对角加载对自适应均衡器性能影响的研究

在自适应通道均衡中，一般采用最小二乘的广义求逆法求解均衡器系数，当随着均衡器阶数增加时，常常会遇到方阵病态的现象，严重影响了均衡器的校正性能，甚至使均衡器停止工作，本文分析了方阵产生病态的原因，并在此基础上，研究了对角加载对均衡器性能的影响。     

基于正则化估计的宽带阵列通道校正方法

阵列雷达通道之间的幅相不一致严重影响了阵列信号处理的性能,解决的方法是在接收通道中加入校正滤波器。校正滤波器的系数通常需要矩阵求逆获得,但是直接求逆存在着矩阵"病态"问题,导致无解,尽管可以采用伪逆法求解,但仍然存在解的不稳定问题。文中提出了正则化方法来解决系数矩阵的"病态"问题,分析了正则化方法的应用条件,给出正则参数的求解方法。仿真结果表明,在矩阵病态的情况下,该方法仍然能得到稳定、较好的校正结果,是可行有效的。     

一种运动干扰稳健滤波方法

传统的阵列干扰抑制算法假设天线阵列与干扰之间相对静止,完成干扰抑制,当阵列与干扰之间存在相对运动时,存在协方差矩阵估计快拍数不足的问题,从而导致阵列滤波性能下降。针对上述运动干扰稳健滤波问题,提出了一种算法对现有零陷展宽技术抗运动干扰方法进行改进。一方面,将零陷展宽技术与导数约束方法相结合,用得到的新协方差矩阵求自适应权值;另一方面,为了提高自适应波束形成对噪声和误差的稳健性,引入了对角加载技术,加载量通过寻找协方差矩阵的特征值曲线拐点得到,有效避免了加载量过大导致的干扰信号被淹没以及加载量过小导致噪声分量引起性能损失的问题。该算法对零陷展宽系数选取依赖性较低,且对角加载量不需要设置固定的经验值,有利于稳健运动干扰滤波,适用于实际工程中先验信息不足条件下的自适应阵列抗运动干扰情况。     

基于SMI—LMS的自适应旁瓣干扰抑制算法研究

提出基于SMI—LMS的自适应旁瓣干扰抑制算法，即利用采样矩阵求逆（SMI）算法计算初始权值，并以此作为LMS算法的初值。通过比较分析LS-LMS和SMI—LMS的方向图增益和运算量，并运用对角加载技术对SMI-LMS算法作出改进，验证了SMI-LMS算法的优势。仿真实验表明，SMI-LMS算法具有快的收敛速度和低的算法复杂度，在低快拍下有着好的性能。     

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。     

一种基于自适应对角加载的雷达通道均衡算法

雷达通道均衡可以保证通道间的幅度和相位一致性。对角线加载技术能减弱均衡器阶数增加带来的矩阵病态的影响,改善了均衡性能,但是加载量的确定是一个比较困难的问题。文中提出采用自适应对角线加载进行雷达通道均衡的算法,提高了通道均衡的稳健性。仿真结果证明了该算法的有效性。     

数字阵列雷达通道自适应均衡器的一种设计方法

通道之间的幅相不一致性和通道带内频响的不一致性严重影响了数字阵列雷达的性能,采用自适应均衡技术可以解决通道的一致性问题。高性能的数字信号处理芯片可以在较高的运算速度下,实现通道的自适应均衡。本文采用最小二乘广义求逆法求解均衡器系数,提出了利用多通道下变频芯片中的可编程滤波器进行均衡的方法。最后通过仿真和测试结果,分析了均衡性能。     

基于脉动阵的自适应波束形成算法仿真

为了满足自适应波束形成技术对实时性的要求,将脉动阵应用于波束形成算法中,以实现自适应权向量的实时获取.通过对QR分解采样矩阵求逆算法、混合型QR分解采样矩阵求逆算法和逆QR分解采样矩阵求逆算法的理论分析,利用脉动阵,对输入数据矩阵进行QR分解,得到旋转因子,实现自适应权向量的实时更新.针对三种算法各自的脉动阵进行仿真,结果表明,基于脉动阵的自适应波束形成算法实现了权向量的高速获取,并为后续的工程实践提供了理论依据.     

基于对角加载的机载MIMO雷达GLRT检测器

本文研究了基于GLRT的机载MIMO雷达自适应目标检测问题.针对参考单元数据不足对GLRT性能的影响,提出了基于对角加载的MIMO雷达GLRT(MIMO-LGLRT)检测器,并对其检测性能进行了分析,给出了虚警概率和检测概率的闭合表达式.该检测器充分利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题.为了减少MIMO-LGLRT检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LGLRT检测器.理论分析和仿真结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于普通GLRT检测器.     

一种波束形成中的自适应对角加载方法

在自适应波束形成中，由于采样快拍数有限，导致协方差矩阵的估计误差，由此得到的自适应波束旁瓣很高。对角加载方法是一种改善波束性能的有效方法。文章介绍了对角加载的原理，给出了一种对角加载值的确定方法和仿真效果。该方法能根据采样数据自适应调整对角加载的数值，实现容易，能得到很好的旁瓣特性。     

机载雷达自适应对角加载参数估计方法

对角加载可以提高空时自适应处理在低样本情况下的性能。然而,在实际中加载参数的确定是一个较为困难的问题。为了解决这个问题,该文提出一种基于回波数据的自适应对角加载参数估计方法。该方法首先将对角加载问题转化为Tikhonov规划问题,然后利用广义交叉验证准则构造优化问题,最后采用割线法求解优化问题、计算加载参数。仿真与实测数据结果表明该方法可以有效提高机载雷达在低样本条件下的目标检测性能。     

一种改进的稳健自适应波束形成算法

当快拍数较小时,自适应波束形成算法的性能将会降低,而对角加载算法是提高这类自适应波束形成算法稳健性的简单而有效的方法,但是至今没有一种比较有效的方法来确定对角加载值。本文提出了一种确定加载值的方法,这种方法在加载值和协方差矩阵的估计误差之间建立联系,它能够根据阵列的输出数据动态的调整加载值。计算机仿真证实了该算法的有效性。     

基于投影对消处理技术的稳健自适应波束形成

针对传统自适应波束形成算法中目标波达方向(Direction of Arrival,DOA)估计不准确引起的波束形成性能下降问题,提出了一种采用投影对消矩阵的稳健自适应波束形成算法.首先,寻找与估计波达方向有最大相关性的特征矢量作为目标信号特征矢量,然后构建对消矩阵消除协方差矩阵中的信号分量,最后通过增加零点约束实现干扰抑制.与传统对角加载类稳健波束形成算法相比,所提算法不受对角加载因子的影响,且在信干噪比较大时仍然具有良好的抗干扰性能.仿真对比实验验证了所提算法的有效性.     

一种加载量迭代搜索的稳健波束形成

当阵列的导向矢量并不精确已知时,自适应波束形成有较大的性能损失.为提高波束形成的稳健性,对角加载成为一种常用的方式.但困扰这类方法的核心问题是合适的加载量如何确定.粗估导向矢量经对角加载后得到修正的导向矢量,如果加载量合适,则修正后的导向矢量接近真实导向矢量,即与噪声子空间的正交性变好.基于以上分析,构造修正导向矢量向信号子空间和噪声子空间投影的加权代价函数来评价加载量的合适与否,进而提出一种迭代搜索合适加载量的方法.计算机仿真验证了方法的有效性,与同类方法对比显示其优越性.     

Further Study on Robust Adaptive Beamforming With Optimum Diagonal Loading

Significant effort has gone into designing robust adaptive beamforming algorithms to improve robustness against uncertainties in array manifold. These uncertainties may be caused by uncertainty in direction-of-arrival (DOA), imperfect array calibration, near-far effect, mutual coupling, and other mismatch and modeling errors. A diagonal loading technique is obligatory to fulfil the uncertainty constraint where the diagonal loading level is amended to satisfy the constrained value. The major drawback of diagonal loading techniques is that it is not clear how to get the optimum value of diagonal loading level based on the recognized level of uncertainty constraint. In this paper, an alternative realization of the robust adaptive linearly constrained minimum variance beamforming with ellipsoidal uncertainty constraint on the steering vector is developed. The diagonal loading technique is integrated into the adaptive update schemes by means of optimum variable loading technique which provides loading-on-demand mechanism rather than fixed, continuous or ad hoc loading. We additionally enrich the proposed robust adaptive beamformers by imposing a cooperative quadratic constraint on the weight vector norm to overcome noise enhancement at low SNR. Several numerical simulations with DOA mismatch, moving jamming, and mutual coupling are carried out to explore the performance of the proposed schemes and compare their performance with other traditional and robust beamformers     

凸集优化稳健自适应DBF 的在线算法

一种基于凸集优化稳健DBF 的在线算法,以克服平稳和非平稳误差引起的阵列性能下降。算法利用球体约束和 权值约束,建立凸集最优目标函数,采用最速下降法确定对角负载因子,并迭代求解最优权矢量。仿真结果表明,与传 统的capon 算法和固定对角负载值算法相比,基于凸集优化的迭代算法具有更大的阵列输出信干噪比,从而使阵列具有 更好的稳健性。     

基于迭代线性约束最小方差的稳健自适应脉冲压缩方法

针对常规自适应脉冲压缩方法在目标散射点与采样中心失配时旁瓣抑制性能下降的问题,该文提出一种基于迭代线性约束最小方差(RLCMV)的自适应脉冲压缩方法。该方法首先将自适应波束形成器算法引入到自适应脉冲压缩滤波器设计中。其次对目标及干扰单元进行线性约束,并用对角加载技术避免矩阵出现病态。最后构造了迭代运算方法,依次抑制不同大小目标的距离旁瓣。仿真结果表明,该算法可以有效抑制散射点随机分布目标的距离旁瓣,对散射点与采样中心失配情况具有较好的稳健性,在多目标及距离扩展目标场景中达到较好的旁瓣抑制性能,并在一定程度上提高了多普勒容性。     

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.