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。     

接收多径相干信号的鲁棒自适应波束形成算法

为有效接收多径相干信号,该文提出一种基于波束主瓣幅度约束的鲁棒自适应波束形成算法。该算法充分利用多径相干信号的来波信息,对接收数据协方差矩阵统计量进行优化,并对多径相干信号波束主瓣进行幅度约束,通过一阶泰勒展开将多径相干信号的优化问题转换为迭代二阶锥规划问题,获得最佳波束形成权矢量。该算法不仅能够有效接收多径相干信号,抑制干扰和噪声,而且能够克服较大导向矢量失配误差,自由控制鲁棒响应区的波束宽度和纹波水平。仿真实验验证了算法的正确性和有效性。      

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。     

基于聚焦信号子空间估计导向矢量的干扰声源抑制方法

针对最小方差无失真响应（Minimum Variance Distortionless Response,MVDR）波束形成器对导向矢量失配较敏感的问题,本文提出了一种有效的干扰声源抑制方法 .该方法首先将语音信号的频带划分为多个子带,通过聚焦信号子空间方法估计各子带的声源到达方向（Direction of Arrival,DOA）,并采用统计直方图估计各声源的初始DOA;其次,为了减小导向矢量失配,利用声源的空间稀疏性,通过Capon功率构建目标声源导向矢量估计的代价函数,约束目标声源导向矢量远离干扰声源空间;最后,根据估计的导向矢量,估计干扰声源加噪声协方差矩阵,以获得MVDR波束形成器的权重.基于TIMIT语料库的实验结果证明,提出的干扰声源抑制方法的输出信干噪比（SINR）及语音质量感知评价（PESQ）优于参考方法,具有更佳的抗导向矢量失配性能.     

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。     

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。     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

极化阵列抗主瓣干扰性能研究

为改善极化敏感阵列主瓣抗干扰性能,分析了基于特征空间投影算法的交替极化敏感阵列的主瓣干扰抑制性能,并与常规极化敏感阵列进行了比较.讨论了期望信号和干扰信号的空域和极化域匹配系数对阵列输出信干噪比的影响;分析了在期望信号导向矢量失配情况下,采用特征空间投影算法改善两种极化敏感阵列的主瓣抗干扰性能.理论分析和仿真结果表明:在期望信号导向矢量存在误差情况下,基于特征空问投影算法的交替极化敏感阵列具有良好的稳健性.交替极化敏感阵列系统复杂度低、更易于工程实现.     

MIMO雷达迭代鲁棒Capon波束形成算法

针对现有的MIMO雷达波束形成算法在联合导向矢量失配较大时,输出信噪比性能严重下降的问题,提出了一种用于MIMO雷达的迭代鲁棒Capon波束形成算法。首先,结合MIMO雷达收发两端的结构特点,对失配误差模型进行了理论分析,从而指出大不确定集算法的局限性。然后提出利用小不确定集可以解决误差失配较大的情形,依据迭代思想对导向矢量期望值估计进行求解,由满足的迭代条件确保联合导向矢量更准确。仿真结果表明,该算法对联合导向矢量失配误差具有鲁棒性,输出信噪比性能最优。     

浅海远程目标稳健方位估计方法研究

本文针对浅海远程目标方位估计问题,提出了一种新的基于简正波理论的浅海稳健方位估计方法。该方法在充分考虑浅海多途效应对方位估计影响的基础之上,结合简正波理论,建立了符合浅海声传播特点的基阵信号模型,并应用矢量最优化方法对阵列源矢量施加约束条件,以提高高分辨方位估计方法在模型失配下的稳健性。通过正则化方法,本文进一步将该稳健方位估计问题转化为二阶锥规划问题,并通过Sedumi进行求解。通过仿真研究,对该算法的空间谱结构、谱峰最大旁瓣比、-3dB波束宽度等性能进行了详细分析,结果表明,该算法在海水深度及声速梯度等不确定条件下,均具有更为尖锐的谱峰及更低的旁瓣水平,具有稳健的方位估计性能。      

基于失配误差正交分解的稳健自适应波束形成

针对自适应波束形成中期望信号导向矢量的失配问题,该文提出了一种利用失配误差的正交分量来逐步修正期望信号导向矢量的自适应波束形成方法。该方法首先构造两个正交子空间,正交分解失配误差以后,通过引入松弛变量,把修正过程转化为解决迭代的二次凸优化问题。提出的方法没有假定失配误差模约束或概率约束,从而避免了上限估计和概率分布建模。仿真结果验证了方法的有效性。     

A robust STAP approach for airborne FDA radar with multiple possible prior information constraints

In frequency diverse array (FDA) space–time adaptive processing (STAP) system, the spectrum of fast-moving target is non-well focused in the spatial–temporal plane, which causes a large mismatch between the actual and presumed target steering vector and dramatically degrades the performance of FDA-STAP system. In this paper, we propose a robust FDA-STAP approach based on multiple possible prior information constraints to resolve this issue and improve the performance of FDA-STAP system. In the proposed approach, multiple possible prior information, i.e., multiple large uncertainty regions, where the actual target possibly locate in spatial–temporal domains, are utilized to cover and constraint the estimated steering vector. The multiple uncertainty regions constraints make it possible to accurately estimate the fast-moving target steering vector. Moreover, to mitigate the influence of non-focused spatial–temporal spectrum of fast-moving target, a non-focused constraints is developed using the squared norm of space–time steering vector to avoid the estimated steering vector converge to the non-focused region of fast-moving target. Finally, the proposed robust FDA-STAP is converted into a non-convex quadratically constrained quadratic programming problem, and the semidefinite relaxation technique is employed to obtain the estimated target steering vector. Numerical results indicate that the proposed method has superior performance than other methods, including well-maintained main beam direction and significant performance improvement.

     

分布式圆阵空间宽带声源定位方法

为提高空间声源定位精度、减少计算量、提高噪声鲁棒性,提出了一种高精度的分布式圆阵空间声源定位方法。该方法首先将声信号通过聚焦矩阵转换成窄带信号,再利用空间谱及其相位信息的群延迟函数乘积消除无关伪峰,得到高精度声源波达方向估计。然后借助于区域质心在三维坐标系的各投影面分别建立粗略信号源区域。最后结合联合可控响应功率相位,进行区域收缩,得到粗略收缩区域,并将互功率谱最大点作为声源定位估计。该方法利用群延迟函数提高了空间谱信息利用率,得到高精度波达方向估计,增强了初始区域的可靠性;区域质心收缩和可控响应功率相位联合应用,可快速锁定声源位置,降低搜索的复杂度。另外分布式阵列的大孔径、对子阵位置变化不敏感的特性增强了该方法对噪声的鲁棒性。仿真实验验证了该算法能实现高精度声源定位。      

Doubly constrained robust Capon beamformer

The standard Capon beamformer (SCB) is known to have better resolution and much better interference rejection capability than the standard data-independent beamformer when the array steering vector is accurately known. However, the major problem of the SCB is that it lacks robustness in the presence of array steering vector errors. In this paper, we will first provide a complete analysis of a norm constrained Capon beamforming (NCCB) approach, which uses a norm constraint on the weight vector to improve the robustness against array steering vector errors and noise. Our analysis of NCCB is thorough and sheds more light on the choice of the norm constraint than what was commonly known. We also provide a natural extension of the SCB, which has been obtained via covariance matrix fitting, to the case of uncertain steering vectors by enforcing a double constraint on the array steering vector, viz. a constant norm constraint and a spherical uncertainty set constraint, which we refer to as the doubly constrained robust Capon beamformer (DCRCB). NCCB and DCRCB can both be efficiently computed at a comparable cost with that of the SCB. Performance comparisons of NCCB, DCRCB, and several other adaptive beamformers via a number of numerical examples are also presented.     

Quadratically Constrained Beamforming Robust Against Direction-of-Arrival Mismatch

It is well known that the performance of the minimum variance distortionless response (MVDR) beamformer is very sensitive to steering vector mismatch. Such mismatches can occur as a result of direction-of-arrival (DOA) errors, local scattering, near-far spatial signature mismatch, waveform distortion, source spreading, imperfectly calibrated arrays and distorted antenna shape. In this paper, an adaptive beamformer that is robust against the DOA mismatch is proposed. This method imposes two quadratic constraints such that the magnitude responses of two steering vectors exceed unity. Then, a diagonal loading method is used to force the magnitude responses at the arrival angles between these two steering vectors to exceed unity. Therefore, this method can always force the gains at a desired range of angles to exceed a constant level while suppressing the interferences and noise. A closed-form solution to the proposed minimization problem is introduced, and the diagonal loading factor can be computed systematically by a proposed algorithm. Numerical examples show that this method has excellent signal-to-interference-plus-noise ratio performance and a complexity comparable to the standard MVDR beamformer.     

基于传声器阵列的输电线噪声源定位*

结合噪声源定位方法和阵列信号处理技术,设计了一种能提取输电线噪声的传声器阵列,利用该阵列采集了复杂声场条件下的输电线噪声数据,并分析了噪声源的频谱特性和空间分布特征,验证了宽带频域近场聚焦波束形成方法对输电线噪声源定位的有效性.通过实验观测发现,西安上苑330 kV高压输电线噪声源主要为高频随机噪声,其频率集中在2～ 10 kHz范围内,信号能量分布较均匀;在频段为2～8 kHz范围内的噪声信号,增大信号处理的带宽可以提高声源定位的精度,但如果信号处理的带宽超过了输电线的主频范围,定位性能会变差.     

利用相位时频掩蔽的麦克风阵列噪声消除方法

本文提出了一种在干扰声源和背景噪声存在条件下麦克风阵列噪声消除的方法。麦克风阵列通过波束形成增强由导向矢量所指定方向的目标声源来抑制背景噪声。然而,现有的波束形成算法在干扰声源存在的情况下,无法进行准确的导向矢量估计。为此,本文提出一种基于音频信号互相关功率谱相位的麦克风阵列噪声消除方法。首先通过音频信号的相位时频掩码估计导向矢量,并对其进行波束形成,从而有效抑制干扰声源和背景噪声;然后利用语音存在概率,采用最大似然的方法估计波束形成后信号中残留的干扰噪声功率谱密度,对其进行后处理,进一步抑制残留干扰和噪声。实验结果表明在干扰声源和背景噪声存在的条件下,所提方法有效地实现了麦克风阵列噪声消除,且各种性能指标优于基线方法。      

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。     

基于多径分布源模型的米波雷达测高算法

针对复杂环境下的米波雷达低仰角测高问题,建立多径信号服从高斯分布源的阵列信号模型,提出一种广义约束多重信号分类(MUSIC)算法。该算法将多径信号作为约束,通过限制信号子空间包含多径导向矢量,来提高直达波的估计精确度。算法性能不受信号相干和地面反射系数的影响。与传统的测高算法相比,该方法在复杂反射地形下能有效进行目标高度估计。计算机仿真结果验证了该算法的可行性。