基于二次约束的稳健LCMP波束形成算法

针对当前已经提出的二次不等式约束(QIC)条件下的线性约束最小功率(LCMP)波束形成算法,提出了利用Lagrange乘数方法进行有效的求解,解决了该波束形成问题的最优加权矢量求解问题,而且对约束参数的选择进行了分析,给出了选取的依据和范围.但是,由于二次等式约束(QEC)远远强于二次不等式约束(QIC),因此,相对于QICLCMP波束形成算法,二次等式约束(QEC)条件下的LCMP波束形成算法具有更加优越的稳健性.所以又提出了QECLCMP波束形成算法并进行了有效的求解.最后的仿真分析验证了本文所提出算法的正确性和有效性,并且表明在等式模约束条件下的LCMP波束形成算法具有更好的性能来克服信号方向失配,即最优的负加载具有更加优越的稳健性.     

基于广义旁瓣对消器的Laguerre宽带波束形成

基于Frost 结构的Laguerre 宽带波束形成器可以获得比FIR 宽带波束形成器和IIR 宽带波束形成器更好的性能,但其需要单极点的最优求解过程,存在计算复杂度较高及收敛速度较慢等问题.该文提出一种基于广义旁瓣对消器(Generalized Sidelobe Canceller, GSC)的Laguerre 滤波器宽带波束形成算法.该算法首先建立基于GSC结构的Laguerre 宽带波束形成器模型,然后利用最小二乘方法给出一种低复杂度的极点求解方法,最后利用归一化最小均方根误差方法实现宽带波束形成.仿真实验及理论分析表明,该方法无需基于Frost 结构的Laguerre 宽带波束形成器单极点最优求解过程,在保证算法较高的输出信干噪比的同时,减少了计算复杂度,提高了收敛速度.      

基于空间响应偏差约束的最小二乘宽带波束形成

针对常规最小二乘宽带波束形成中存在波束响应不满足频率不变特性和干扰方向零陷无法控制的问题,提出了一种基于空间响应偏差约束的最小二乘宽带波束形成方法。该方法通过对阵列空间响应在指定的宽频段和方位范围内施加约束,来控制阵列波束响应的频率不变特性,同时增加一系列的线性约束,可以实现旁瓣电平和干扰零陷的灵活控制。在全方位约束和仅主瓣方位约束两种情况下,均能有效改善宽带波束的频率不变性能,并能在干扰方向上准确形成深零陷。仿真实验结果验证了该方法的有效性。     

MIMO雷达稳健的发射波束形成算法

针对发射导向矢量存在未知误差的问题,该文提出了一种MIMO雷达稳健的发射波束形成算法(Robust Transmitting Beamforming, RTB)。该算法在稳健的接收波束形成算法的基础上,以最大化最差情况输出信干噪比为优化准则,对发射导向矢量误差做稳健的发射波束形成。RTB算法属于对角加载方法。仿真结果表明,相比于已有算法,RTB算法的稳健性更好、计算复杂度更低、收敛速度更快。     

基于加权最小二乘的宽带波束形成算法

宽带波束形成技术是阵列信号处理研究的一个重要方向。基阵对信号的响应特性随频率而改变导致通过基阵的宽带信号产生波形畸变。恒定束宽波束形成可以实现在信号带宽内基阵波束图主瓣宽度保持恒定。主要研究基于加权最小二乘的恒定束宽宽带数字波束形成方法及其实现,MATLAB仿真实验表明算法的正确性和有效性。     

线性受限最小二乘恒模波束形成算法

将线性受限条件运用于最小二乘，提出了一种线性受限最小二乘恒模波束形成算法，称为LC-LSCMA，并将它与传统的最小二乘恒模波束形成算法(LSCMA)及预解扩最小二乘恒模波束形成算法(P-LSCMA)进行了仿真比较。仿真结果表明，提出的LC-LSCMA算法比LSCMA及P-LSCMA的信干比性能和误码率性能要好，特别在低信噪比情况下性能仍优于LSCMA。     

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.     

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.     

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。     

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。     

基于可变对角载入的鲁棒自适应波束形成算法

针对传统算法对方向向量偏差敏感的缺点,提出了一种基于可变对角载入的鲁棒自适应波束形成算法.为了提高算法的鲁棒性,采用非线性约束条件下的最优化阵列输出功率对信号方向向量进行优化求解,且优化解中的参量能够准确求出.为了减少计算量,采用递推算法求逆矩阵并利用泰勒级数展开,推导出基于可变对角载入的权重向量公式.该算法可有效地抑制方向向量偏差所带来的影响,降低了计算量易于实时实现,提高了系统的鲁棒性,改善了阵列输出的信干噪比,使其更接近最优值.仿真结果表明,该算法相对传统算法可以获得更好的性能.     

一种改进的迭代型鲁棒波束形成算法

为有效克服模型失配误差对自适应波束形成器的影响,该文提出了一种改进的迭代型鲁棒波束形成算法.该算法以导向矢量在期望信号来波方向区间宽度内、外的积分关系式构造新的终止条件,克服了迭代对角加载算法对终止条件参数鲁棒性不强的问题,从而进一步提高了波束形成器的输出信干噪比.仿真实验表明,提出的算法可以有效克服不同类型的模型失配误差带来的影响,能够处理较大范围的方向失配误差,且对算法中的来波方向区间宽度这一关键参数设置具有较强的鲁棒性.     

宽带子阵域特征空间稳健对角减载波束形成

针对宽带子阵域自适应波束形成器在实际使用中稳健性下降、对弱信号的检测能力受信噪比限制的问题,提出了一种宽带子阵域特征空间稳健对角减载自适应波束形成方法.首先提出利用子阵域特征空间投影法修正导引向量并得到球形不确定集的估计,再利用RCB（Robust Capon Beamformer）算法得到约束条件下的最优权值.另一方面,利用子阵域互谱密度矩阵的最小特征值作为子阵域非相关噪声功率的估计并进行对角减载,以最优权值对减载矩阵波束形成得到子带波束输出,对每个窄子带重复上述处理,再将结果非相干叠加即可得到本文方法的最终结果.理论及实验分析表明方法能提高自适应波束形成器的稳健性及输出信噪比.     

GSC框架下的最小均方超声波束形成算法

针对传统超声信号幅度变迹方法中主瓣宽度较宽、空间分辨率较低的问题,提出了一种基于广义旁瓣相消器框架下的最小均方超声波束形成算法。该方法基于期望信号最小方差无失真准则,构造广义旁瓣相消器,将接收到的超声信号分解为自适应与非自适应上下两个部分:上支路保留期望信号与噪声信号,且期望信号无失真响应约束得到保证;下支路阻塞期望信号,只含有噪声。将两路信号进行维纳滤波,上下支路噪声得到抵消,期望信号被无失真输出。为了使该算法在硬件上易于实现,采用最小均方算法自适应迭代求取,并给出了FPGA的详细设计过程。仿真实验表明,采用该算法加权的得到的波束与传统幅度变迹方法相比,主瓣更窄,具有抑制干扰和噪声的能力,提高了超声成像的横向分辨率与对比度分辨率。     

一种改进的稳健波束形成算法

针对期望信号的实际方向与约束方向有误差这一问题,提出了信号子空间投影与非线性约束条件下最小化输出功率相结合的一种改进波束形成算法。该方法能缩小期望信号导向矢量的误差范围,避免导向矢量误差过大引起的波束形成算法性能下降,而且能使收敛速度更快,对信号导向矢量偏差较大的波束形成有很强的稳健性。     

最坏情况下的鲁棒自适应波束形成算法性能分析

研究了最坏情况下的鲁棒自适应波束形成算法,它通过对角加载提高波束对方向矢量误差的鲁棒性.给出了其最优对角加载因子的近似解析达式,揭示了各种因素如何影响最优加载因子.在此基础上,对该算法进行了性能分析,推导出了关于目标功率估计和信号干扰噪声比的近似表达式.计算机仿真验证了本文的分析.     

线性干扰参数约束的稳健LSMI波束形成算法

 针对稳健的加载样本矩阵求逆(LSMI)波束形成算法,给出了一种新的求解方法,获得了加载电平的准确计算公式,而且得出最优加载量为负值,且与约束参数的选取无关.为了改善LSMI波束形成算法的抗干扰性能,提出利用线性干扰参数约束(LJC)来实现,其中对LJC-LSMI波束形成算法进行了建模和求解,得到了最优加权矢量的表达式,并给出了具体的求解方法.仿真分析验证了算法的正确性和有效性,结果表明LJC-LSMI相对于LSMI具有较强的干扰抑制能力,相对于线性约束最小功率(LCMP)波束形成算法具有稳健的波束指向性能.     

矢量最优化稳健波束形成性能分析

针对标准的Capon波束形成在阵列导向矢量存在误差时出现严重性能退化,本文从权矢量模约束和不确定集两个角度出发,提出矢量最优化稳健波束形成方法,并通过二阶锥规划进行有效求解.文中还进一步给出自适应权矢量的近似解析表达式,揭示了影响最优权矢量的各主要因素.通过理论分析和计算机仿真研究,详细讨论了约束参数、信噪比、快拍数以及方位估计偏差对输出信干噪比及空间谱估计的影响.外场实验数据处理结果表明,将本文方法应用于实际工程进行空间谱估计,能够得到准确而稳健的高分辨方位估计结果.     

一种基于稀疏约束的稳健波束形成方法

通过分析最优自适应波束形成权矢量的子空间组成,发现最优权仅位于低维的干扰加信号子空间中.一般系统所要抑制的干扰数目远小于系统自由度,因此一旦估计出干扰空间和信号导向矢量,只需求解一个低维的组合矢量即可求得自适应权矢量,同时也极大地降低了计算复杂度.本文首先构造一个完备的干扰加信号子空间（IPSS）,然后对组合矢量进行稀疏约束,找到一组列数最小的信号加干扰子空间来构造自适应权.仿真实验验证了所提算法的有效性和稳健性.     

基于特征值分解的稳健波束形成技术

Capon 自适应波束形成中,导向矢量误差和协方差矩阵的估计误差均会导致波束形成器的性能下降。针对这一现象,提出一种基于特征值分解的稳健波束形成技术,即在将估计的协方差矩阵特征值分解后,直接对影响波束形成器稳健性能的噪声小特征值进行算术平均处理,以获得接近于理想波束形成器的稳健性能。同时根据试验仿真,给出了用于区分干扰和噪声特征值的门限计算公式,为准确构建特征子空间提供了思路。分析结果表明,与传统的对角加载方法相比,该方法能够达到同样的改善性能,在实际运用中更加直接和有效。