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。

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。

基于ADMM的Farrow结构宽带波束形成器鲁棒设计

针对经典滤波求和结构波束形成方法在目标声源位置变化且存在失配误差的实际场景中不适用的问题提出了Farrow结构波束形成器模型,并通过对白噪声增益进行约束实现了鲁棒设计。为进一步改进Farrow结构宽带波束形成器鲁棒设计规模大、耗时高的不足,提出采用交替方向乘子法进行迭代优化求解。仿真结果表明,所提设计方法能够实现指向实时可调并具备一定的抗干扰能力,相较于使用传统的CVX工具箱求解,该方法可以在保证良好空域滤波效果的同时有效提高运算效率。

一种基于周期平稳的鲁棒盲神经网络波束形成器

本文提出了一种鲁棒的盲神经网络波束形成算法。该算法利用信号的周期平稳特性估计阵列的导引矢量,利用LCMV方法抑制噪声干扰,利用对角加载技术增强算法的鲁棒性,利用神经网络的网状计算结构特点便于其实现。理论分析和计算机仿真表明,该算法实现简单,鲁棒性强,易于实时应用。

转弯畸变拖曳阵声呐鲁棒Capon波束形成方法

针对柔性拖曳阵转弯机动过程,在积累时间内阵形变化导致自适应波束形成性能下降的问题,该文提出一种基于时变阵形聚焦和降维处理的低复杂度鲁棒波束形成方法。首先,基于阵列Water-Pulley模型估计时变阵形,以基准阵形为参考采用预成导向方法对阵形进行聚焦,消除数据中阵形模型偏差;然后,以阵形聚焦后数据协方差矩阵的共轭梯度方向矢量构成降维矩阵,构造大孔径阵列降维鲁棒Capon波束形成器。仿真结果表明:所提方法能够提高转弯机动拖曳阵波束形成输出信号-干扰噪声比(SINR)。海试验证表明:该方法能够提高测向空间谱上目标输出信噪比,提高大孔径阵列机动状态下对弱目标检测能力,同时能区分目标左右舷。

最坏情况下的鲁棒自适应波束形成算法性能分析

研究了最坏情况下的鲁棒自适应波束形成算法,它通过对角加载提高波束对方向矢量误差的鲁棒性.给出了其最优对角加载因子的近似解析达式,揭示了各种因素如何影响最优加载因子.在此基础上,对该算法进行了性能分析,推导出了关于目标功率估计和信号干扰噪声比的近似表达式.计算机仿真验证了本文的分析.

鲁棒约束恒模自适应波束形成算法

线性约束恒模算法能够有效克服恒模算法中存在的干扰捕获问题,但在信号方向向量存在偏差的情况下,其性能将会受到影响.针对上述问题,本文提出了鲁棒约束恒模自适应算法并对其性能进行了分析.该算法收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,改善了系统的输出信干噪比.仿真实验表明,与线性约束恒模算法相比,鲁棒约束恒模算法具有很好的性能.

一种具有双重鲁棒性的自适应波束形成算法

提出了一种具有双重鲁棒性的自适应波束形成算法,以克服有限采样效应和方向矢量误差引起的波束性能下降。该算法使用对角加载提高鲁棒性,并通过协方差矩阵拟合和优化最坏情况下的波束性能确定对角加载因子。在此基础上,本文得出了最优加载因子的近似表达式,揭示了哪些因素可以影响最优加载因子,以及如何影响。和该领域现有的其他算法相比,本算法运算量更低,具有更好的鲁棒性。计算机仿真对该算法进行了验证。

基于空间平滑差分的鲁棒自适应波束形成

针对当采样协方差矩阵中包含期望信号时,模型失配会使MVDR自适应波束形成算法性能大幅下降的问题,本文提出一种基于空间平滑差分算法(SSDA)的鲁棒自适应波束形成算法。该算法首先通过空间平滑差分算法获得源数目先验知识,再对MVDR空间功率谱进行波峰搜索得到期望信号,最后再从采样协方差矩阵中去除期望信号协方差矩阵。仿真结果表明,在高信噪比输入的情况下,改进后的算法在去除期望信号后其输出信干噪比有了很大提升,比MVDR算法提高了2~3倍。

一种基于Bayesian方法的鲁棒自适应波束形成算法

由于在实际环境中,期望信号的阵列响应与实际阵列响应之间存在偏差,使得现存的一些自适应波束形成算法的性能下降.针对上述问题,基于Bayesian方法提出了鲁棒自适应波束形成算法,并且给出其递推形式.该算法利用接收到的采样信号对实际信号方向向量进行估计,降低了信号到来方向的不确定性,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证输出阵列的信干噪比接近最优值.采用递推方法来计算逆矩阵,大大地降低了计算的复杂度,能够满足实时处理的要求.仿真实验表明,与传统自适应波束形成算法相比,所提鲁棒自适应波束形成算法具有更好的性能.

基于可变对角载入的鲁棒自适应波束形成算法

针对传统算法对方向向量偏差敏感的缺点,提出了一种基于可变对角载入的鲁棒自适应波束形成算法。为了提高算法的鲁棒性,采用非线性约束条件下的最优化阵列输出功率对信号方向向量进行优化求解,且优化解中的参量能够准确求出。为了减少计算量,采用递推算法求逆矩阵并利用泰勒级数展开,推导出基于可变对角载入的权重向量公式。该算法可有效地抑制方向向量偏差所带来的影响,降低了计算量易于实时实现,提高了系统的鲁棒性,改善了阵列输出的信干噪比,使其更接近最优值。仿真结果表明,该算法相对传统算法可以获得更好的性能。

一种基于次元分析技术的鲁棒波束形成算法

针对实际应用中先验知识存在偏差的问题,基于权向量长度恒定的常规线性约束波束形成算法,提出一种权向量长度恒定的最差情况性能优化波束形成算法.分析了神经次元分析(MCA)学习规则与该波束形成优化问题在数学描述上的相似性,利用神经MCA学习规则实现鲁棒自适应波束形成.仿真结果表明,与基于线性约束的波束形成算法相比,该算法具有更强的信号跟踪能力和干扰抑制能力,并且对信号方向向量的偏差具有更强的鲁棒性.

多维线性约束鲁棒自适应特征波束形成算法

以镶嵌在刚性圆柱体上的均匀圆阵为阵列模型,研究了一种鲁棒自适应特征波束形成算法。在分析了特征波束形成技术的基础上,将阵列优化问题描述为多维线性约束下的波束优化问题,进而在约束矩阵的正交线性子空间求解最优化问题,在满足鲁棒性约束条件下自适应地得到了阵列最优权向量,进而获得了与期望波束图较为一致的波束图,并分析了在满足鲁棒性约束条件下最大特征波束阶次的选择以及算法的收敛性。该算法具有收敛速度快、迭代误差不会累积的特点。计算机仿真验证了算法的有效性。

四元数域主特征空间投影鲁棒自适应波束形成

针对常规四元数域波束形成器在模型误差条件下的性能退化问题,提出基于拉伸三极子双平行阵列的四元数域主特征空间投影鲁棒自适应波束形成方法.相比现有四元数域最劣态最优化鲁棒波束形成器,该方法无需求解具有高计算复杂度的凸优化问题,且不涉及用户参数的优化设置,更易于实现.仿真结果表明,所提出的波束形成器可有效克服信号相消问题,能够以较低的计算成本获取优于四元数域最劣态最优化鲁棒自适应波束形成器的性能,且其优势在高信噪比和短快拍条件下尤为显著.

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。

四元数域宽带鲁棒自适应波束形成

该文提出一种基于四元数的宽带鲁棒自适应波束形成方法。在利用四元数构造阵元输出的基础上,通过期望信号复包络对齐技术,建立四元数域宽带对合增广宽线性信号模型,以联合利用四元数阵列输出矢量的3种对合信息和2阶统计特性以及信号非圆信息,采用信号加干扰子空间投影方式,有效提取期望信号,抑制多个不相关干扰和噪声,进而实现四元数域宽带鲁棒自适应波束形成。同其它宽带波束形成方法相比,该方法对非圆信号的接收性能提升,可以实现阵列虚拟孔径扩展,有效克服指向误差带来的性能下降问题。计算机仿真结果验证了该方法的性能。

一种基于协方差矩阵重构的鲁棒波束形成方法

针对鲁棒Capon波束形成算法中采用牛顿迭代求解对角加载因子时,运算量大且算法旁瓣增益高的问题,提出了一种改进的稳健波束形成算法。首先对干扰协方差矩阵进行重构,然后将重构的协方差矩阵投影到噪声子空间,使期望信号导向矢量在噪声子空间投影最优,最后精确求解对角加载因子。该方法的运算量低于RCB算法中牛顿迭代和最差性能最优(WCPO)算法中凸规划运算,并且提高了加载因子的计算精度。实际仿真结果表明,改进算法有效克服了信号方向估计误差,具有更低且稳定的旁瓣增益,输出信干噪比性能优于现有其他方法。

不确定权值下的鲁棒波束形成算法

提出了一种不确定权值下的鲁棒波束形成算法(robust beamforming algorithm with uncertainweights,RBAWUW),与以往文献中对阵列导向矢量的不确定性进行约束的方法不同,该算法是通过对权值附加一个球形或椭球形不确定集约束推导出来的。在这种新的约束下,RBAWUW算法能获得比传统鲁棒Capon波束形成器(robust Capon beamformer,RCB)更高的输出信干噪比(singal-to-noise-plus-interference ratio,SINR),而且新算法与标准Capon波束形成算法的计算效率几乎相同。理论分析和仿真结果均表明,RBAWUW算法是切实可行的。

考虑硬件损伤和非理想信道的鲁棒多小区多用户协同波束形成技术

为提高多小区多用户下行链路波束形成设计对两种非理想因素收发机损耗和信道不确定性的鲁棒性,该文针对两个包含非理想条件约束的优化问题提出了两种优化算法,通过逐步释放非凸约束,将原始的鲁棒性非凸优化问题转换成相对容易求解的等效问题。最后用凸优化工具对其进行了高效的求解,并与现有的算法进行对比。数值仿真结果表明,同时考虑两种非理想因素的两种算法比传统的算法能获得更好的平均信干噪比和最差信干噪比。

约束同时扰动随机逼近的鲁棒自适应波束形成

为有效克服导向矢量失配误差对自适应波束形成器的影响,提出了一种基于约束同时扰动随机逼近算法的鲁棒自适应波束形成算法。该算法对波束形成器的幅度响应进行约束,运用约束同时扰动随机逼近算法对权矢量进行优化,算法只需要对阵列输出功率进行测量,无需知道接收数据协方差矩阵,可适用于低成本的单通道接收系统。此外,该算法能很好地处理非凸的优化问题,无需将其转化为凸优化问题,能够自由控制鲁棒响应区的波束宽度和纹波水平,理论上可适用于任意阵型。仿真结果验证了算法的正确性和有效性。