基于自适应滤波的DPC-MAB SAR方位向信号重建

偏置相位中心方位多波束(DPC-MAB)SAR系统利用方位向多个子孔径同时接收回波,在PRF较低时根据多波束回波的相关性对其进行联合处理,实现方位向信号的重构,从而在保证高方位分辨率的同时增加测绘带宽。该文针对DPC-MAB SAR系统研究了基于波束形成理论的多普勒解模糊方法。传统非自适应的波束形成算法敏感于通道幅相误差以及各类噪声,而基于Capon算法的自适应最小方差无畸变(MVDR)最优波束形成器在多个模糊分量相关性较强时性能大大衰减,针对以往方法的局限性与不足之处,该文提出了一种改进的最小输出能量(MOE)波束形成算法,该算法首先利用多通道回波数据自适应的估计统计自相关矩阵,根据子空间投影理论对理想导向矢量进行修正,然后利用多重约束条件有效抑制相关模糊分量,解模糊性能明显提升。仿真实验和实测数据处理均验证了其有效性。     

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。     

高性能空时二维角度估计改进算法

干扰角度估计是数字阵列雷达抗干扰的基础,本文针对实际数字阵列天线阵元间距大于半波长导致大角度估计时阵元相位出现模糊问题,提出一种新的基于时空DOA矩阵的多目标高性能二维角度估计算法。该算法首先计算时空DOA矩阵并进行特征值分解,接着利用空时矩阵特征向量与来波导向矢量匹配特性,对估计得到的各导向矢量分别进行相位解模糊,进而利用导向矢量联立方程组,得到各来波角度信息的最小二乘解。相位解模糊过程主要通过计算多组模糊解对应的导向矢量与实际估计得到的导向矢量的相关性,选取相关值最大的一组模糊解作为真实解来实现。仿真与数字阵列天线实测结果表明,与时空DOA矩阵法相比,本文算法具有更高的测角精度和更加稳健的输出性能。      

一种基于二重特征分解的稳健波束形成方法

针对强干扰背景下的弱目标被动探测与定位问题,提出了一种基于特征分解的稳健波束形成方法。首先搭建了一个由信号子空间与干扰方向导向矢量组合的特殊矩阵,理论推导了该矩阵特征向量与信号导向矢量间的内在关系,并证明这种数学关系仅与信号间相对方位有关,与信号能量无关;接着利用该关系,构造了能够抑制训练数据中期望信号并保证其余信号功率不变的预处理矩阵;最后对预处理后的训练数据,结合对角加载方法,获得最终波束形成方法的权向量。仿真实验证明,在干扰区间已知时,该算法在保证波束形成的稳健性同时,具有更强的干扰抑制能力。     

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。     

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。     

一种基于降秩变换的ESB改进算法

提出了一种基于降秩变换的ESB改进算法,该方法首先用降秩变换矩阵对阵列接收数据进行降秩变换,利用干扰子空间和修正的期望信号导向矢量来构造降秩变换矩阵,然后进行波束形成.该算法解决了传统的基于特征空间(ESB)自适应波束形成算法方向图副瓣电平较高的问题,并且解决了当阵列协方差矩阵中不含期望信号或期望信号较小时方向图畸变的问题,从而大大提高了抗干扰能力.仿真结果证明,所提出的基于降秩变换的ESB改进算法具有良好的波束形成性能,验证了算法的有效性.     

宽带波束域频率聚焦自适应波束形成算法

针对传统时延控制波束形成器无法适应宽带信号接收的问题,提出一种宽带波束域频率聚焦自适应波束形成算法。首先,通过时延控制方法在空间预设方位形成多个独立波束,利用傅里叶变换将多波束数据变换到频域,针对每个频点构造聚焦矩阵,通过聚焦变换将宽带信号对齐到同一参考频率;然后,估计子带聚焦后的协方差矩阵,并进行特征分解得到信号子空间;最后,利用基于特征子空间(ESB)的波束形成方法得到权矢量,实现自适应波束形成。仿真结果表明,该算法能够实现对宽带信号的自适应接收,具有良好的抗干扰能力和稳健性。     

改进未知互耦信息下矩阵重构算法的波束形成

针对自适应波束形成器在低信噪比下受阵列互耦效应的干预而导致的性能下降问题,研究一种基于改进未知互耦信息下导向矢量失配的矩阵重构算法的波束形成。利用互耦矩阵的特殊性在加入互耦之前给期望信号导向矢量适配一个误差值,通过设置输入信噪比取值条件,调整导向矢量的估计值,进而对重构出来的干扰加噪声协方差矩阵进行二次特征分解,得到最优权矢量。仿真实验表明,算法显著提高了波束形成器应对未知的互耦信息下抗干扰的能力,在低信噪比下体现出更好的稳健性。该算法对方向矢量进行修正并增强了对干扰的抑制能力,显著提高了波束形成器的性能。     

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.     

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。     

利用一发多收的双基SAR构型解多普勒模糊成像

该文以方位平移不变的双基SAR为研究对象,分析了双基回波多普勒的距离空变性,提出了一种考虑多普勒空变性的双基解多普勒模糊算法。解模糊过程中利用数值计算得到不同距离对应各个多普勒频点模糊分量的导向矢量,然后进行空域滤波实现全多普勒谱的重构。最后结合已有的双基成像算法实现大场景高分辨率成像。数值仿真验证了算法的有效性。     

基于区域约束的双耳近场自适应波束形成算法

提出了一种基于区域约束的双耳近场自适应波束形成算法，该算法将目标信号及其附近区域内的若干个导向矢量组成的矩阵进行特征值分解，并在最小化输出信号能量的同时对主要的特征向量进行约束，从而有效解决传统近场波束形成器对目标声源的方位估计误差和位置扰动过于敏感的问题。实验结果表明，所提方法可以有效抑制远场同向干扰声源，并且相对于传统近场波束形成器具有更高的鲁棒性。客观评价指标表明，该算法的降噪性能及语音质量提升方面均优于对比算法。      

宽带恒定束宽盲波束形成算法

针对传统盲源分离算法对宽带阵列信号适用性较差的问题,提出一种基于时频分析的宽带恒定束宽盲波束形成算法。该算法首先将接收信号变换到时频域上并提取出单源点。然后,对单源点聚类并求解信号在不同频点上的导向矢量。最后,通过提出一种信号来向未知的空间响应变化约束方法,实现宽带恒定束宽盲波束形成。该算法避免了将宽带盲波束形成转换为卷积混合的盲源分离,因而不存在时域盲源分离算法中系统参数随滤波器阶数急剧增加的问题,也不存在频域算法中排序和幅度模糊的问题。仿真结果表明,算法能够较好地实现宽带信号的盲分离,且输出信干噪比高于时域、频域以及时频域盲源分离算法,实测数据的处理结果验证了该算法的实用性。      

基于半正定秩松弛方法的稳健波束形成

现有的向量加权稳健波束形成方法只有在指向误差较小的情况下才能有效估计目标的信号功率;矩阵加权波束形成方法在指向误差较大时,虽然可以估计目标的信号功率,但是它的系统实现复杂度与向量加权稳健波束形成方法相比较大。针对以上问题,该文提出基于半正定秩松弛(SDR)方法的稳健波束形成,该方法优化模型中的目标函数与Capon算法的目标函数相同,优化变量为加权向量的协方差矩阵,并约束方向图的主瓣幅度波动范围、旁瓣电平,协方差矩阵的秩为1。应用SDR方法求得加权向量的协方差矩阵,将该矩阵中的每一行(列)转化为加权向量,然后选择使得方向图主瓣与0 dB之间失真最大值最小的一个加权向量。该方法的系统实现复杂度与传统向量加权方法一致,对信号功率的估计性能与矩阵加权方法相当。仿真实验验证了该文方法可以得到理想的方向图形状,并且可以在大指向误差条件下有效估计信号功率。     

零陷优化的稳健波束形成算法

传统的自适应波束形成算法在干扰方向出现扰动且期望信号导向矢量失配时,不仅无法持续有效地抑制干扰,而且会在期望信号方向产生零陷致使期望信号相消,算法性能严重下降。针对该问题,本文提出了一种零陷优化的稳健波束形成算法。该算法首先通过干扰导向矢量的左右旋转来展宽零陷,接着将采样数据向干扰子空间投影,并对干扰分量进行加权处理以增强采样数据中的干扰强度,加深干扰零陷,最后采用导向矢量不确定集约束算法保证期望信号的接收增益。计算机仿真结果表明:该算法能够有效展宽干扰零陷,并能够保证期望信号增益,具有较好的稳健性。      

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.