MIMO雷达协方差矩阵重构波束形成算法

协方差矩阵类算法在MIMO雷达大失配误差情形下依然具有很强的鲁棒性,但往往存在计算复杂度较高的问题。针对高性能与低计算复杂度间的矛盾,提出对失配误差模型进行修正,从两方面改进算法:一方面基于双边约束的方式,在发射端和接收端分别建立单边导向矢量误差集,然后获取离散的联合导向矢量失配误差集;另一方面基于小不确定集模型结构特点,提出用K-means聚类算法获取少量加权特征采样点来代替原先大量的离散采样点,减少协方差矩阵重构所需采样点数,从而降低计算复杂度。仿真实验表明,所提算法在失配误差较大情形下具有很强的鲁棒性,且输出SINR性能达到最优。     

迭代对角加载采样矩阵求逆鲁棒自适应波束形成

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种迭代对角加载采样矩阵求逆鲁棒自适应波束形成算法。该算法对传统对角加载算法进行了迭代运算,基于Capon波束形成器的最优权矢量与假定导向矢量的基本关系,将每一步得到的权矢量,对应反解出一个比导向矢量假定值更为准确的导向矢量,并替代假定值,最终逼近真实的期望信号导向矢量。提出的方法在迭代过程中只需一步递推,无需对导向矢量建立不确定集,避免了在每步迭代中运用拉格朗日数值法或凸优化法,且明显提高了波束形成器的输出信干噪比。仿真结果验证了算法的正确性和有效性。     

基于改进不确定集的稳健波束形成算法

基于不确定集约束的稳健MVDR波束形成算法在一定程度上依赖于期望信号导向矢量误差的先验知识,且当导向矢量失配较严重时干扰抑制性能也有所下降。为此,提出了一种基于投影变换的改进算法。该方法将约束方向矢量向信号干扰子空间投影,并作为新的约束方向矢量,从而等效于减小了期望信号导向矢量误差。这样,误差不确定参数只需设置为一较小的实数即可在任意导向矢量失配时获得最优的输出性能。计算机仿真结果证明了所提波束形成器具有较强的稳健性能。     

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。     

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。     

基于空时二维协方差矩阵修正的波束形成算法

在实际应用环境中,信源和阵列传感器等存在误差,假设期望信号的导向矢量与真实信源导向矢量的失配会导致阵列波束形成器把期望信号当作干扰来加以抑制。针对信号匹配误差导致自适应波束形成性能下降的问题,提出了一种基于空时二维协方差矩阵修正的波束形成算法,利用空时结构对宽带幅相误差校正的特性,对空时二维协方差矩阵进行重构,并对修正协方差矩阵进行特征值分解,分离出信号加干扰子空间,将失配导向矢量投影可使期望信号与噪声子空间严格正交,最后求解算法最优权值。算法有效改善了波束形成的输出信噪比,计算机仿真验证了理论分析的正确性和算法的稳健性。     

一种改进的迭代型鲁棒波束形成算法

为有效克服模型失配误差对自适应波束形成器的影响,该文提出了一种改进的迭代型鲁棒波束形成算法.该算法以导向矢量在期望信号来波方向区间宽度内、外的积分关系式构造新的终止条件,克服了迭代对角加载算法对终止条件参数鲁棒性不强的问题,从而进一步提高了波束形成器的输出信干噪比.仿真实验表明,提出的算法可以有效克服不同类型的模型失配误差带来的影响,能够处理较大范围的方向失配误差,且对算法中的来波方向区间宽度这一关键参数设置具有较强的鲁棒性.     

频分MIMO雷达分解迭代稳健自适应波束形成算法

频率分集雷达因其独特的距离依赖波束特性而受到广泛关注。针对频率分集雷达稳健波束形成问题,本文建立了二维频分子孔径MIMO(FDS-MIMO)雷达阵列信号模型,理论导出了基于等效载频的权向量分解解析解,提出了一种分解迭代的稳健自适应波束形成算法。为解决距离依赖波束栅瓣导致的周期性输出信干燥比(SINR)损失的问题,进一步提出了一种沿平面阵两方向互质的频率偏置方案。仿真结果表明,与传统算法相比在导向矢量存在失配的情况下,本文所提方法能够有效抑制输出SINR周期性损失,且具有计算复杂度低,训练样本需求少,抗导向误差失配稳健性强等优点。      

MIMO雷达稳健的发射波束形成算法

针对发射导向矢量存在未知误差的问题,该文提出了一种MIMO雷达稳健的发射波束形成算法(Robust Transmitting Beamforming, RTB)。该算法在稳健的接收波束形成算法的基础上,以最大化最差情况输出信干噪比为优化准则,对发射导向矢量误差做稳健的发射波束形成。RTB算法属于对角加载方法。仿真结果表明,相比于已有算法,RTB算法的稳健性更好、计算复杂度更低、收敛速度更快。     

一种基于协方差矩阵重构的波束形成算法

针对Capon波束形成在误差条件下敏感性问题,提出一种基于协方差矩阵重构的鲁棒波束形成算法。算法将信号集中出现的空域划分为干扰区域和信号区域,接着将两个区域划分为若干相互独立不重叠的部分,对干扰区域积分,构造出干扰协方差矩阵;再利用采样协方差矩阵特征分解后的最小特征值重构出噪声协方差矩阵;最后对期望信号导向矢量误差进行环不确定集建模,并在期望信号导向矢量环不确定集上进行Capon谱积分来估计期望信号协方差矩阵,根据其主特征矢量获取期望信号导向矢量。仿真表明,与传统鲁棒波束形成算法相比,此方法在不同快拍数以及输入信噪比条件下,性能更加优异且稳定,同时计算量较小。     

一种分解迭代二阶锥规划鲁棒自适应波束形成算法

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种最差性能最优的分解迭代鲁棒自适应波束形成算法。该算法对非凸的幅度响应约束问题进行分解处理,将问题转化为迭代的二阶锥规划问题,从而可对鲁棒响应区的波束宽度和纹波水平进行自由控制,并可得到较高的输出信干噪比。此外,与现有大部分该类鲁棒波束形成方法相比,提出的算法直接对权矢量进行优化,无需使用谱分解算法,避免了阵列结构的限制,可适用于任意阵形。仿真结果验证了算法的正确性和有效性。     

一种稳健的稀疏Capon波束形成算法

常规Capon波束形成算法具有相对较高的旁瓣增益,且在期望信号导向矢量存在失配时,阵列输出性能下降甚至失效。为解决这一问题,引入了稀疏约束Capon波束形成算法,该算法降低了旁瓣,对期望信号来向不确定具有一定稳健性,但在幅相误差、期望信号指向偏差等多种误差同时存在的情况下其性能下降。本文在稀疏约束Capon波束形成算法基础上,给出了一种稳健的稀疏Capon波束形成算法。该算法主要是在最差性能最优化的情况下,在稀疏Capon上增加了一个导向矢量存在偏差的约束条件。通过计算机仿真,验证了新算法在多种误差环境下的有效性与优越性。     

导向矢量和协方差矩阵联合迭代估计的稳健波束形成算法

针对自适应波束形成器在目标导向矢量存在约束偏差时性能急剧下降的问题,该文提出一种目标导向矢量和干扰噪声协方差矩阵联合迭代估计的稳健波束形成算法。该算法首先采用稀疏重构的方法得到目标导向矢量的初始值,并通过从采样协方差矩阵中剔除目标信号估计值完成干扰加噪声协方差矩阵的初始化;然后在建立导向矢量误差优化模型的基础上,采用凸优化方法对目标导向矢量和干扰加噪声协方差矩阵联合迭代求解。最后利用目标导向矢量和干扰加噪声协方差矩阵的稳态估计值获得自适应权矢量。仿真结果表明该算法提高了波束形成器在目标导向矢量约束偏差时的输出信干噪比。     

具有自适应可调误差半径的鲁棒波束赋形算法

传统的自适应波束形成器对各类型的阵列误差较为敏感尤其是在较大的波达方向(Direction of Arrival,DOA)误差存在的情况下,阵列的输出信干噪比严重下降.为了解决这个问题,文中提出了一种新的具有自适应可调误差半径的鲁棒波束形成器.每一步迭代都是以经典的鲁棒Capon波束形成器为基础,且使用的误差不确定度都是依据子空间投影定理推导出的一个二次约束二次规划问题的最优解.由于估计出的导向矢量不确定度均小于传统自适应波束形成器中使用的误差量,因此,阵列的输出性能得以提高.此外,为了能够扩展算法的适用性,引入了可变椭圆不确定集来同时处理多重误差因素.最终的实验结果证明了算法的正确性和有效性.     

基于最坏情况性能优化的稳健自适应宽带波束形成

针对期望信号导向矢量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,提出了一种新的基于最坏情况性能优化的稳健自适应宽带波束形成方法。该方法通过将实际期望信号的导向矢量约束于不确定集合中,来提高算法的稳健性;同时增加阵列空间响应偏差的二次型约束,可避免引起信号有较大失真。计算机仿真结果表明:该方法不仅能够抑制导向矢量偏差所带来的影响,有效控制波束主瓣区域内信号的畸变和旁瓣区域电平,还改善了阵列输出的信干噪比,使其更接近最优值。     

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.     

基于导向矢量估计的鲁棒波束形成

针对标准Capon波束形成器中真实导向矢量与期望导向矢量存在误差时,其性能会急剧下降的问题,提出了基于加权空间平滑与导向矢量估计相结合的鲁棒波束形成算法。该算法利用加权空间平滑方法,对子阵进行特殊的划分,根据子阵间自相关矩阵与互相关矩阵权重差异,采用嵌套的方式获得加权矩阵,继而得到更加精确的协方差矩阵,接着,使用不确定范围约束期望导向矢量来获得真实导向矢量。仿真结果表明,和传统的自适应波束形成算法相比较,本文算法在面对协方差矩阵中含有期望信号以及角度失配问题时,鲁棒性得到明显提升。     

一种联合修正的稳健Capon波束形成算法

指出了水平定向天线阵波束形成的主要难点,没有固定相位中心和受交叉极化来波的影响。阵列受随机性误差使得导向矢量存在较大失配,从而导致传统Capon算法性能下降甚至失效。在阵列误差模型下,给出了基于协方差矩阵与导向矢量联合修正的稳健Capon波束形成算法。该算法首先基于收缩得到一个增强的协方差矩阵,然后通过最大化Capon输出功率实现对导向矢量的修正,同时增加二次型约束防止修正的导向矢量接近于干扰导向矢量上。该算法可转化为二次约束二阶规划问题,并通过凸优化进行求解。仿真结果表明,该算法对天线阵模型中误差矩阵具有一定的稳健性,且较其他稳健算法具有较好的性能。     

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。     

一种稳健恒定束宽宽波束形成算法

传统宽带波束形成算法在导向矢量失配时输出性能下降,为解决该问题,文章提出一种稳健恒定束宽波束形成算法。该算法首先构造与快拍数相关的对角加载函数;其次,基于空域积分思想,结合入射信号的方向误差范围估计期望信号的实际入射方向,并结合构造的对角加载系数生成优化波束加权系数;最后,联合优化后的波束权值与FIR滤波器系数完成宽带波束响应的全局优化设计。经仿真实验验证,相比于传统分布设计法的时域宽带波束形成,文中方法可以得到较理想的恒定宽带主瓣响应和较低的旁瓣电平,同时在期望信号导向矢量失配情况下,仍有较好的输出信干噪比。