色噪声环境下自适应波束形成

在许多实际应用中阵列接收到的背景噪声并不是白噪声，本文研究色噪声环境下自适应波束形成方法及性能，分析了波束畸变机理，提出了一种解决波束畸变的自适应波束形成较根本性的方法，计算机仿真验证了该方法的有效性。     

基于波束空间的自适应波束形成算法

提出了一种稳健的波束形成算法。该算法利用干扰信号的导引向量和噪声向量对接收信号的协方差矩阵进行重构,经此处理后的协方差矩阵的信号子空间中不再包含期望信号成分,使得当期望信号功率较强时应用LCMV算法也不会对期望信号进行抑制。此外,算法还引入了锥形方差矩阵技术增强算法抑制干扰的能力。最后仿真证明了该算法的有效性。     

基于相关域的二维自适应波束形成算法

 该文针对使用最小方差无失真响应算法进行2维波束形成时需要大量采样数据和庞大计算复杂度这一问题,提出一种基于相关域的2维自适应波束形成算法。通过将高维权向量分解成两个低维权向量的Kronecker积形式,使用双迭代算法利用相关域信息求解出两个低维权向量,从而降低了估计采样相关矩阵所需的采样数据和计算量。实验仿真表明,所提算法具有良好的收敛性能,在采样数较小的情况下,能够更好地抑制干扰信号。     

基于宽带MVDR波束形成的弱信号检测研究

在复杂电磁环境中,常规波束形成的性能下降会使检测弱信号变得十分困难。若空间存在相干干扰时,常规阵列信号处理方法大都无法区分干扰与目标信号。针对宽频带、强干扰以及信号相干的问题,研究了可以抑制干扰的最小方差无畸变响应(MVDR)波束形成方法,并讨论了宽带MVDR的几种实现方式,即非相干最小方差(IC-MV)、空间重采样最小方差(SRMV)和指向最小方差(STMV),通过仿真比较了上述算法的弱信号检测性能。     

冲击噪声环境中最小"几何功率"误差波束形成算法

本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声(包含所有对称α稳定分布噪声)环境下的波束形成算法.算法利用输出信号和参考信号之间"几何功率"误差的最小化来求解最优权向量."几何功率"误差定义成误差信号的对数矩的形式.我们采用迭代复加权最小二乘估计来求解最小"几何功率"误差波束形成权向量.与基于最小分数低阶误差波束形成算法相比,最小"几何功率"误差波束形成算法计算更为简单;不需要噪声特征指数的先验信息或估计;适用于更广的冲击噪声环境;具有更小的估计误差.计算机仿真验证了算法的有效性.     

基于近场波束形成的声源成像研究

常规的波速形成,只能在远场环境下进行声源成像。在建立近场模型的基础上,引入了两种不同的加权向量,提高了近场波束形成的成像效果。分别介绍了与距离成反比加权向量和改进的最小方差无失真响应波束形成,并对两种方法进行了模拟仿真,结果表明了其有效性。     

基于改进不确定集的稳健波束形成算法

基于不确定集约束的稳健MVDR波束形成算法在一定程度上依赖于期望信号导向矢量误差的先验知识,且当导向矢量失配较严重时干扰抑制性能也有所下降。为此,提出了一种基于投影变换的改进算法。该方法将约束方向矢量向信号干扰子空间投影,并作为新的约束方向矢量,从而等效于减小了期望信号导向矢量误差。这样,误差不确定参数只需设置为一较小的实数即可在任意导向矢量失配时获得最优的输出性能。计算机仿真结果证明了所提波束形成器具有较强的稳健性能。     

基于色噪声背景下的自适应波束形成研究

色噪声环境下自适应波束形成技术能有效适应阵列天线系统的实际应用场景。首先分析了色噪声环境下自适应波束形成技术性能,重点研究了有限次快拍下自适应波束畸变产生的原因,其次,在已知噪声协方差情况下,通过对噪声相关矩阵的改进设计,降低了色噪声协方差矩阵对自适应波束形成影响。计算机模拟仿真结果表明:提出的自适应波束形成算法在色噪声环境下具有较好的波束保形能力。     

自适应波束形成在OFDM系统中的应用

为了提高正交频分复用（OFDM）系统中传输数据的可靠性,对抗频率偏差带来的系统信噪比的下降,在OFDM系统接收端引入自适应波束形成。自适应波束形成实现了对期望信号方向的增益接收,同时对干扰信号方向进行有效的抑制。仿真结果表明,文中方法比单纯的OFDM系统具有更低的误码率,即使在有多普勒频移的多径信道下,也能获得更高的传输可靠性。从输入、输出信干噪比的曲线也可以看出,此方法是可行且收敛的。     

MIMO雷达降维的低运算量波束形成方法

多输入多输出（Multiple Input and Multiple Output, MIMO）雷达在运用常规地最小方差无失真响应（Minimum Variance Distortionless Response, MVDR）波束形成器和线性约束最小方差（Linearly Constrained Minimum Variance, LCMV）波束形成器进行接收波束形成的时候,需处理的数据维数比常规雷达要大许多,由此导致了其运算量十分巨大。考虑到MIMO雷达发射的是多个相互正交的波形,所以匹配滤波之后在进行接收波束形成的时候可以将MIMO雷达全维波束形成等效为多个单输入多输出（Single Input and Multiple Output, SIMO）雷达的波束形成合成,由此在进行数据处理的时候降低了数据的维数,减少了估计协方差矩阵需要的快拍数目,大大降低了运算量,并且与已有的降维算法相比不需要对波束形成权矢量进行迭代求解。仿真表明在大量数据快拍数时新方法与全维的接收波束形成性能基本一致,且在低数据快拍数时依然保持良好的性能,同时运算量与全维方法相比大大下降。      

基于稀疏重构的共形阵列稳健自适应波束形成算法

针对共形阵列天线自适应波束形成中存在的通用性差、主瓣保形困难、计算复杂度高等问题,该文提出一种基于稀疏重构的稳健自适应波束形成算法。该算法通过引入渐进最小方差准则,实现了干扰加噪声协方差矩阵的稀疏重构,并得到期望方向上的导向矢量估计,进而求得波束形成器的最优权矢量。该算法无需复杂的子阵分解或虚拟映射变换,适用于任意阵列形状。仿真实验验证了该算法不仅保证了期望的主瓣响应,同时对指向误差有较好的稳健性。与现有算法相比,该算法所需采样快拍数少,计算复杂度低,收敛速度快,在较大的输入信噪比范围内达到了较好的阵列输出性能。     

脉冲噪声环境下的自适应时间延迟估计新方法

基于自适应分数低阶协方差(AFLC)的时间延迟估计方法在脉冲噪声环境下具有良好的韧性,但是算法中参数a和b的取值对于算法的估计精度有一定的影响。针对信号噪声的非平稳特性,该文提出一种动态参数估计方法,并在此基础上提出一种不受约束条件限制的修正的自适应分数低阶协方差(M-AFLC)算法。计算机仿真结果表明,递推参数估计方法在平稳和非平稳噪声环境下都能够很好地工作,M-AFLC算法既保留了AFLC算法的全部优点,又避免了AFLC算法在约束条件不满足时的性能退化。     

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.     

一种相干环境下的稳健自适应波束形成算法

针对均匀线阵提出了一种相干环境下的稳健自适应波束形成算法.该算法首先对接收数据采样协方差矩阵进行迭代Toeplitz处理,一方面可实现对相干信号的去相关,另一方面避免了由噪声子空间扰动引起的性能下降;然后利用处理后的矩阵进行基于特征空间的自适应波束形成,从而很好地解决了存在波束指向误差时的相干干扰抑制问题,并且在小快拍情况下也具有良好的阵列输出性能.计算机仿真实验结果证明了该方法的有效性.     

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。     

几种鲁棒自适应波束形成算法的对比

自适应波束形成器可以根据接收信号自适应地调整权矢量,增强期望信号,并有效抑制干扰。在实际环境中,由于波达角估计、阵列校准等误差因素的存在,导致传统自适应波束形成算法性能严重下降,因此,如何提高自适应波束形成算法的鲁棒性是一个重要的研究问题。本文对鲁棒自适应波束形成算法进行研究,对算法进行仿真、分析和比较,总结出各算法的性能优缺点,最后对鲁棒自适应波束形成算法的发展趋势提出自己的几点见解及展望。     

智能天线自适应盲波束成形算法研究

智能天线中的自适应算法又称为数字波束成形算法,其中,盲自适应算法是不需要专门的训练信号或确定信号,节省了因接收训练序列和导频信号而占用的频谱资源,提高了频谱利用率。因此,盲自适应波束形成算法受到越来越多的关注。本文主要对现有的各种盲算法原理进行逐一介绍,然后对比了各种算法的优点。     

脉冲噪声下基于稀疏表示的韧性DOA估计方法

受相关熵启发,本文提出了一种脉冲噪声下基于稀疏表示的韧性DOA估计新方法.为实现多测量向量下联合稀疏信号的重建,本文提出了一种基于归一化迭代硬阈值的优化算法,讨论了最优步长的选择问题,证明了优化算法的收敛性.仿真结果表明：本文算法能够实现脉冲噪声下多信源的DOA估计,具有比已有算法更高的可分辨概率和估计精度.