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。     

基于Bayesian准则的鲁棒自适应波束形成算法

研究波束形成算法的前提是驾驶向量是确定的.在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题.该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器.仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性.     

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．     

有限次快拍下自适应波束形成

从协方差矩阵估计角度出发,解释了有限次快拍下造成逢适应波束形成性能下降和自适应波束畸变的原因,有限次快拍等效增加了干扰之间、干扰与噪声之间以及噪声之间的相关性,造成自适应波束形成性能下降,同时,有限次快拍下噪声等效为色噪声,文中分析了色噪声环境下自适应波束畸变机理,指出色噪声是自适应波束畸变的根本原因。     

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。     

稳健的宽带自适应相干干扰抑制波束形成算法

针对期望信号存在指向误差和多个相干干扰时Duvall结构波束形成器性能下降问题,提出一种稳健的宽带自适应相干干扰抑制波束形成算法。该算法首先将Duvall结构波束形成器与最差性能最优波束形成算法结合,实现稳健的宽带波束形成,然后利用空间响应变化约束（SRV）将宽带波束形成等效为参考频点的波束形成,通过协方差矩阵重构,在相干干扰数目较多时,输出波束仍可以在相干干扰方向自适应地形成零陷。理论分析与仿真实验表明,该算法能够有效抑制多个强相干干扰,具有较好的稳健性。     

非线性约束的自适应波束形成算法

提出基于非线性约束的自适应波束形成算法. 首先修改接收信号协方差矩阵信号子空间中的特征向量,使修改后的协方差矩阵基本不包含期望信号(SOI)成分而只包含干扰信号和噪声. 进而利用线性约束最小均方算法(LCMV)和修改后的波束空间求解方向图的权向量w. 为了提高算法的稳健性,采用非线性约束方法对w进行优化,w的优化解在形式上不同于可变对角加载类算法,且优化解中的待定参数容易准确求出. 新算法的输出信干比 (SINR)对导引向量随机误差具有稳健性, 并对期望信号的功率变化表现出不敏感的特性, 仿真证明了这一点.     

有源阵单元相位误差对波束指向的影响

从实用观点出发，研究了高频天线阵单元相位误差对波束的影响．在进行了数学推导后，还讨论了实际应用中减小这种影响的具体办法．按这种方法实现了对有源天线单元的布置．     

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。     

基于智能天线系统的一种自适应波束形成算法

自适应阵列天线是提高频谱利用率一种可实现的方法。本文提到的自适应波束形成算法主要的优点在于它的简单性和良好的精确度。该算法使用的是接收信号的统计数据，根据接收信号自协方差矩阵最大特征值的特征向量去近似等于目标信号的控制向量。     

Robust adaptive beamforming with near-field scatterers

Near-field scattering which causes steering vector mismatch with array received data suffers severe performance degradation with beamforming. A new robust adaptive beamforming algorithm based on the steering vector uncertainty set is proposed to utilize the near-field scattering signal to improve the beamforming output signal-to-noise ratio. The properties of the far-field direct-path signal and near-field signal are incorporated. The large uncertainty set is divided into two small ones describing the far-field and near-field steering vectors, respectively. The far-field steering vectors and the near-field scattering coefficient with a transform matrix are evaluated by convex optimization. Simulation examples demonstrate that the algorithm is correct and effective.     

Robust adaptive beamforming algorithm in the situation of limited snapshots

In order to solve the problem of the sharp degradation of the adaptive beamformer performance due to limited snapshots, this paper proposes a new robust adaptive beamforming algorithm based on the correction of the covariance matrix and the estimation of the steering vector. The proposed algorithm first corrects the covariance matrix, and then obtains the estimation of the optimal steering vector with the corrected covariance matrix. Finally, using the corrected covariance matrix and the estimated optimal steering vector, the weight vector of the adaptive beamformer is calculated. The proposed algorithm can not only deal with all kinds of mismatches efficiently, but also solve the problem of the sharp degradation of the adaptive beamformer performance in the situation of limited snapshots, so that the robustness of the adaptive beamformer can be improved. Simulation results demonstrate the correctness and effectiveness of the proposed algorithm.     

基于循环自相关的DOA估计方法研究

为了克服传统信号DOA估计的不足,提高信号的选择性和分辨率,文章给出了基于循环均值阵列信号模型.根据该信号模型,运用最小二乘得到了对源信号方向进行估计的有效算法.该算法利用信号的循环平稳特性去除接收信号中的非循环平稳信号和不同循环频率的循环平稳信号,用循环统计量方法替代传统的二阶统计量方法,得到很好的DOA估计效果.计算机仿真结果证明,该算法在不同角度下具有很好的估计一致性和噪声抑制性.与其他的DOA估计算法相比,计算量较小,同时处理的对象既可以是窄带信号也可以是宽带信号,具有很好的实际应用价值.     

时延单元量化误差分析及宽带相控阵数字波束形成

分析了模拟延时线的量化误差会造成信号功率及信号距离分辨率的降低，在基于子阵和发射为线性调频信号的前提下．提出了一种宽带数字接收波束形成方法．该方法先对接收信号拉伸处理和低通滤波．然后在子阵间时域相位加权实现宽带数字波束形成。低通滤波后的数字采样和信号处理均可在低的速率下进行．太大降低了运算量且容易实现。通过计算机仿真得出．数字方法消除了量化误差的影响．波束形成性能比模拟延时线方法有较大的提高．     

提高二维DOA估计分辨率的改进MUSIC算法

针对经典二维多重信号分类(Multiple Signal Classification, MUSIC)算法在低信噪比和小快拍数情况下,分辨率受阵列孔径限制的问题,提出了一种改进的基于MUSIC算法的二维测向算法．该方法利用MUSIC谱函数极大值点处对方位角和仰角的二阶偏导数小于零的特性,通过对方位角和仰角求二阶偏导,构造了新的空间谱函数．对新的空间谱函数进行谱峰搜索,其负向谱峰所对应的角度就是目标的波达方向 (Direction Of Arrival, DOA)估计．理论分析和仿真结果表明,在低信噪比、小快拍数下,该方法对相近信源有更高的角度分辨率和更低的均方根误差,并且可适用于任何阵型．     

Toeplitz化在ESB自适应波束形成算法中的应用

把Ｔｏｅｐｌｉｔｚ化和基于特征空间（ＥＳＢ）自适波速形成算法相结合,针对等距线提出了一种新的波束形成算法并进行了理论分析,该算法通过对估计得到的阵列信号相关矩阵进行Ｔｏｅｐｌｉｔｚ化,减小有限次采样引起的误差,获得较快的收敛速度,并能有效克服ＥＳＢ算法不能在相干环境下工作的缺点,计算机仿真结果证实了这种算法的有效性。     

矢量水听器扩展孔径线阵方位估计技术

矢量水听器由声压水听器和质点振速水听器复合而成,可以同时测量声场中的声压和质点振速的正交分量,将矢量水听器布成阵列对目标方位进行估计.在不增加阵元个数的情况下,可以把阵布成稀疏阵来增加阵孔径,提高对目标方位的估计精度.按照耐奎斯特空间采样定理,阵元间距超过半波长将会带来方位估计的周期性模糊.该研究利用扩展孔径矢量线阵对目标进行方位估计,以及研究如何去掉方位估计中的周期性模糊,最终获得目标方位的高精度无模糊估计.研究结果表明,在相同的信噪比条件下,利用扩展孔径矢量线阵可获得比具有相同输出路数的声压阵更好的方位估计性能.     

Robust adaptive beamforming with the two level nested array

For the beamforming problem in the two level nested array under the condition of signal model mismatch, this paper proposes a robust adaptive beamforming algorithm based on efficient interference-plus-noise covariance matrix reconstruction and semi-definite programming(SDP). Firstly, by using the diagonal growth-curve(DGC) model of the received signal and the search-free ESPRIT method, we reconstruct the interference-plus-noise covariance matrix of the virtual array precisely; then, the interference-plus-noise covariance matrix and a little prior information are applied to construct the optimization problem in robust adaptive beamforming, which can effectively decrease the performance degradation of the traditional MVDR filter in nonideal signal circumstances; finally, the optimization problem can be approximately expressed as an SDP problem by using the SDP relaxation method, and we can resort to the convex optimization software to solve it. Simulation results demonstrate that the proposed method achieves a higher output SINR under different input SNRs or sampling snapshots circumstances as compared to traditional methods.