基于IAA的协方差矩阵重构稳健波束形成方法

针对小样本背景下,存在相干信号、相位及阵元位置误差,传统波束形成方法性能不佳的问题,提出了基于迭代自适应法(IAA)的协方差矩阵重构稳健波束形成方法。该方法利用IAA估计出精确的功率谱,并进一步利用IAA估计的功率重构干扰协方差矩阵。重构过程中,将积分区域缩小到三维立体环域,减少无用信息的影响,提高了干扰协方差矩阵的重构精确度。最后通过波束形成抑制干扰信号。由于IAA不依赖于信号的非相干假设,解决了相干信号存在下的方位估计和功率估计。仿真表明,所提出的方法在相干信号、少快拍、相位及阵元位置误差同时存在的情况下,相对于其他波束形成方法,具有最优的信干噪比(SINR)输出,表明该方法具有优良的抑制干扰性能。     

基于协方差矩阵双层重构的稳健自适应单脉冲测角

常规自适应单脉冲方法在主瓣干扰下会引起自适应波束形成性能恶化并导致其单脉冲比曲线严重失真,影响被动雷达的测角精度与跟踪性能。针对此问题,提出了一种适用于平面阵的基于协方差矩阵双层重构的稳健自适应单脉冲测角方法。首先,利用Capon功率谱通过稀疏重构法初步估计出干扰加噪声协方差矩阵,通过干扰导向矢量估计完成对协方差矩阵的优化校正以提高自适应波束形成性能;然后,基于线性约束最小方差（Linearly Constrained Minimum Variance,LCMV）准则对方位角和俯仰角进行联合线性约束以避免单脉冲比曲线在主瓣干扰下严重失真;最后,根据自适应单脉冲比值求出目标与波束指向之间的偏转角以实现目标测角。与常规方法相比,所提方法在干扰抑制能力与测角精度上都有显著提升。     

基于二阶锥规划的相干信号深零陷自适应波束形成

针对常规自适应波束形成算法在强相干干扰情况下零陷深度不够、甚至干扰抑制失效的问题,提出了一种基于二阶锥规划的相干信号深零陷自适应波束形成算法。该算法首先对接收数据协方差矩阵进行Toeplitz重构,使其包含信号和干扰的所有方位信息。然后重构了干扰加噪声协方差矩阵。接着在保证期望方向波束无失真前提下,约束主瓣宽度和旁瓣电平,使得波束形成器干扰和噪声的输出功率最小。最后将该问题转化为凸优化中的二阶锥规划问题,并使用凸优化工具箱进行快速求解。仿真结果验证了该算法的有效性。     

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。     

一种低副瓣稳健自适应波束算法

本文提出一种新型低副瓣自适应波束形成算法,解决了传统自适应波束形成器在干扰和高信噪环境下算法性能急剧下降的问题,并降低了快拍数对算法稳健性的影响。该算法基于标准Capon波束形成器,利用消除空域噪声的方法提高期望矢量的重估精度,并结合功率估计算法重构出干扰噪声协方差矩阵;然后使用特征干扰相消算法二次重构噪声协方差矩阵得到最优权值,增强算法在低样拍下的稳定性;最后对最优权值进行切比雪夫加权和二次约束实现了零陷加宽。仿真实验结果表明：新算法计算量小,旁瓣电平低,降低了在干扰运动和导向矢量失配时快拍数和信噪比对性能的影响。     

平面阵子阵级自适应波束形成方法研究

利用遗传算法(GA)将大型阵列划分为非均匀邻接子阵,以主旁瓣比作为适应度函数,并对遗传操作增加约束条件,得到具有栅瓣抑制能力的子阵结构。为进一步抑制平面阵俯仰和方位上的高旁瓣,对平面阵进行两级子阵划分,使平面阵方向图在俯仰和方位上均具有良好的主旁瓣电平比;为消除非均匀子阵结构各子阵通道噪声功率不同对子阵级自适应波束形成算法的影响,通过对阵列协方差矩阵进行奇异值分解、重构特征子空间,提出了基于特征空间重构的子阵级自适应波束形成方法。仿真结果表明了该方法的可行性与有效性。     

脉冲噪声下加权稀疏约束稳健波束形成方法

针对脉冲噪声下现有稀疏约束波束形成方法,对不同角度信号施加相同稀疏约束而带来干扰抑制能力有限的问题,本文提出了一种干扰抑制能力更优的加权稀疏约束稳健波束形成方法。该方法首先利用波束方向图的稀疏特性,在最小散度无畸变响应波束形成的目标函数中加入波束方向图l1范数约束;然后采用基于无穷范数归一化方法对阵列接收到的所有快拍信号做自适应预处理,以使预处理后的阵列接收信号协方差矩阵有限;最后运用传统的基于协方差矩阵特征分解的子空间法构造加权矩阵并应用到稀疏约束项中,使得波束方向图中不同角度的信号得到不同程度的约束。实验仿真表明,所提出方法不仅保持相对较低的旁瓣增益,而且显著加深了干扰方向的零陷,提高了输出信干噪比。      

基于协方差矩阵重构和导向矢量估计的稳健自适应波束形成

实际应用中, 当假定的与真实的期望信号导向矢量之间存在一定误差时, 波束形成器的性能会急剧下降, 特别是当期望信号功率很强的时候.为解决这个问题, 提出了一种新的算法.当信源数小于阵元数时, 干扰加噪声协方差矩阵具有稀疏性.新方法首先利用该特性重构干扰加噪声协方差矩阵并由此得到与干扰导向矢量正交的子空间, 使接收的数据通过该子空间得到只含有期望信号和噪声的混合信号, 然后,对该混合信号基于最大化输出功率原理估计期望信号导向矢量, 最后,把得到的导向矢量和正交子空间来构造阵列加权值.仿真结果表明:该算法分别在假定的期望信号导向矢量存在误差、期望信号很强和低快拍数时仍然具有良好的性能.     

几种自适应波束形成方法的对比

波束形成在无线通信、雷达、声呐等阵列系统中具有广泛应用。数字波束形成通常是基于接收信号的阵列响应和协方差矩阵的估计设计。由于天线增益、相位、波达方向(Direction-of-Arrival,DOA)和协方差矩阵估计的误差会导致导向矢量(Steering Vector,SV)产生模型失配,而这种模型失配会导致波束形成性能的下降。针对以上问题,给出了基于精度矩阵收缩估计的方法,采用了线性脊估计结构且用数据驱动和留一交叉验证来选择参数。通过Matlab仿真,研究了当存在模型不确定性时,基于精度矩阵收缩估计的方法以及基于协方差矩阵收缩估计和干扰加噪声协方差矩阵重构等方法的鲁棒性。结果显示,当存在模型失配时,基于精度矩阵收缩的波束形成方法在低信噪比时具有更优的鲁棒性。     

一种基于期望信号预减除的稳健自适应波束形成方法

针对自适应波束形成中的期望信号自消除问题,提出一种干扰加噪声协方差矩阵重建稳健自适应波束形成方法。算法具有较低的计算时间复杂度。该方法首先使用波达方向估计技术得到期望信号的波达方向,其次对每两根相邻天线的接收信号进行特定的加权相减,能够减除阵列信号中的期望信号成分,继而得到不含期望信号且保留了干扰加和噪声的更新阵列信号,再次,使用更新阵列信号计算干扰加噪声协方差矩阵,最后计算得到加权矢量。理论分析给出了减除期望信号过程的原理和算法的复杂度,仿真结果表明,在16阵元情况下,所提算法的输出信干噪比(Signal to Interference plus Noise Ratio,SINR)性能比最优值低0.52 dB,因自由度损失造成的性能损失小于0.3 dB,综合性能优于其他对比的方法。     

利用稀疏贝叶斯推理估计干扰导向矢量和功率的稳健自适应波束形成方法

现有稳健自适应波束形成（Robust adaptive beamforming,RAB）方法对快拍数有较高要求，可用快拍数的不足可能会使RAB方法无效。稀疏贝叶斯推理（Sparse Bayesian Inference,SBI）从贝叶斯的角度，通过对信号的稀疏先验假设来利用稀疏信息，在建模稀疏信号方面具有较好的灵活性，可以提高解的稀疏性，即使在样本数较低的情况下也能取得很好的估计效果。本文使用SBI估计干扰信号的导向矢量和功率，提出了一种新颖的基于干扰加噪声协方差矩阵（Interference plus Noise Covariance Matrix,INCM）重建的RAB方法。所提方法利用SBI在建模稀疏信号方面的优越性，通过准确重建出INCM，实现高输出SINR。仿真结果表明，本文提出的方法在比较宽的输入SNR范围内和少量快拍情况下都实现了较好的性能。     

Two-stage code reference beamformer for the reception of frequency hopping modulated signals

This paper presents a beamforming technique for the reception of frequency hopping (FH) modulated signals, which takes advantage of their inherent frequency diversity. This technique, based on a code reference beamformer, requires neither temporal nor spatial a priori reference and allows continuous self-calibration of the array. The proposed framework is composed of two different stages. The first stage employs the inverse of the noise plus interference covariance matrix obtained by an anticipative processor. The second stage makes use of the steering vector of the signal of interest which is adaptively obtained by maximizing the output signal to interference plus noise ratio (SINR). Using this information, the first stage is in turn readjusted and, as a result, the scheme is able to track non-stationary scenarios following the channel variations with no previous references other than knowledge of the frequency hopping sequence. The two-stage code reference beamformer provides the convergence rate necessary to avoid the SINR reduction associated with frequency hops in existing methods.     

基于稀疏约束和SRV约束的宽带自适应波束形成

针对传统的宽带MVDR自适应波束形成中,抑制干扰的同时会抬高旁瓣电平,且过多的线性约束会导致波束输出的SINR性能下降的问题,提出了一种基于SRV约束和稀疏约束的低旁瓣、高增益宽带自适应波束形成方法.该方法在窄带MVDR自适应波束形成基础上,通过增加波束图稀疏约束来降低波束的旁瓣电平,同时利用空间响应偏差(SRV)约束将窄带算法推广到宽带MVDR 自适应波束形成中,极大地降低了算法的复杂度,改善了波束输出的SINR 性能.与传统方法相比,该方法在降低宽带波束的旁瓣电平的同时,还具有良好的干扰抑制效果.数值仿真实验验证了该方法的有效性.     

Side-lobe constrained beamforming undervirtual expansion of L-shaped array

To reduce the side-lobe level of L-shaped expansion array and improve the output signal to interference and noise ratio (SINR), the algorithm of side-lobe constraint based on minimum variance distortionless response ( MVDR- SC) is proposed. Firstly, the approach of mixing diagonal loading and Mailloux-Zatman (DLMZ) is used to taper the covariance matrix of the expansion array. Then, the second order cone programming ( SOCP) obtained by constructing a new matrix is used to control the beam side-lobe. Finally, the new adaptive weight numbers are constructed by adjusting the proportion between DLMZ and SOCP. Simulation results show that the MVDR-SC algorithm can effectively reduce the side-lobe of beamforming under the L-shaped expansion array and obtain a larger output SINR. At the same time, it has good robustness to the mutual coupling error.     

Joint beamforming and power control in downlink multiuser multiple‐input multiple‐output systems

In this paper, we study joint beamforming and power control for downlink multiple‐input multiple‐output systems with multiple users and target values for signal‐to‐interference plus noise ratios (SINRs). We formulate this as a constrained optimization problem of minimizing total interference subject to constraints on the beamforming vector norms, target SINRs, and total transmit power. Necessary and sufficient conditions satisfied by the optimal beamformer and power allocation are presented, and a new algorithm for joint beamforming and power control is proposed. This adapts the beamforming vectors and transmit powers incrementally, and it stops when the specified SINR targets are achieved with minimum powers. The proposed algorithm is illustrated with numerical results obtained from simulations, which study its convergence and compare it with other similar algorithms. Copyright © 2013 John Wiley & Sons, Ltd.     

Robust Adaptive Beamforming Under Quadratic Constraint with Recursive Method Implementation

When adaptive arrays are applied to practical problems, the performances of the conventional adaptive beamforming algorithms are known to degrade substantially in the presence of even slight mismatches between the actual and presumed array responses to the desired signal. Similar types of performance degradation can occur because of data nonstationarity and small training sample size, when the signal steering vector is known exactly. In this paper, to account for mismatches, we propose robust adaptive beamforming algorithm for implementing a quadratic inequality constraint with recursive method updating, which is based on explicit modeling of uncertainties in the desired signal array response and data covariance matrix. We show that the proposed algorithm belongs to the class of diagonal loading approaches, but diagonal loading terms can be precisely calculated based on the given level of uncertainties in the signal array response and data covariance matrix. The variable diagonal loading term is added at each recursive step, which leads to a simpler closed-form algorithm. Our proposed robust recursive algorithm improves the overall robustness against the signal steering vector mismatches and small training sample size, enhances the array system performance under random perturbations in sensor parameters and makes the mean output array SINR consistently close to the optimal one. Moreover, the proposed robust adaptive beamforming can be efficiently computed at a low complexity cost compared with the conventional adaptive beamforming algorithms. Computer simulation results demonstrate excellent performance of our proposed algorithm as compared with the existing adaptive beamforming algorithms.     

基于权值约束变换误差的虚拟阵列波束形成

针对内插变换应用于波束形成时,适用角度范围受限的问题,提出了一种利用权值约束变换误差的改进算法.该方法将权值和变换误差约束为近似正交的关系,在虚拟阵列接收信号的协方差矩阵上加载变换误差协方差矩阵,改善了变换误差过大时波束形成性能下降的问题.仿真结果表明,改进后的算法应用于大角度内插变换波束形成时,在干扰处仍能形成稳定的较深的零点,增加了虚拟阵列波束形成的输出信干噪比（Signal to Interference and Noise Ratio,SINR）.与现有方法相比,该方法增加了内插变换应用于虚拟阵列波束形成时的适用角度范围,且能够补偿阵列本身带来的误差,计算复杂度较低.     

一种主瓣干扰环境下的雷达目标参数"同维"稀疏估计方法

主瓣干扰对抗一直以来是雷达领域的难题之一，给雷达的探测、跟踪和识别带来了严重威胁.对此，本文提出了一种主瓣干扰环境下的雷达目标参数"同维"稀疏估计方法，可有效抑制主瓣干扰并估计目标距离、角度参数.所提方法首先对接收信号进行阻塞矩阵预处理，可在抑制主瓣干扰的同时保持目标回波在各阵元之间的相位关系，即保留了目标的角度信息；然后对预处理后的数据进行空域波束合成并脉压，可估计目标的距离参数信息；最后，根据得到的目标距离估计，截取预处理数据中目标附近的数据，并对其进行稀疏恢复估计目标角度参数.所提方法即可应用于面阵，也可应用于线阵，其优势在于可以在空域任何一维上抑制主瓣干扰，并同时估计目标在空域两维上的角度.尤其是当目标与干扰的某一维空域角度相同时，所提方法仍然可以同时估计目标的方位、俯仰角.