一种联合修正的稳健Capon波束形成算法

Capon波束形成算法在导向矢量失配与协方差矩阵中含有期望信号的情况下输出信号干扰噪声比(SINR)会大幅下降。针对这一现象,提出一种联合修正的稳健Capon波束形成算法。基于导向矢量与噪声空间的正交性,对估计的期望信号导向矢量进行修正。再基于对残余噪声消除和对干扰功率的估计构造投影矩阵,消除接收信号中的期望信号,修正协方差矩阵。结果表明,该算法相较于其他算法有较高的输出信干噪比,对于导向矢量失配不敏感,具有较高的稳健性。

基于不确定集的稳健Capon波束形成算法性能分析

该文针对常规Capon波束形成易受期望信号导向矢量失配影响,研究了基于导向矢量误差不确定集的稳健Capon自适应波束形成算法。推导出期望信号导向矢量属于球形不确定集时的自适应权矢量近似闭式解,并由此进行性能评估,得到目标功率估计和输出信号干扰噪声比的近似表达式,从而明确了各种因素对性能的影响关系。计算机仿真结果证明了该文分析的合理性。

一种加权稀疏约束稳健Capon波束形成方法

为了克服标准Capon波束形成器旁瓣级高以及存在角度失配时性能急剧下降等缺点,在稀疏约束Capon波束形成器的基础上,提出了一种加权稀疏约束Capon波束形成器.该方法利用波束响应的稀疏分布特性,在标准Capon波束形成优化模型中加入旁瓣区域波束响应稀疏约束(?1范数约束),使旁瓣区域波束响应向量中非零元素的个数最小化;通过阵列采样数据协方差矩阵特征分解得到信号子空间及噪声子空间,利用信号子空间与噪声子空间的正交特性,构造加权矩阵对稀疏约束进行加权,使得稀疏重构时波束响应向量中不同角度对应的元素得到不同程度的约束.该方法有效地抑制了Capon波束形成器的高旁瓣级,加深了干扰方位零陷,提高了阵列输出信干噪比.由于稀疏约束,波束响应向主瓣集中,期望信号方向附近的波束响应都较大,从而也提高了阵列抗导向矢量角度失配的能力.数值仿真和水池实验验证了所提方法的有效性.

改进的双约束稳健Capon波束形成算法

传统双约束稳健Capon波束形成算法采用牛顿迭代法求解最优加载量,存在计算精度低且运算量大的问题。该文提出一种改进的双约束稳健Capon波束形成(DCRCB)算法,该算法对信号协方差矩阵进行重构,基于期望信号导向矢量在噪声子空间的投影最优,将重构后的干扰加噪声协方差矩阵投影到噪声子空间,得到基于噪声子空间的双约束算法模型。该算法中通过模约束的辅助约束作用,将改进的双约束算法模型转化为单约束问题,最终解得最优对角加载量的解析表达式。仿真结果表明改进算法能通过调整主瓣宽度优化波束旁瓣,有效提高了抗矢量偏差的鲁棒性,同时降低了运算量。

基于模约束的稳健Capon波束形成算法

针对Capon波束形成器在导向矢量失配存在时的较差指向性能,利用模约束来提高算法的稳健性.详细分析了模不等式约束Capon波束形成器(NICCB)解的存在情况,给出了NICCB中模不等式约束参数的选择范围.由于模等式约束远远强于不等式约束,所以模等式约束Capon波束形成器(NECCB)的稳健性要远远优于NICCB,故提出NECCB并进行了有效的求解.仿真分析验证了理论分析的正确性,当模约束参数在允许的范围内选择时,最优NICCB和NECCB的波束指向性能变化不是很明显,但是NECCB的性能要明显优于NICCB.

一种新的稳健Capon波束形成算法

针对常规Capon波束形成算法在期望信号导向矢量失配情况下性能的急剧下降,研究了一种新的基于导向矢量不确定集的稳健Capon波束形成算法。该算法通过对阵列接受信号的相关矩阵进行特征分解获得噪声子空间,使期望信号导向矢量在噪声子空间的投影最优。并且利用特征向量的结构特性推导出了最优对角加载量的解析表达式。仿真结果表明了理论分析的正确性和算法的有效性。

最差性能最优的稳健宽带Capon波束形成算法

针对常规Capon波束形成易受期望信号导向矢量失配的影响,提出了一种基于广义特征值分解的稳健宽带Capon波束形成算法。算法利用空间响应偏差约束实现宽带频率不变波束形成,同时增加期望信号导向矢量的不确定集约束,改善了算法对导向矢量偏差的稳健性,推导出自适应权矢量的两类近似闭式解。仿真结果表明,与现有的稳健宽带波束形成算法相比,算法在改善波束频响一致性的同时,提高了阵列输出信干噪比,对期望信号导向矢量的误差具有很好的稳健性。

导向矢量不确定集约束的稳健Capon波束形成算法

针对Capon波束形成算法在导向矢量不确定集约束下的求解问题,提出了新的求解方法.通过对稳健算法最优化问题的特点和求解过程进行分析,给出了新的求解结果,不仅使不确定集约束参数的选择更加简单,同时使波束形成算法的性能改善达到最优.而且得出了负加载可以获得最优的性能改善,而约束参数选择得越大,波束形成算法的性能越接近于最优,而零解可以通过合理选择约束参数进行有效地避免.最后的仿真分析验证了理论分析的正确性和算法的有效性.

基于干扰噪声矩阵估计的稳健Capon波束形成算法

针对常规Capon波束形成算法在期望信号导向矢量不匹配时性能下降,研究了一种基于干扰噪声协方差矩阵估计的稳健波束形成算法。干扰噪声协方差矩阵估计分为干扰信号部分及噪声信号部分,干扰信号部分由干扰信号功率及其导向矢量获得。当噪声为高斯白噪声时,将接收信号协方差矩阵的小特征值求均值,得到噪声信号功率,进而估计出噪声信号部分。将期望信号导向矢量在噪声子空间投影取得最优值,就能获取更为精确的导向矢量。仿真结果表明,阵列能够正确指向期望信号且具有较高的输出信干噪比。

基于矩阵平滑改进的稳健Capon波束形成的功率估计

回顾了对角加载波束形成的研究历程,提出了一种改进稳健Capon波束形成(RCB)算法。该方法在计算过程中,加入了矩阵平滑及将加权向量向信干子空间投影的步骤,提高了对相干信号的分辨能力以及低信噪比条件下信号功率的估计能力。仿真结果表明该方法能够分辨相干信号,功率估计较为准确,并且在输入信噪比为-10dB的时候,降低旁瓣15dB～20dB;当信源估计个数大于实际个数的时候依然有效。

双约束稳健Capon波束形成算法的分析与求解

针对Capon波束形成算法在导向矢量的不确定集和模约束下的求解问题,提出了新的分析和求解方法。通过对最优化问题进行深入分析,发现不确定集约束决定该算法的性能,而模约束只是起辅助约束作用,因此可以通过对不确定集约束Capon波束形成算法的解进行标量化处理,使其满足模约束而获得该算法的最优解。所提出方法不仅使得不确定集约束参数的选择更加简单,同时使得波束形成算法的性能改善达到最优。发现不确定集约束参数选择得越大,算法的性能改善越接近于最优,而此时对应于负加载。仿真分析验证了方法的正确性和有效性。

基于稳健Capon波束形成的合成孔径超声成像算法

为降低合成孔径聚焦(SAF)波束的主瓣宽度和旁瓣幅度,提高超声成像算法稳健性以及成像的分辨率和对比度,提出了基于特征空间稳健Capon波束形成的合成孔径超声成像算法。该算法在最小方差(MV)原则下,利用Toeplitz性质实现干扰-噪声协方差矩阵重构,使其保持非奇异;利用特征空间中信号子空间和椭圆型约束集,约束导向矢量误差;通过拉格朗日数乘法和二分法求得最优权向量,利用最优权向量对回波数据进行加权处理、成像。仿真结果表明:该算法得到的超声图像在抗干扰、对比度及分辨率方面表现更优,有效提高了超声图像的质量。

改进的稳健Capon波束形成算法性能分析

常规Capon波束形成算法能够使波束在期望信号方向形成高增益，在干扰方向形成零陷，针对该算法在期望信号导向矢量失配的情况下，出现性能下降的问题，研究了期望信号导向矢量在不确定集约束下的求解。通过分析稳健Capon波束形成算法的特点，推导出了期望信号导向矢量在球形不确定集约束下的权矢量近似闭式解，并采用图像法，找到给定条件下的最优约束参数。在指向误差和相位误差存在情况下，对算法进行了仿真分析，仿真结果验证了算法在误差存在情况下的稳健性。

基于频控阵的稳健Capon波束形成

为了克服相控阵波束仅具有角度分辨力的缺陷,频控阵通过在阵元间加入相对于载频十分微小的频率增量,实现了波束的距离-角度二维相关。引入3种接收信号处理机制,并对其进行理论推导分析,仿真说明了其中2种机制的实用性。针对指向误差存在情况下,估计的目标导向矢量与真实的目标导向矢量失配的问题,采用稳健Capon波束形成(RCB)算法,给出纠正偏差后的导向矢量闭式解,并在2种信号处理机制下,对其方向图进行了仿真。结果表明,利用RCB算法能在目标位置形成高增益,干扰位置形成零陷,验证了算法在频控阵中应用的有效性。

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。

一种改进的Capon波束形成算法在超声成像中的研究

与传统的延时叠加法相比,Capon自适应波束形成算法,在医学超声成像中具有更好的空间分辨率。但是超声回波信号的强相关性以及Capon算法对方向向量误差的敏感性,限制了其广泛应用。本研究介绍一种改进方案,采用空间平滑法去除回波信号的相关性,通过对角线加载法增强Capon算法的稳健性,并针对合成发射孔径数据的特点,提出双次稳健Capon算法处理。仿真和实验结果表明,改进后的Capon算法在成像的空间分辨率上有很大提高。

一种用于声学成像的稳健宽带恒定束宽波束形成方法

基于聚焦变换思想的波束形成是一种有效的恒定束宽波束形成方法.然而,当信号的方向信息存在误差时,聚焦变换波束形成方法的稳健性会急剧下降,为了克服这种缺点,将稳健Capon波束形成(RCB)思想用于聚焦变换方法中,提出一种稳健宽带恒定束宽波束形成方法并将其应用于声学成像.该方法通过RCB校正信号方向信息得到较为准确的聚焦矩阵,从而减少聚焦数据误差,避免估计畸变,提高了基于聚焦变换思想恒定束宽波束形成器的性能.

基于稳健波束形成的超宽带穿墙成像方法

针对现有超宽带穿墙雷达时域波束成像分辨率低、旁瓣高以及干扰抑制能力弱等问题,提出利用稳健Capon波束形成对目标成像的方法。该方法基于目标回波模型首先补偿近场扩散损耗、墙体传播损耗和折射效应,实现天线阵列接收数据的配准,利用稳健Capon波束成像得到良好的成像分辨率和更好的干扰抑制能力。利用时域有限差分(finite-difference time domain,FDTD)数值仿真和实验数据实现了隐藏目标的二维成像,验证了该方法的有效性。

自适应对角加载在波束形成中的仿真研究

当阵列误差存在时,Capon波束形成算法性能会急剧下降,特别是阵列输出信干噪比(signal to interfer-ence plus noise ratio,SINR)。对角加载可以减弱小特征值对应的噪声波束的影响,能有效改善阵列性能及方向图畸变,但加载值的确定是一个较为困难的问题。该算法根据加载值和采样协方差矩阵间的关系确定加载值,能自适应地根据采样数据确定加载值,在小快拍数和阵列误差存在情况下仍具有良好的鲁棒性,明显改善了阵列性能并减小了方向图畸变,且使零陷准确对准干扰方向。计算机仿真结果证实了此算法的鲁棒性。

一种稳健自适应波束形成的变量对角加载方法

在设计稳健的自适应波束形成算法来消除阵列流形中的非确定性方面已经投入了很大的努力。这些不确定性可能由波达方向(DOA)的不确定性、阵列结构不理想、远近效应、相互耦合和其他的失配以及建立模型错误造成。提出了一种可供选择实现的包含椭球不确定约束导引矢量的线性约束最小方差(LCMV)的波束形成方法,更详细地说,真实的导引矢量是根据预测导引矢量采用将椭球约束施加到估计的导引矢量的递归最陡下降算法来估计的,对角加载技术必须满足椭球约束,其主要缺点是如何通过对非确定性约束的认识来得到最优的对角加载值不是很明确。通过这个问题的解决证明了该方法的可行性,而且对角加载技术是通过变量加载集成到自适应机制中而不是固定对角加载或Ad Hoc技术。