一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

导向矢量不确定集约束的稳健Capon波束形成算法

针对Capon波束形成算法在导向矢量不确定集约束下的求解问题,提出了新的求解方法．通过对稳健算法最优化问题的特点和求解过程进行分析,给出了新的求解结果,不仅使不确定集约束参数的选择更加简单,同时使波束形成算法的性能改善达到最优．而且得出了负加载可以获得最优的性能改善,而约束参数选择得越大,波束形成算法的性能越接近于最优,而零解可以通过合理选择约束参数进行有效地避免．最后的仿真分析验证了理论分析的正确性和算法的有效性．     

一种基于导向矢量约束的恒模盲波束形成算法

针对阵列信号波达角(direction of arrival,DOA)先验信息已知的情况,利用信号的恒模特性,在卡尔曼滤波(Kalman filter,KF)结构下,提出一种附加阵列导向矢量约束的自适应波束形成算法.对约束情况下的卡尔曼滤波目标函数运用拉格朗日乘子法,求得约束条件下的最优估计表达式,并将其推广到无迹卡尔曼滤波(unscented Kalman filter,UKF)算法中,通过约束迭代算法对阵列估计信号的导向角施加约束,实现约束UKF自适应波束形成算法的最优权值分配.仿真过程中,用所提算法与约束恒模迭代最小二乘算法和约束最小方差迭代最小二乘算法作对比,表明表明,该算法在收敛速度、信噪比、稳健性、跟踪性能方面具有较好的性能.     

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。     

一种低复杂度的稳健宽带SDL波束形成算法

针对存在期望信号指向误差时宽带波束形成性能下降等问题,提出一种基于最差性能准则和空间响应变化(SRV)的稳健阵元延迟线(SDL)宽带波束形成算法。该算法首先建立SDL宽带阵列模型;然后基于最差性能准则,设置多个约束条件,并通过对阵列波束波动附加离散SRV约束,用一参考频率上的约束条件代替一组不同频率上的约束条件;最后将稳健宽带波束形成问题转化为二阶锥规划问题,利用内点法有效求解。仿真实验表明,存在期望信号指向误差的情况下,该算法具有较好的稳健性,恒定束宽性能良好,且计算复杂度较低。     

一种稳健的自适应波束形成方法

基于LCMV波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法,能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点．仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性．     

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.     

基于MNC-FastICA算法的稳健自适应波束形成

针对导向向量失配的稳健自适应算法主要是基于导向向量不确定集约束,但是其约束参数往往难以确定,提出了基于修正的非圆复值快速不动点算法（MNC-FastICA）的波束形成方法,通过盲分离得到的分离矩阵来构造波束权向量,并对由此产生的信源幅相模糊进行校正。该方法不必预先估计信号来波方向,避免了传统方法中来波方向估计不准引起的期望信号的导向向量失配;对于阵列通道幅相误差导致的导向向量失配,该方法对其不敏感,不必对阵列进行校正。仿真实验与最差性能最佳化（WCPO）等经典方法作了性能对比,结果验证了该算法的有效性和稳健性。     

最差性能最优的稳健波束形成算法

基于最差性能最优的稳健波束形成算法可以等价转换成加载样本矩阵求逆(LSMI)算法．提出了一种新的求解方法,准确地计算出Lagrange乘数,给出了LSMI算法中的最优加载量,解决了对角加载技术中加载量估计难题．理论分析和计算机仿真表明,具有最优负加载的LSMI波束形成算法具有最优的性能改善,模约束参数选取得越大,性能改善越接近于最优．     

一种改进的波束空间自适应波束形成算法

在数字阵列雷达中,自适应波束形成(ADBF)算法常被用来抑制副瓣干扰.针对当阵元数较多时ADBF算法运算量很大问题,采用子阵空间或波束空间的方法进行降维处理.通过引入部分自适应阵方法对经典波束空间自适应波束形成(A-ADBF)算法进行了改进,改进后的算法不仅具备波束空间和子阵空间算法的优点,而且更加适合工程实现.仿真结果表明,该算法能有效地在干扰方向形成零点.     

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。     

一种稳健的特征空间线性约束波束形成器

基于特征空间的线性约束最小方差（eigenspace-based linearly constrained minimum variance,ELCMV）算法是一种稳健的波束形成方法,但其性能只能在一定的指向误差范围内保持稳定,当指向误差较大而使期望信号落在预设波束主瓣边缘时,其性能会严重恶化。对ELCMV算法进行改进,提出一种对零点约束方向和指向误差都具有稳健性的波束形成方法。该方法首先利用矢量旋转对预设导向矢量进行校正,再将校正后的导向矢量向信号子空间投影,最后结合线性约束用线性约束最小方差（linearly constrained minimum variance,LCMV）算法来求解权矢量。计算机仿真证实了该方法的有效性。     

一种新的自适应盲波束形成算法

DS—CDMA系统的智能天线技术可以增加其有效覆盖区域，并能提高系统的抗干扰性能。因而，快速的自适应波束形成算法是一个重要的课题。提出和研究了一种新颖的适合于自适应盲波束形成的算法，该算法基于数字信号的有限符号特性，采用预判决映射（DP）方法，结合归一化最小均方（NLMS）算法，具有较低的计算复杂度，比较适合于实时处理场合。计算机仿真结果表明，新算法具有较好的收敛性、跟踪性能以及较低的误码率特性。