声矢量阵自适应抵消稳健波束形成算法

常规自适应波束形成算法在期望信号导向矢量存在误差时,性能严重下降。为了改善被动声呐的探测能力,结合声矢量自适应抵消技术,提出了一种新的稳健自适应波束形成算法。通过组合声压和振速分量在波束方向上形成零点,并以之作为自适应抵消的参考输入,去除接收数据中的期望信号成分;然后对协方差矩阵进行特征分解,平滑噪声子空间的特征值;最后利用重构的协方差矩阵求解自适应波束形成的权向量。理论分析和仿真结果表明,新算法重构出的协方差矩阵仅包含干扰和噪声,显著改善了声矢量阵自适应波束形成的稳健性,在期望信号存在大的阵列流形误差和高信噪比情况下,都能给出令人满意的输出信干噪比。     

基于特征投影矩阵和线性约束的水声阵列信号抗主瓣干扰方法

提出了基于特征投影矩阵和线性约束的水声阵列信号抗主瓣干扰方法。该方法首先改进重构了干扰噪声的协方差矩阵,消除预处理时期望信号对主瓣干扰特征矢量选择的影响;其次,添加线性约束,保证期望信号方向增益,约束旁瓣干扰子空间置零,同时使得自适应权矢量的模最小,消除噪声抖动;最后求取自适应权矢量进行波束形成。仿真实验结果表明,本工作算法不仅在旁瓣有更深零陷,还能使主波束保形,提高了系统的输出信干噪比。     

四元数矩阵重构鲁棒波束形成算法

极化敏感阵列的四元数信号模型保持了偶极子阵元分量之间固有的正交性,因而四元数MVDR（Q-MVDR）算法具有比传统复数域MVDR算法更优的性能,但在强期望信号和导向矢量失配的情况下,Q-MVDR算法性能严重下降,甚至会出现期望信号相消现象.针对此问题,提出一种基于四元数矩阵重构的鲁棒波束形成算法.首先建立极化敏感阵列的四元数模型,将协方差矩阵重构方法扩展到四元数域,利用子空间方法得到干扰信号的导向矢量估计,并采用Capon谱估计方法获得干扰信号的功率,重构出干扰噪声协方差矩阵;然后根据信号子空间与噪声子空间的正交性,以及期望信号导向矢量与信号子空间属于同一子空间的特性,将权矢量投影到四元数信号子空间,对期望信号导向矢量失配误差进行修正;最后通过仿真实验验证了算法的有效性.仿真结果表明,在强期望信号和期望信号导向矢量失配时,与传统算法相比,本文算法有效避免期望信号相消引起的性能下降,增强了算法的鲁棒性,可以达到接近最优值的输出信干噪比(SINR).     

联合协方差矩阵重构和ADMM的鲁棒波束形成

为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers, ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明：对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。     

稳健的宽带自适应相干干扰抑制波束形成算法

针对期望信号存在指向误差和多个相干干扰时Duvall结构波束形成器性能下降问题,提出一种稳健的宽带自适应相干干扰抑制波束形成算法。该算法首先将Duvall结构波束形成器与最差性能最优波束形成算法结合,实现稳健的宽带波束形成,然后利用空间响应变化约束（SRV）将宽带波束形成等效为参考频点的波束形成,通过协方差矩阵重构,在相干干扰数目较多时,输出波束仍可以在相干干扰方向自适应地形成零陷。理论分析与仿真实验表明,该算法能够有效抑制多个强相干干扰,具有较好的稳健性。     

基于小波分析的改进旁瓣相消宽带信号波束形成算法

研究了改进的旁瓣相消算法,该算法利用小波滤波器组阻塞接收信号的期望信号分量进行自适应的波束形成。经过改进算法处理后,阵列信号的协方差矩阵中不包含期望信号分量,从而克服了当存在系统误差时自适应波束形成中期望信号相消的问题,并解决了在实际应用中旁瓣相消波束形成算法GSC波束形成算法需要构造与期望信号的导向矢量完全正交的阻塞矩阵的难点问题,从而达到提高系统稳健性能的目的,仿真结果验证了该算法的性能优于传统的MVDR方法和基于MVDR的对角加载方法。     

稳健的特征空间基变换自适应波束形成

针对现有自适应波束形成器在阵元位置误差、幅相误差以及信号来波方向误差耦合时干扰抑制能力下降的问题,提出了一种稳健的基于特征空间基变换的自适应波束形成算法。首先,对导向向量中阵元位置误差、幅相误差以及信号来波方向误差的影响进行了建模;然后,通过利用真实信号子空间与导向矢量张成空间相同的特性,引入子空间距离的概念量化两个子空间相似程度,并构建出一个最小化空间距离的多维非线性优化问题;在此基础上,结合遗传算法与拟牛顿法的特点形成一种混合优化策略,在解除最优化问题后,得到信号子空间的一组非正交基;最后,将估计的信号子空间与噪声子空间组合为特征空间,通过对特征空间进行基变换提取出准确的干扰加噪声协方差矩阵,并对期望信号导向向量进行了修正。数值仿真结果表明：所提混合优化算法随着迭代数提高能够显著降低子空间距离,迭代数达到100次时,能够将子空间距离降低至1以下;在信号来波方向误差、阵元位置误差以及幅相误差同时存在,且输入信噪比为10 dB的情况下,所提算法的输出信干噪比与现有方法相比提高约14 dB。     

一种改进的SMI波束形成算法

协方差矩阵求逆(SMI)波束形成算法利用协方差矩阵求逆的方法求得权值,其收敛速度快,但是当期望信号信噪比增加时,算法性能急剧下降。本文提出一种改进的SMI算法,它增加了一个可以调节这种波束形成器权向量中的增强因子,从而使算法在期望信号信噪比增加的条件下也实现。     

小快拍相干源时的自适应波束形成方法

基于特征空间自适应波束形成算法，针对等距离线阵提出了一种波束形成方法．通过构造一个特殊的矩阵代替协方差矩阵，可以克服特征空间算法不能在相干环境下工作的缺点，且在低信噪比、小快拍数下自适应波束形成就能收敛并保持较好的性能．     

抗导向矢量失配的零陷展宽波束形成算法

针对自适应波束形成器在干扰出现扰动或期望信号导向矢量失配时,性能急剧下降的问题,提出一种抗导向矢量失配的零陷展宽波束形成方法.首先通过投影变换技术对阵列接收数据进行投影预处理,构造一个新的协方差矩阵,以扩展干扰入射角度,展宽零陷;再根据期望信号入射的大致方位,对波束主瓣进行幅度响应约束,在约束区域形成稳定的响应幅度,达到抗导向矢量失配的目的.该方法可以转化为松弛半正定规划问题进行求解.仿真结果表明:该方法能有效展宽波束的零陷宽度,加深零陷深度,同时具有良好的抗期望信号导向矢量失配的能力,提高了自适应波束形成器在复杂环境下的稳定性.     

非线性约束的自适应波束形成算法

提出基于非线性约束的自适应波束形成算法. 首先修改接收信号协方差矩阵信号子空间中的特征向量,使修改后的协方差矩阵基本不包含期望信号(SOI)成分而只包含干扰信号和噪声. 进而利用线性约束最小均方算法(LCMV)和修改后的波束空间求解方向图的权向量w. 为了提高算法的稳健性,采用非线性约束方法对w进行优化,w的优化解在形式上不同于可变对角加载类算法,且优化解中的待定参数容易准确求出. 新算法的输出信干比 (SINR)对导引向量随机误差具有稳健性, 并对期望信号的功率变化表现出不敏感的特性, 仿真证明了这一点.     

Robust adaptive beamforming algorithm in the situation of limited snapshots

In order to solve the problem of the sharp degradation of the adaptive beamformer performance due to limited snapshots, this paper proposes a new robust adaptive beamforming algorithm based on the correction of the covariance matrix and the estimation of the steering vector. The proposed algorithm first corrects the covariance matrix, and then obtains the estimation of the optimal steering vector with the corrected covariance matrix. Finally, using the corrected covariance matrix and the estimated optimal steering vector, the weight vector of the adaptive beamformer is calculated. The proposed algorithm can not only deal with all kinds of mismatches efficiently, but also solve the problem of the sharp degradation of the adaptive beamformer performance in the situation of limited snapshots, so that the robustness of the adaptive beamformer can be improved. Simulation results demonstrate the correctness and effectiveness of the proposed algorithm.     

Robust adaptive beamforming with the two level nested array

For the beamforming problem in the two level nested array under the condition of signal model mismatch, this paper proposes a robust adaptive beamforming algorithm based on efficient interference-plus-noise covariance matrix reconstruction and semi-definite programming(SDP). Firstly, by using the diagonal growth-curve(DGC) model of the received signal and the search-free ESPRIT method, we reconstruct the interference-plus-noise covariance matrix of the virtual array precisely; then, the interference-plus-noise covariance matrix and a little prior information are applied to construct the optimization problem in robust adaptive beamforming, which can effectively decrease the performance degradation of the traditional MVDR filter in nonideal signal circumstances; finally, the optimization problem can be approximately expressed as an SDP problem by using the SDP relaxation method, and we can resort to the convex optimization software to solve it. Simulation results demonstrate that the proposed method achieves a higher output SINR under different input SNRs or sampling snapshots circumstances as compared to traditional methods.     

均匀直线阵下通用信号模型稳健波束形成算法

针对非相干散射信号源稳健波束形成问题,提出了一种均匀直线阵下通用信号模型稳健波束形成算法．该算法通过引入数据共轭重排理论,利用定义的两个转换矩阵,重新构造信号协方差矩阵,给出了最优权矢量的实值闭式表达式,减少了算法的计算复杂度．仿真分析了期望信号信噪比、指向误差、快拍数及失配约束参数对输出信干噪比的影响．仿真实验表明,通过对接收数据的共轭重排再利用,提高了算法在快拍数有限、存在有用信号失配及其他失配等非理想条件下的输出性能．     

V-BLAST OFDM系统中一种稳健的检测算法

针对实际中信道估计存在误差,从阵列信号处理的角度提出了V-BLAST(Vertical Bell Labs Layered Space-Time) OFDM系统中一种稳健的检测算法．将接收数据的协方差矩阵进行特征值分解,得到信号子空间,将存在估计误差的信道矢量向该子空间投影,就可以得到较为准确的信道矢量,然后利用波束形成计算出检测滤波器的系数．仿真结果表明,当信道估计存在误差时,该方法性能显著优于ZF(Zero-Forcing)和MMSE(Minimum Mean Square Error)算法．     

一种针对GNSS接收机的宽零陷抗干扰算法

为解决干扰信号来向快速变化情况下,基于线性约束最小功率(linear constraint minimum power,LCMP)准则的传统抗干扰算法可能难以收敛,致使全球卫星导航系统(global navigation satellite system,GNSS)接收机失锁的问题,提出了一种基于协方差矩阵锥化(covariance matrix taper,CMT)的零陷加宽抗干扰算法,使变化的干扰信号来向能够始终保持在拓展的零陷之内.首先,在实际干扰信号来向变化不可预测的条件下,所提算法假设干扰信号来向变化服从三角形概率分布统计模型;然后,依据这一模型推导假设情况下的虚拟协方差矩阵与真实协方差矩阵的转换关系,再根据转换关系和真实采样协方差矩阵得到虚拟采样协方差矩阵.通过虚拟采样协方差矩阵求解阵列天线各通道权值;最后,将所提三角形分布算法与传统的均匀分布算法和拉普拉斯分布算法进行了对比分析.研究结果表明,该算法可以有效加宽在干扰信号来向上的零陷并抑制干扰,而且相比于均匀分布算法和拉普拉斯分布算法,三角形分布算法在形成零陷的宽度和深度一致性之间更加平衡,阵列输出信干噪比也要更高,最后结合软件接收机验证了所提算法的有效性.     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．