基于特征投影预处理抗主瓣干扰的改进算法

针对基于特征投影预处理后旁瓣干扰偏移的问题,提出一种基于特征投影预处理和协方差矩阵修正重构的主瓣干扰抑制算法。该方法首先通过最大相关系数法确定特征投影矩阵,对接收数据进行预处理充分去除主瓣干扰,然后对主瓣干扰信号功率置零,重新构造旁瓣干扰加噪声协方差矩阵,进一步进行波束形成,方向图在偏移旁瓣干扰处形成较深的零陷。仿真实验表明,提出的方法在接收数据含有期望信号的条件下能够有效地抑制主瓣干扰和旁瓣干扰,并且具有良好的稳健性。     

一种预处理的恒模波束形成算法

传统恒模波束形成算法在干扰信号功率大于期望信号功率情况下会出现干扰捕获现象。针对这一问题,提出一种预处理波束形成算法。预处理波束形成算法利用天线接收的数据矩阵的协方差矩阵构造新的协方差矩阵,使新的协方差矩阵关于期望信号的对角最小化,并用新的协方差矩阵的最小特征值对应的特征向量作为权值的初始值,此算法能够准确地捕获到期望信号并抑制干扰信号。通过仿真证实了算法的有效性。     

基于失配处理的自适应干扰抑制系统

高频雷达工作环境中存在大量人为和非人为的外部干扰,严重影响了雷达设备正确检测目标,限制了高频雷达的正常工作性能;尤其在外部干扰进入波束主瓣的情况下,传统自适应波束形成器将出现主瓣畸变、旁瓣电平抬高等现象;提出了一种基于失配处理的自适应外部干扰抑制系统——通过主通道的匹配处理、虚拟辅助通道的失配处理,再经过相参旁瓣对消自适应波束形成技术实现对外部干扰尤其是主瓣干扰的抑制;通过仿真实验及同频主瓣干扰存在情况下的实测数据的处理结果,干扰能量下降29～47dB,充分验证了该系统的有效性和实用性。     

基于协方差矩阵重构的稳健自适应波束形成算法综述

Capon波束形成器作为理论上最优的波束形成器具有良好的干扰抑制能力。然而Capon波束形成器对于模型失配误差非常敏感,尤其是针对协方差矩阵和期望信号导向矢量误差,波束形成器的性能会严重下降,这大大降低了波束形成器的稳健性。目前,一系列基于协方差矩阵重构的稳健自适应波束形成算法被提出,这些算法核心思想都是利用Capon功率谱一定的角度范围内积分来重构出协方差矩阵。本文首先介绍了波束形成的信号模型,然后在Capon波束形成器的基础上,介绍了4种基于协方差矩阵重构的稳健自适应波束形成技术,最后对未来波束形成技术的研究热点进行了展望。     

一种精确控制旁瓣的自适应波束形成算法

提出了一种精确控制旁瓣和抑制干扰的自适应波束形成算法。它是通常的最小方差无畸变（MVDR）波束形成算法的改进形式，使阵列输出信号功率最小的同时，保持目标信号方向的无失真响应，并且严格保证旁瓣低于某一给定值，抑制干扰。在仿真过程中，充分应用了二阶锥规划（second—order cone programming）算法，并与MVDR波束形成算法进行比较，验证了方法的正确性，同时研究了该算法的稳健性。     

数据含期望信号的重构稳健波束形成

研究稳健波束形成问题.样本数据含期望信号时,若存在导向矢量误差,常规MVDR波束形成会在期望信号方向上产生期望信号对消,性能损失严重.针对上述问题,提出了一种在对称干扰环境下的稳健MVDR波束形成方法.首先消除数据协方差矩阵的实部得到期望信号分量,进而重构出期望信号协方差矩阵,然后从数据协方差矩阵中减去重构的期望信号协方差矩阵,得到仅含有干扰和噪声的协方差矩阵,并以此来实现MVDR的权向量设计.仿真结果表明,改进方法消除了期望信号分量的不良影响,提高了波束形成对系统误差的稳健性.     

改进的基于旁瓣对消的单脉冲测角算法

研究了基于自适应广义旁瓣对消技术的单脉冲角度跟踪算法。在自适应广义旁瓣对消器(G enera l s ide lobecance ller,G SC)结构下,当存在指向误差的时候,阻塞矩阵不能完全阻塞期望信号,导致辅助支路上产生期望信号泄露,从而使得单脉冲角度跟踪性能下降。为了解决此问题,提出了一种基于辅助支路子空间投影的算法,该算法利用了期望信号空间和干扰空间正交的特点,减少了泄露的期望信号对波束形成性能的影响,从而保证了单脉冲角度跟踪的性能。理论分析和仿真结果表明了该算法的有效性和优越性。     

基于干扰噪声矩阵重构的自适应波束形成算法

针对在自适应波束形成中,当采样次数较少或期望信号导向矢量存在误差以及训练数据中含有期望信号成分时导致波束输出信干噪比(SINR)下降的问题,提出了一种重构干扰噪声协方差矩阵并且估计期望信号导向矢量的稳健自适应波束形成方法。在期望信号波达方向的角度范围已知的条件下,首先利用多重信号分类（MUSIC）空间谱在不含期望信号的区域重构出干扰噪声协方差矩阵;然后推导了避免期望信号的导向矢量的估计值收敛到任一干扰的导向矢量或它们的线性组合的约束条件;进而以此约束条件和阵列输出功率最大化条件建立了期望信号导向矢量估计的优化问题,并使用凸优化软件估计出最优的期望信号导向矢量。讨论了该方法的计算复杂度并通过仿真实验验证了其有效性和优越性。仿真结果表明,当期望信号和干扰源存在随机指向误差和局部散射的情况下,所提方法在很大的输入信噪比范围内的输出信干噪比仍接近理论值,优于其他自适应波束形成方法。     

一种低复杂度的鲁棒自适应波束形成算法

传统基于干扰噪声协方差矩阵（interference-plus-noise covariance matrix,INCM）重构的鲁棒自适应波束形成（robust adaptive beamformer,RAB）算法在多种样本数据协方差矩阵误差和信号导向向量误差的失配环境中具有较强的鲁棒性,但目前主流的INCM重构法都是对信号和干扰的导向向量通过建立凸优化模型来估计,这带来了很高的计算复杂度。为了解决这个问题,提出了一种低复杂度的基于INCM重构的RAB算法。该算法首先将干扰信号的导向向量分解为对应标称项和误差项的和,然后通过一种子空间方法估计得到误差项的单位向量。接下来对一个Capon空间谱功率最大问题进行求解,得到误差项的模值,以此得到重构的INCM。同时利用Capon空间谱中残差噪声的存在,使用交替投影法估计得到期望信号的导向向量,最后得到所提算法的权重向量。仿真实验表明所提算法在多种误差环境下具有较强鲁棒性的同时,还具有较低的计算复杂度。     

基于改进的AR模型的逆波束形成方法研究

逆波束形成是利用各阵元接收信号间的互功率谱估计声场平面波强度的理论,较之常规波束形成,它具有更高的方位分辨能力和噪声干扰抑制能力。在分析逆波束形成理论及其傅立叶类求解算法的基础上,提出了基于改进的AR模型的求解方法。该方法将参数模型引入到逆波束形成的求解当中,通过引入前向后向平均,克服了信号协方差矩阵在小信噪比和快拍数较少情况下估计不准的问题,从而减轻了旁瓣的起伏,有助于实现对弱目标信号的检测与估计。通过大量计算机仿真实验,证实了所提算法的可行性和优越性。     

一种简化特征空间稳健自适应波束形成算法*

在基于特征空间(ESB)的自适应波束形成算法中,针对当指向误差落在波束主瓣的边缘特定角度时,输出信干噪比下降,且信号子空间需要进行费时的特征值分解的问题,提出了改进线性约束最小方差(LCMV)算法。在假定的期望信号方向附近减少一个方向性约束条件,并基于信号特征值大于噪声特征值的这一特性, 利用空间协方差矩阵逆的高阶次幂来逼近信号子空间,无须特征分解,将求得的权矢量向改进的信号子空间投影。该方法能够大大减少计算量,同时还显著提高了自适应波束形成稳健性。通过仿真分析及结果比较验证了算法的正确性和有效性,因此从     

A beamforming design for weighted sidelobe power leakage minimization一种最小化加权旁瓣功率泄漏的波束赋形n

In this paper, a beamforming scheme for minimizing the weighted sidelobe power leakage while maintaining the norm of the weight vector at unity is proposed. The proposed criterion is very flexible because weighting factors are added to the sidelobes in the object function, and the weighting factors can be adjusted according to any design purpose, e.g., to minimize the interference within a direction of arrival (DoA) range. To acquire the minimum sidelobe power leakage, we first express the sidelobe power through the sidelobe coefficient matrix. Afterwards, the minimization problem can be treated as the 2-norm minimization of the sidelobe coefficient matrix. The optimal weighting vector design is then derived by singular value decomposition (SVD). Simulation results show that the proposed beamformer can decrease the sidelobe power leakage and efficiently suppress interference with barely any increase in the sidelobes; moreover, this beamforming scheme provides good robustness in consideration of the DOA mismatch.     

民航卫星导航干扰信号多径抑制算法仿真

针对日益严重的卫星信号多径干扰问题,提出一种有效的民航卫星导航干扰信号多径抑制算法,在多径干扰卫星信号数据模型基础上,通过空间平滑技术采用损失天线阵列孔径方法实现多径卫星信号的解相干处理,得到不同阵列子阵数据协方差矩阵;再采用豪斯霍尔德变换的广义旁瓣相消技术,根据广义旁瓣相消器输出的多径和噪声功率以及不同阵列子阵数据协方差矩阵,计算直达信号最佳权重矢量,采用低复杂度自适应度算法迭代计算最佳权重矢量,获取最终旁瓣相消器多径抑制后的直达卫星信号,实现民航卫星导航干扰信号的多径抑制。仿真结果表明,所提算法在任意载噪比环境下的码相位跟踪误差均较小,对民航卫星导航干扰信号的多径抑制性能较强;且算法多径抑制耗时短、民航卫星导航的定位精度高。     

近场麦克风阵列定点波束形成优化方法

为了有效的抑制干扰和噪声,该文在近场定点波束形成算法的基础上,研究麦克风阵列输出距离图和方向图的优化,通过施加不同距离和方向的虚拟干扰,来压低距离图和方向图的旁瓣,干扰强度随给定位置旁瓣高度而自适应的调整,最终实现阵列对期望信号形成的波束图优化,计算机仿真结果证明了该方法的正确性和有效性。     

带旁瓣抑制的稳健匹配场定位算法

在特征值空间中,利用接收数据协方差阵的主特征向量,与扰动环境参数生成的拷贝场向量协方差阵的主特征向量,构造了一种巴特利特型的匹配场定位算法,它对环境参数失配稳健,但是带有很高的旁瓣级。引入一种约束优化机制,以最大化目标区域的空间平均的输出功率与搜索区域空间平均的功率比为目标,得到一个经过优化的观测数据向量。使用数据向量对定位表面的旁瓣进行约束抑制,在保持目标区域输出功率的同时,有效降低搜索区域的背景功率。实测数据分析表明,该算法能有效抑制旁瓣,提高定位性能。     

一种基于酉变换的修正ESB波束形成算法仿真

为了减小基于特征空间（ESB）自适应波束形成算法的运算量并提高小快拍数条件下的自适应波束形成性能，该文提出了一种基于酉变换的修正ESB自适应波束形成算法。该算法利用酉变换将复协方差矩阵转换为实矩阵，然后对其求逆和特征分解进行自适应波束形成，因此其运算量比ESB自适应波束形成算法小得多。由于计算变换后的矩阵的过程具有前后向平均的效果，相当于快拍数加倍，从而可提高小快拍数时波束形成的性能，增大输出信干噪比。算法在智能天线中的仿真结果表明，该算法具有比ESB算法更优的性能。     

宽带频率-方向不变恒定主瓣波束形成

常规波束形成主瓣随频率和指向变化,为了实现频率方向二维主瓣恒定,本文基于约束优化的方法,提出了一种宽带频率-方向不变恒定主瓣波束形成算法,并将之应用到宽带信号DOA估计中。首先在参考频率上约束方向不变主瓣恒定,然后在不同指向上约束频率不变主瓣恒定,并将约束问题表示为标准的二阶锥规划形式,运用SeDuMi求解最优权向量。仿真实验表明,本文提出的算法能够实现不同频率不同指向上波束主瓣恒定,与频率不变波束相比,采用频率-方向不变波束的DOA估计方法降低了信噪比分辨门限,提高了估计精度。     

基于对角加载奇异值分解的波束形成算法

在自适应波束形成算法中,QR分解具有很好的数值特征和固有的高度并行性。但当采样数较少,采样协方差矩阵估计值的噪声特征值分散会导致波束形成算法的性能下降问题,QR算法的性能就会下降。针对此缺陷,提出了对角加载奇异值(DSVD)分解的算法,该算法先对采样数据所构成的矩阵进行重构、分解、再重构、再分解,最后实现对角加载。通过仿真结果可以看到,DSVD算法不仅避免了对阵列协方差矩阵的估计和求逆,而且减少了估计运算量和估计误差,在复杂度与性能之间进行折衷。