一种分解迭代二阶锥规划鲁棒自适应波束形成算法

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,该文提出了一种最差性能最优的分解迭代鲁棒自适应波束形成算法。该算法对非凸的幅度响应约束问题进行分解处理,将问题转化为迭代的二阶锥规划问题,从而可对鲁棒响应区的波束宽度和纹波水平进行自由控制,并可得到较高的输出信干噪比。此外,与现有大部分该类鲁棒波束形成方法相比,提出的算法直接对权矢量进行优化,无需使用谱分解算法,避免了阵列结构的限制,可适用于任意阵形。仿真结果验证了算法的正确性和有效性。     

四元数域宽带鲁棒自适应波束形成

该文提出一种基于四元数的宽带鲁棒自适应波束形成方法。在利用四元数构造阵元输出的基础上,通过期望信号复包络对齐技术,建立四元数域宽带对合增广宽线性信号模型,以联合利用四元数阵列输出矢量的3种对合信息和2阶统计特性以及信号非圆信息,采用信号加干扰子空间投影方式,有效提取期望信号,抑制多个不相关干扰和噪声,进而实现四元数域宽带鲁棒自适应波束形成。同其它宽带波束形成方法相比,该方法对非圆信号的接收性能提升,可以实现阵列虚拟孔径扩展,有效克服指向误差带来的性能下降问题。计算机仿真结果验证了该方法的性能。      

基于压缩感知的单通道鲁棒自适应波束形成算法

针对在低快拍以及导向矢量存在误差等情况下自适应波束形成鲁棒性下降的问题,该文提出一种基于压缩感知(CS)的单通道鲁棒波束形成算法。首先提出一种新的单通道阵列体制,建立阵列信号压缩感知模型,并验证其感知矩阵满足约束等容(RIP)条件,在此基础上,采用快速的鲁棒平滑L0(RSL0)算法重构信号干扰矩阵,最后以表征阵列鲁棒性的阵列灵敏度作为目标函数,以干扰矩阵作为约束条件,形成有效波束。计算机仿真表明算法只需一个射频通道,即可在低快拍下有效抑制相干、非相干干扰信号,并可避免因通道间不一致造成的鲁棒性问题,验证了算法的有效性和优越性。     

基于连续差联合阵列的非等距线阵无模糊波束形成方法

该文针对非等距线阵波束形成产生栅瓣的问题,提出一种基于连续差联合阵列的非等距线阵无模糊波束形成方法。该方法基于连续差联合阵列对非等距线阵进行阵形优化分析,利用连续差联合阵列与连续波程差一一对应的特性,扩展得到非等距线阵Toeplitz化的协方差矩阵。根据线性约束最小方差(LCMV)准则,可以直接利用该协方差矩阵得到稳健自适应波束形成。由于重构的协方差矩阵与相同孔径等距线阵的协方差矩阵相似,不会产生相位模糊,避免了波束形成栅瓣的影响。大量的仿真实验证明了该文方法的稳健性能。     

基于斜投影算子的高频雷达窄波束形成方法

波束形成是高频雷达等系统分辨目标方位以及抗干扰的有效手段,常规的波束形成依赖增加阵列孔径实现更窄的波束.提出了一种不受阵列孔径限制的窄波束形成方法,该方法利用斜投影的零相移以及在干扰方向形成的深零陷,通过对宽波束方位内的干扰并行多次抑制,在波束指向周围形成零陷,合成输出窄波束.与传统波束形成相比,本方法具有波束宽度窄、旁瓣抑制比高的特点,尤其是小阵列孔径情况下仍可实现窄波束形成.经高频地波雷达距离-多普勒域实测数据的验证,表明该方法能够实现宽波束内目标的超分辨,并且剔除窄波束以外的电离层杂波,实现了常规波束内的杂波抑制和更为精细的方位分辨.     

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel 矩阵并施加Schatten-p 范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。     

阵元失效下基于矩阵重构的MIMO雷达DOA估计

针对阵元失效下MIMO雷达目标DOA估计性能下降问题,提出一种基于虚拟阵列采样数据矩阵重构的MIMO雷达DOA估计方法。MIMO雷达的阵元失效分为冗余虚拟阵元失效和非冗余虚拟阵元失效两种情况。当冗余虚拟阵元失效时,通过合并空间上位置相同的正常冗余虚拟阵元输出数据以实现信号降维与失效阵元数据填充。当非冗余虚拟阵元失效时,经降维填充后的数据矩阵中仍存在整行缺失数据,根据降维数据矩阵的低秩和稀疏先验,建立带低秩和稀疏约束的矩阵填充模型,并利用ALM-ADMM算法求解来恢复完整的降维数据矩阵。最后利用root-MUSIC算法估计目标DOA。仿真结果表明,本文方法能够有效提高MIMO雷达在阵元失效时的DOA估计精度。     

一种优化的宽带聚焦波束形成算法

提出了一种基于最佳聚焦频率的旋转信号子空间法来实现宽带信号波束形成.通过确定最佳聚焦频率,使宽带信号的各个子带通过聚焦矩阵都聚焦在最佳聚焦频率上,然后用常规延迟求和波束形成算法完成恒定束宽波束形成.仿真结果表明,在宽带情况下,阵列输出的主波束宽度,旁瓣级和波束指向均能保持恒定.     

基于嵌套阵列的稀疏表示稳健波束形成方法

针对波束形成中目标方位失配以及噪声加干扰的协方差矩阵非精确重构造成的波束形成方法性能下降的问题,提出一种基于嵌套阵列的稀疏表示稳健波束形成方法。在该方法中,计算嵌套阵的采样协方差矩阵,通过差合作阵处理得到一孔径扩展的虚拟均匀线列阵;基于稀疏表示的方法来估计目标以及干扰的准确方位信息;进一步利用得到的方位信息构造导向矢量,通过最小二乘方法计算干扰信号的精确功率值;最后重构干扰加噪声协方差矩阵,通过波束形成实现干扰抑制。数值仿真表明,所提方法有效提升了干扰加噪声协方差矩阵重构精确度,在不同信噪比和快拍数条件下,输出信噪比都能逼近最优信干噪比,验证了该算法的有效性。     

具有自适应可调误差半径的鲁棒波束赋形算法

传统的自适应波束形成器对各类型的阵列误差较为敏感尤其是在较大的波达方向(Direction of Arrival,DOA)误差存在的情况下,阵列的输出信干噪比严重下降.为了解决这个问题,文中提出了一种新的具有自适应可调误差半径的鲁棒波束形成器.每一步迭代都是以经典的鲁棒Capon波束形成器为基础,且使用的误差不确定度都是依据子空间投影定理推导出的一个二次约束二次规划问题的最优解.由于估计出的导向矢量不确定度均小于传统自适应波束形成器中使用的误差量,因此,阵列的输出性能得以提高.此外,为了能够扩展算法的适用性,引入了可变椭圆不确定集来同时处理多重误差因素.最终的实验结果证明了算法的正确性和有效性.     

基于指向最小误差的宽带稳健波束形成方法

宽带自适应波束形成方法较常规延时求和波束形成方法具备更好的空间分辨能力和干扰抑制能力,但在实际应用中由于阵列误差和指向误差影响导致性能下降。文中在宽带指向最小误差(STMV)方法和窄带稳健Capon(RCB)方法基础上,提出了一种基于椭圆不确定集的宽带稳健波束形成方法。通过仿真验证分析了算法在强副瓣干扰和指向误差条件下弱目标检测能力;在幅频响应误差影响条件下的保持弱信号功率输出能力;并验证算法对快拍数要求低于STMV 方法。     

基于稳健最小二乘的鲁棒波束形成

为解决Capon波束形成器在存在导向矢量失配时的性能急剧下降问题,提出了一种结合广义旁瓣对消器和稳健最小二乘的鲁棒波束形成算法.该算法利用广义旁瓣对消器原理将Capon波束形成器转化为最小二乘问题,然后在数据协方差矩阵误差的范数约束下将其转化为二阶锥规划问题,并利用高效内点法得到最优解.所提出的算法经推导证明属于对角加载类.仿真分析表明,该算法在导向矢量失配和快拍不足时仍具有较好的性能.     

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。     

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。     

Non-sensitive adaptive beamforming against mutual coupling

The standard Capon beamformer (SCB) is known to suffer from severe performance degradation when there is a mismatch between the presumed signal steering vector and the actual one. There may be several reasons leading to this result such as mutual coupling between array elements. The problem of adaptive beamforming in the presence of mutual coupling is studied based on a uniform linear array (ULA). By setting a group of auxiliary elements on each side of the ULA, the authors prove that the proposed method can inherently compensate the effect caused by the mutual coupling and greatly decrease the sensitivity of the SCB against mutual coupling. This technique can also be applied to most of the existing robust beamforming methods to further improve their performances. Theoretical analysis and simulation results demonstrate the robustness and effectiveness of this technique.     

基于反对角单位阵的窄带多径信号接收波束形成算法

针对多径环境下传统Capon 波束形成器性能下降的问题,该文首先分析了期望信号对消的原因:对应期望信号和多径干扰的阵列输出间的相位差始终在 附近变化。然后利用反对角单位阵构造新的阵列接收数据协方差矩阵和导向矢量,并根据最小方差无畸变(MVDR)准则求取最优加权矢量进行阵列输出。该算法无需估计多径和非相关干扰信号的来向,且可以通过调整选取的阵元个数获得更优的阵列输出性能。仿真实验表明该文算法的性能优于传统Capon 和多径信号接收类算法。      

On robust Capon beamforming and diagonal loading

The Capon (1969) beamformer has better resolution and much better interference rejection capability than the standard (data-independent) beamformer, provided that the array steering vector corresponding to the signal of interest (SOI) is accurately known. However, whenever the knowledge of the SOI steering vector is imprecise (as is often the case in practice), the performance of the Capon beamformer may become worse than that of the standard beamformer. Diagonal loading (including its extended versions) has been a popular approach to improve the robustness of the Capon beamformer. We show that a natural extension of the Capon beamformer to the case of uncertain steering vectors also belongs to the class of diagonal loading approaches, but the amount of diagonal loading can be precisely calculated based on the uncertainty set of the steering vector. The proposed robust Capon beamformer can be efficiently computed at a comparable cost with that of the standard Capon beamformer. Its excellent performance for SOI power estimation is demonstrated via a number of numerical examples.     

一种联合修正的稳健Capon波束形成算法

指出了水平定向天线阵波束形成的主要难点,没有固定相位中心和受交叉极化来波的影响。阵列受随机性误差使得导向矢量存在较大失配,从而导致传统Capon算法性能下降甚至失效。在阵列误差模型下,给出了基于协方差矩阵与导向矢量联合修正的稳健Capon波束形成算法。该算法首先基于收缩得到一个增强的协方差矩阵,然后通过最大化Capon输出功率实现对导向矢量的修正,同时增加二次型约束防止修正的导向矢量接近于干扰导向矢量上。该算法可转化为二次约束二阶规划问题,并通过凸优化进行求解。仿真结果表明,该算法对天线阵模型中误差矩阵具有一定的稳健性,且较其他稳健算法具有较好的性能。     

Time-delay- and time-reversal-based robust Capon beamformers for ultrasound imaging

Currently, the nonadaptive delay-and-sum (DAS) beamformer is extensively used for ultrasound imaging, despite the fact that it has lower resolution and worse interference suppression capability than the adaptive standard Capon beamformer (SCB) if the steering vector corresponding to the signal of interest (SOI) is accurately known. The main problem which restricts the use of SCB, however, is that SCB lacks robustness against steering vector errors that are inevitable in practice. Whenever this happens, the performance of SCB may hecome worse than that of DAS. Therefore, a robust adaptive beamformer is desirable to maintain the robustness of DAS and adaptivity of SCB. In this paper we consider a recent promising robust Capon beamformer (RCB) for ultrasound imaging. We propose two ways of implementing RCB, one based on time delay and the other based on time reversal. RCB extends SCB by allowing the array steering vector to be within an uncertainty set. Hence, it restores the appeal of SCB including its high resolution and superb interference suppression capabilities, and also retains the attractiveness of DAS including its robustness against steering vector errors. The time-delay-based RCB can tolerate the misalignment of data samples and the time-reversal-based RCB can withstand the uncertainty of the Green's function. Both time-delay-based RCB and time-reversal-based RCB can be efficiently computed at a comparable cost to SCB. The excellent performances of the proposed robust adaptive beamforming approaches are demonstrated via a number of simulated and experimental examples.     

一种稳健的稀疏Capon波束形成算法

常规Capon波束形成算法具有相对较高的旁瓣增益,且在期望信号导向矢量存在失配时,阵列输出性能下降甚至失效。为解决这一问题,引入了稀疏约束Capon波束形成算法,该算法降低了旁瓣,对期望信号来向不确定具有一定稳健性,但在幅相误差、期望信号指向偏差等多种误差同时存在的情况下其性能下降。本文在稀疏约束Capon波束形成算法基础上,给出了一种稳健的稀疏Capon波束形成算法。该算法主要是在最差性能最优化的情况下,在稀疏Capon上增加了一个导向矢量存在偏差的约束条件。通过计算机仿真,验证了新算法在多种误差环境下的有效性与优越性。