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。

卫星通信中高鲁棒性自适应波束赋形算法

在卫星通信中,采用自适应波束赋形技术能极大提升导航接收机的抗干扰性能,然而,传统自适应波束赋形算法对模型失配极为敏感.针对传统自适应波束赋形算法在期望信号导向矢量和协方差矩阵失配时,输出性能急剧下降的问题,本文提出了一种高鲁棒性自适应波束赋形算法.该算法首先估计期望信号的输入信噪比(SNR),再根据SNR构造投影矩阵来估计期望信号导向矢量和干扰信号导向矢量;接着,基于不确定集优化方法再次校正期望信号导向矢量和干扰信号导向矢量;最后,估计信号功率并重构干扰加噪声协方差矩阵.仿真结果表明,相比于协方差矩阵重构波束赋形算法,本文算法具有更优异的输出信干噪比(SINR)性能,当SNR为10.0 dB并存在期望信号波达方向(DOA)估计失配时,本文算法的输出SINR增益可达1.9 dB;当存在波前扰动失真时,输出SINR增益约1.5 dB;当存在局部相干散射时,输出SINR增益约1.6 dB.

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。

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。

基于协方差矩阵优化重构的稳健波束形成算法

针对一般自适应波束形成器在模型失配误差存在时性能下降严重的问题,提出一种基于干扰加噪声协方差矩阵优化重构的稳健波束形成算法。该算法通过稀疏重构的方法剔除样本协方差矩阵中的期望信号分量;利用子空间扩展知识建立导向矢量不确定集约束,优化干扰加噪声协方差矩阵;基于最大化阵列输出功率准则建立导向矢量误差优化模型,通过循环迭代的方法得出最优加权矢量;理论分析及仿真实验结果表明:该算法在目标来波方向误差和阵元位置误差存在时具有稳健性。

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。

基于导向矢量估计的鲁棒自适应波束形成算法

针对在导向矢量存在误差情况下自适应波束形成算法性能严重下降的问题,提出一种基于导向矢量估计的鲁棒自适应波束形成(Steering Vector Estimation Based Robust Adaptive Beamforming,SVE-RAB)算法.算法用导向矢量不确定范围估计真实导向矢量,利用范数约束通过二阶锥规划技术提高波束形成的鲁棒性.算法可在导向矢量存在误差的情况下,对期望信号保持最大增益并有效抑制干扰,且有效提高了波束形成输出的信干噪比(Signal to Interference plus Noise Ratio,SINR).仿真结果验证了算法的有效性和优越性.

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类(multiple signal classification,MUSIC)算法、旋转不变子空间(estimation of signal parameters via rotational invariance technique,ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向(direction of arrival,DOA)估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。

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.

声矢量阵导向最小方差波束形成算法研究

为了克服声压阵导向最小方差波束形成算法方位估计的左右模糊问题,提出了声矢量阵导向最小方差波束形成算法,指出了矢量阵导向矩阵与声压阵导向矩阵之间的关系.通过声压阵导向矩阵与单位矩阵的Kronecker积得到矢量阵的导向矩阵,从而使不同频率的矢量阵互谱密度矩阵聚焦.计算机仿真和海试实验证明与声压阵导向最小方差波束形成相比,矢量阵导向最小方差波束形成具有更好的方位分辨力且无左右模糊,并可以空间欠采样而不出现栅瓣.针对带宽内信噪比随频率变化的情况,用各频率的信噪比对导向协方差矩阵进行加权,改进了空间谱估计性能.

基于稀疏时频分解的盲波束形成算法

针对现有盲波束形成算法通用性差,所需采样数据量大等问题,该文提出一种基于稀疏时频分解的盲波束形成算法。算法首先将传统的短时傅里叶变换转化为稀疏重构问题,利用交替分裂Bregman算法进行迭代求解。然后利用对各阵元的接收信号进行稀疏时频分解的结果,结合聚类和不确定集方法,实现导向矢量的最优估计。最后利用MVDR算法获得最优权矢量。该算法无需利用信号统计特性,实现了高效的盲波束形成。仿真实验结果表明,该算法所需数据量小,迭代步骤易于工程实现,较现有盲波束形成算法输出性能更优,适用范围更广。

基于多级恒模阵的拖线阵拖转时的阵形自校准方法

针对拖船转弯时,弯曲的拖曳线列阵的波束形成和方位估计,提出了一种先盲捕获信号,再校准阵形并估计目标方位的方法。该方法首先利用多级恒模阵对多个独立的目标信号进行盲分离,并估计出拖线阵对目标的方向向量;然后再根据方向向量对拖线阵阵形进行校准并估计出目标方位。其中,阵形自校准时的核心问题——一个多维非线性约束最小二乘问题采用了遗传算法进行求解。文中还推导了对阵元位置和目标方位估计的克拉美罗界。针对较大弯曲度拖线阵的计算机仿真实验,结果表明该方法不依赖于阵形就可实现对目标信号的捕获与分离,具有自适应抑制其它方向入射干扰信号的能力,并可以对阵形和目标方位进行有效估计。仿真结果验证了方法的正确性和有效性。

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。

均匀圆阵来波方向估计的解模糊算法

均匀圆阵在半径大于半波长的情况下,由于来波方向(DOA)估计模糊会导致测向性能下降,为解决这一问题,提出了一种新算法.通过调整阵列中某阵元为小半径阵元,可以打破来波方向估计中虚假角度和真实角度形成的导向矢量近似或者相同的平衡,实现对来波方向估计中模糊伪峰的抑制.通过应用虚拟阵列变换方法,解决了该算法需要改动原有天线阵列结构的实际问题.仿真结果表明该算法可以有效抑制伪峰,实现在大半径条件下均匀园阵对于来波方向的准确估计.

矢量修正解决DOA估计模糊问题

线阵DOA估计中由于阵元间距偏大造成了估计模糊的现象,产生了虚假的估计角度。通过修正导向矢量的算法,打破虚假角度和真实角度形成的导向矢量完全相同的平衡,造成这两种导向矢量不完全相同的结果,可以极大的抑制由于阵元间距偏大造成的估计模糊现象。为避免调整和增加天线,还可以采用虚拟阵列变化的辅助方法。最终算法通过计算仿真得到验证。该算法在降低计算量以及算法可实施性等方面都具有很强优势。

基于支持向量机可控功率响应的MUSIC-DOA估计方法

针对MUSIC归一化算法在低信噪比时波达方位(DOA)估计性能下降的问题,提出了基于支持向量机(SVM)可控功率响应的MUSIC-DOA算法。该算法首先对宽带信号进行快速傅里叶变换,然后用MUSIC算法进行DOA估计,最后通过SVM对每个子带信号的DOA估计结果进行分类,选择分类后DOA估计结果较为准确的子带信号进行融合,得到宽带信号的DOA估计。该文方法有效解决了MUSIC归一化算法在低信噪比时定位精度不高的问题,提高了定位系统的稳定性。

互耦效应下多组相干源的波达方位估计算法

对于实际环境中存在的多径现象和阵元间的互耦效应,提出一种互耦效应下针对相干源的波达方向估计算法。首先,通过波达方向矩阵法利用二阶矩求出互耦效应下的广义导向矢量;然后对广义导向矢量进行子空间平滑,通过矩阵变换得到一个线性约束下的规划问题,实现相干源方位和互耦系数的级联估计。该算法只需利用二阶矩求得广义导向矢量,相比常规的四阶累积量方法,减少了计算量;本文算法在解互耦和解相干过程中都没有损失阵列孔径,极大提高了阵元利用效率。计算机仿真结果验证了该算法的有效性。

基于干扰矩阵重构的稳健自适应波束形成算法

针对较高信噪比下自适应波束形成性能退化问题,提出了一种基于干扰噪声协方差矩阵重构的新型稳健自适应波束形成算法。利用空间谱估计方法重构出不含期望信号的干扰噪声协方差矩阵,保证了高信噪比时波束形成器的输出增益;并基于信号子空间与干扰子空间的正交性建立了期望信号导向矢量估计的约束条件,以求解出近似最优的权值矢量。理论分析和仿真结果表明,当存在随机指向误差和局部散射时,该算法在较大输入信噪比范围内的性能仍接近最优,较现有算法稳健性更强。

基于协方差矩阵重构稳健波束形成算法

提出了一种新的基于协方差矩阵重构的稳健算法。该算法基于最小化输出期望信号空间倒谱,利用多项式拟合估计期望信号的导向矢量;从数据协方差矩阵中减去期望信号部分,得到干扰加噪声协方差矩阵,通过修正方法实现对干扰加噪声协方差矩阵的准确估计,解决了低信噪比时由于信号子空间发生缠绕,导致协方差矩阵估计存在较大误差的问题;理论分析与仿真实验表明了该算法的有效性和稳健性。