的基于模约束和不确定集约束的稳健算法进行了分析。为了促进该技术的研究和发展,根据当前的研究现状和存在的问题,对其下一步的研究方向进行了展望。

稳健的二级嵌套阵列自适应波束形成算法

针对信号模型失配情形下的二级嵌套阵列波束形成问题,提出一种基于干扰-噪声协方差矩阵高效重构和半定规划的稳健自适应波束形成算法.该算法首先利用接收信号的对角增长曲线模型,并结合无需空域搜索的ESPRIT方法,精确重构虚拟阵列的干扰-噪声协方差矩阵;其次,利用干扰-噪声协方差矩阵和少量先验信息构造稳健自适应波束形成中的优化问题,有效减小了传统最小方差无失真响应波束形成器在非理想信号环境中的性能损失;最后,采用半定松弛方法得到该优化问题的近似表达形式,即半定规划问题,并借助凸优化工具包求解.仿真结果表明,在不同的输入信噪比和采样快拍数情形下,该算法与现有算法相比,具有更高的输出信干噪比.

基于协方差矩阵重构和导向矢量估计的稳健自适应波束形成

实际应用中,当假定的与真实的期望信号导向矢量之间存在一定误差时,波束形成器的性能会急剧下降,特别是当期望信号功率很强的时候.为解决这个问题,提出了一种新的算法.当信源数小于阵元数时,干扰加噪声协方差矩阵具有稀疏性.新方法首先利用该特性重构干扰加噪声协方差矩阵并由此得到与干扰导向矢量正交的子空间,使接收的数据通过该子空间得到只含有期望信号和噪声的混合信号,然后,对该混合信号基于最大化输出功率原理估计期望信号导向矢量,最后,把得到的导向矢量和正交子空间来构造阵列加权值.仿真结果表明:该算法分别在假定的期望信号导向矢量存在误差、期望信号很强和低快拍数时仍然具有良好的性能.

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MNC-FastICA算法的稳健自适应波束形成

针对导向向量失配的稳健自适应算法主要是基于导向向量不确定集约束,但是其约束参数往往难以确定,提出了基于修正的非圆复值快速不动点算法(MNC-FastICA)的波束形成方法,通过盲分离得到的分离矩阵来构造波束权向量,并对由此产生的信源幅相模糊进行校正。该方法不必预先估计信号来波方向,避免了传统方法中来波方向估计不准引起的期望信号的导向向量失配;对于阵列通道幅相误差导致的导向向量失配,该方法对其不敏感,不必对阵列进行校正。仿真实验与最差性能最佳化(WCPO)等经典方法作了性能对比,结果验证了该算法的有效性和稳健性。

基于幅度响应约束的稳健自适应宽带波束形成

针对信号方向失配会导致自适应波束形成算法的性能急剧下降这一问题,提出一种基于幅度响应约束的稳健自适应宽带波束形成方法。通过对阵列波束指向附近范围内的波束幅度响应施加约束来克服对信号方向失配的敏感性,并结合频率不变技术,使阵列波束图在主瓣区域内波束图近似保持频率不变特性,然后采用参考频率上幅度响应约束的优化方法来确定最优权值。仿真结果表明:与基于最差情况性能最优的稳健方法相比,该方法复杂度低,能灵活控制稳健的方位区域宽度和幅度响应抖动值,且不仅能有效地控制波束主瓣区域内信号的畸变,还改善了阵列输出的信干噪比,使其更接近最优值。

一种低复杂度的稳健自适应波束形成

针对目前多数稳健自适应波束形成方法计算复杂度高,在高信噪比时性能下降的问题,研究提出了一种低复杂度的稳健自适应波束形成方法,通过干扰区域空间谱积分重构干扰协方差矩阵,利用信号子空间的投影估计期望信号导向向量,降低计算量,提高稳健性。仿真实验表明,该算法能获得近似最优的输出信干噪比和更好的稳健性。

自适应宽带稳健波束形成及神经网络算法

针对被动跟踪系统中阵处理的要求 ,建立了自适应宽带稳健波束形成设计方法 ,用神经网络算法实现了自适应宽带波束形成 ,从理论上解决了自适应阵观察方向上的稳健设计问题 ,抛弃了自适应阵的时延补偿器 .将正则神经网络应用于自适应宽带波束形成 ,解决了阵处理中求二次约束解的非线性规划问题 ,并能在毫微秒时间内收敛 ,不仅保持了二次约束自适应波束形成的干扰抵消能力 ,而且克服了软约束带来的阵指向性两端上翘的现象 .所建立的阵处理器能抵消干扰达 40dB以上 ,工作带宽达到

基于二阶锥规划的MIMO雷达稳健自适应波束形成

针对MIMO雷达自适应波束形成中期望目标导向矢量的失配问题,提出了一种基于二阶锥规划(SOCP)的稳健自适应波束形成算法。该算法首先将1个MN维(M,N分别为发射和接收阵元数)的权矢量分解成2个低维(1个M维和1个N维)权矢量的Kronecker积,然后分别限制实际的目标发射导向矢量和目标接收导向矢量与假定的导向矢量之间的误差范数的边界,通过优化最差性能,利用SOCP求得分解后的2个权矢量,最后再合成原权矢量。通过降维处理,算法在保证波束形成器性能的基础上,有效地降低了运算复杂度。仿真结果验证了算法的有效性。

一种空域-极化域联合稳健自适应波束形成算法

为有效提高阵列对来波方向误差和极化参数误差的鲁棒性,提出一种空域-极化域联合稳健自适应波束形成算法,首先在每个干扰信号来波方向-极化角区间上重构干扰噪声协方差矩阵,然后在期望信号来波方向-极化角区间上估计其导向矢量,设计空域-极化域联合稳健波束加权。通过仿真实验可发现,所提算法对由来波方向角度误差和极化参数误差所引起的导向矢量失配具有很好的鲁棒性。

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。

近场散射环境下的稳健自适应波束形成

针对近场散射效应造成的导向矢量和阵元接收数据不匹配进而使得波束形成性能严重损失这一问题,提出一种新的基于导向矢量不确定集的稳健自适应波束形成算法,将近场散射信号加以利用,提高波束形成输出信噪比.该算法综合考虑了近场散射信号和远场直达波信号,将整体所属的大的不确定集划分成了两个小的分别用来描述远场和近场导向矢量的不确定集,通过参数矩阵变换后的凸优化联合估计出远场信号导向矢量和未知的近场散射系数.仿真实验证明了该算法的正确性和有效性.

协方差矩阵重构的稳健自适应波束形成算法

针对协方差矩阵含有期望信号成分以及波束指向角失配时,传统自适应波束形成器性能严重下降的问题,提出了协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域与信号区域,先利用Capon波束形成器对干扰区域积分,由此构造出干扰协方差矩阵。然后,利用标准Capon波束形成器的波束域MUSIC谱估计法对信号区域积分,重构出信号协方差矩阵,以其主特征向量作为期望信号导引向量估计。由于算法重构了干扰加噪声协方差矩阵并对导引向量进行了修正,保证了自适应波束形成器的性能。理论分析和仿真实验结果表明,算法在训练数据含有期望信号成分和波束指向角度失配情况下具有良好的性能。

基于投影对消处理技术的稳健自适应波束形成

针对传统自适应波束形成算法中目标波达方向(Direction of Arrival,DOA)估计不准确引起的波束形成性能下降问题,提出了一种采用投影对消矩阵的稳健自适应波束形成算法。首先,寻找与估计波达方向有最大相关性的特征矢量作为目标信号特征矢量,然后构建对消矩阵消除协方差矩阵中的信号分量,最后通过增加零点约束实现干扰抑制。与传统对角加载类稳健波束形成算法相比,所提算法不受对角加载因子的影响,且在信干噪比较大时仍然具有良好的抗干扰性能。仿真对比实验验证了所提算法的有效性。

基于协方差矩阵重构的稳健自适应波束形成算法

针对大角度失配和采样协方差矩阵中包含有期望信号时,传统自适应波束形成器性能极剧下降的问题,提出了基于协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域和期望信号区域,先利用标准Capon波束形成器及采样协方差矩阵的最小特征值对干扰加噪声协方差矩阵进行重构,再利用MUSIC谱估计法重构出信号协方差矩阵,以其主特征向量估计出期望信号导引向量,最终得到自适应波束形成器的最优权值。仿真实验结果表明,在少快拍和大角度失配情况下算法具有良好的性能。