基于特征结构的可变对角加载波束形成算法

对角线加载技术能减弱小特征值对应的噪声波束的影响,改善方向图畸变,但加载量的确定是一个比较困难的问题.提出了一种鲁棒的自适应对角线加载波束形成算法,根据阵列接收信号协方差矩阵的特征结构确定加载值.然后利用非线性约束条件优化权向量,自适应地加载对角线,可以提供较好的输出SINR,提高算法的鲁棒性.     

一种稳健自适应波束形成的变量对角加载方法

在设计稳健的自适应波束形成算法来消除阵列流形中的非确定性方面已经投入了很大的努力.这些不确定性可能由波达方向(DOA)的不确定性、阵列结构不理想、远近效应、相互耦合和其他的失配以及建立模型错误造成.提出了一种可供选择实现的包含椭球不确定约束导引矢量的线性约束最小方差(LCMV)的波束形成方法,更详细地说,真实的导引矢量是根据预测导引矢量采用将椭球约束施加到估计的导引矢量的递归最陡下降算法来估计的,对角加载技术必须满足椭球约束,其主要缺点是如何通过对非确定性约束的认识来得到最优的对角加载值不是很明确.通过这个问题的解决证明了该方法的可行性,而且对角加载技术是通过变量加载集成到自适应机制中而不是固定对角加载或Ad Hoc技术.     

基于范数优化的对角加载稳健自适应波束形成

本文提出了一种基于范数优化的对角加载自适应波束形成算法。算法利用p-范数来代替2-范数对误差不确定性进行总体修正,从而解决导向矢量和样本方差矩阵同时存在失配误差时所导致的波束形成器性能下降问题。最优范数p通过遗传算法求得。仿真结果验证了在不同实验条件下,相比于传统的对角加载算法,使用最优p范数比2-范数约束具有更好的性能。     

基于子空间的对角加载水平估计

Capon波束形成器通常利用对角加载方法来提高稳健性能。然而,对角加载方法的主要缺陷是不容易可靠地获得对角加载水平,从而影响加载效果。由子空间正交理论,噪声与信号子空间相垂直,因此当加载后的导向矢量与真实导向矢量重合时,加载后的导向矢量与噪声子空间垂直。基于这样的特性建立了一个代价函数。分析表明,这个代价函数为一凸问题,通过凸优化软件求解可以很容易地获得合适的加载水平,且与不确定集的参数值无关。仿真结果表明,利用该文获得的加载水平,Capon波束形成器能够有效地提高其稳健性能。     

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。     

一种波束形成中的自适应对角加载方法

在自适应波束形成中，由于采样快拍数有限，导致协方差矩阵的估计误差，由此得到的自适应波束旁瓣很高。对角加载方法是一种改善波束性能的有效方法。文章介绍了对角加载的原理，给出了一种对角加载值的确定方法和仿真效果。该方法能根据采样数据自适应调整对角加载的数值，实现容易，能得到很好的旁瓣特性。     

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。     

一种改进的稳健自适应波束形成算法

当快拍数较小时,自适应波束形成算法的性能将会降低,而对角加载算法是提高这类自适应波束形成算法稳健性的简单而有效的方法,但是至今没有一种比较有效的方法来确定对角加载值。本文提出了一种确定加载值的方法,这种方法在加载值和协方差矩阵的估计误差之间建立联系,它能够根据阵列的输出数据动态的调整加载值。计算机仿真证实了该算法的有效性。     

基于模约束的稳健Capon波束形成算法

针对Capon波束形成器在导向矢量失配存在时的较差指向性能,利用模约束来提高算法的稳健性.详细分析了模不等式约束Capon波束形成器(NICCB)解的存在情况,给出了NICCB中模不等式约束参数的选择范围.由于模等式约束远远强于不等式约束,所以模等式约束Capon波束形成器(NECCB)的稳健性要远远优于NICCB,故提出NECCB并进行了有效的求解.仿真分析验证了理论分析的正确性,当模约束参数在允许的范围内选择时,最优NICCB和NECCB的波束指向性能变化不是很明显,但是NECCB的性能要明显优于NICCB.     

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.     

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.     

改进的双约束稳健Capon波束形成算法

传统双约束稳健Capon波束形成算法采用牛顿迭代法求解最优加载量,存在计算精度低且运算量大的问题。该文提出一种改进的双约束稳健Capon波束形成(DCRCB)算法,该算法对信号协方差矩阵进行重构,基于期望信号导向矢量在噪声子空间的投影最优,将重构后的干扰加噪声协方差矩阵投影到噪声子空间,得到基于噪声子空间的双约束算法模型。该算法中通过模约束的辅助约束作用,将改进的双约束算法模型转化为单约束问题,最终解得最优对角加载量的解析表达式。仿真结果表明改进算法能通过调整主瓣宽度优化波束旁瓣,有效提高了抗矢量偏差的鲁棒性,同时降低了运算量。     

基于不确定集的稳健Capon波束形成算法性能分析

该文针对常规Capon波束形成易受期望信号导向矢量失配影响,研究了基于导向矢量误差不确定集的稳健Capon自适应波束形成算法。推导出期望信号导向矢量属于球形不确定集时的自适应权矢量近似闭式解,并由此进行性能评估,得到目标功率估计和输出信号干扰噪声比的近似表达式,从而明确了各种因素对性能的影响关系。计算机仿真结果证明了该文分析的合理性。     

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。     

存在阵列导引向量误差时的自适应波束形成算法

提出了一种存在阵列导引向量误差时的自适应波束形成算法。首先,文章提出了一个由接收信号协方差矩阵的噪声子空间和带有随机误差的期望信号导引向量构成的代价函数。然后基于非线性约束条件对此代价函数进行优化。新算法在期望信号导引向量存在误差的情况下仍能提供较好的输出SINR。仿真证明了新算法的有效性。     

一种新的波束形成零陷展宽算法

针对自适应波束形成器在干扰位置出现扰动时的输出性能下降问题,该文提出一种新的零陷展宽算法。该算法基于投影变换与对角加载技术的结合,首先利用投影变换技术对阵列接收数据进行预处理,结合对角加载技术,以此构造出一个新的协方差矩阵替代原来的协方差矩阵,再利用自适应波束形成技术得到零陷展宽后的波束图。仿真结果表明,该方法能有效展宽波束零陷宽度,加深零陷深度,达到抑制位置出现扰动的强干扰信号目的。该算法易于求解,对参数的选取具有较强稳健性,在低快拍条件下,依然能有效地工作,增强了自适应波束形成器稳定性。     

稳健数字波束形成算法研究

目前,自适应数字波束形成算法已经在通信、雷达等科技领域中得到了广泛的应用。但是当阵列导引向量存在误差,或测向出现偏差时,常规波束形成算法性能会急剧下降。稳健的自适应波束形成算法,则可以较好地克服上述误差带来的性能下降。针对以上问题,提出了一种稳健的Capon波束形成算法,并对现有的一些稳健波束形成算法进行了分析、归纳和比较,最后通过仿真试验来验证各种算法的稳健性。     

基于粒子群优化的数字波束形成算法

波束形成的加权系数求解是一个优化过程,现有算法大多经过多次迭代,计算量大,实现复杂。为降低波束形成算法复杂度,将粒子群优化原理应用于数字波束形成中,提出了基于粒子群优化的自适应数字波束形成算法。该算法将每一组权值作为一个粒子,将阵列加权和的输出信号与干扰噪声比(SINR)作为适应度函数,通过比较各个粒子的适应度值,进行迭代搜索得到最优解。该算法可使天线阵在主波束对准有用信号,同时能有效抑制两个以上的干扰,且对阵列通道误差有较好的稳健性。计算机仿真验证了算法的有效性。