导向矢量存在匹配误差时Capon波束校正算法

针对信号导向矢量存在匹配误差时提出一种Capon波束校正算法.该算法利用噪声子空间与期望信号导向矢量正交的特点,首先通过构造代价函数估计来波信号的方向角;然后在约束最优的基础上对误差进行迭代估计;最后对导向矢量进行校正并进行波束形成.本文通过计算机仿真验证了该方法的有效性.     

基于干扰噪声矩阵重构的自适应波束形成算法

针对在自适应波束形成中,当采样次数较少或期望信号导向矢量存在误差以及训练数据中含有期望信号成分时导致波束输出信干噪比(SINR)下降的问题,提出了一种重构干扰噪声协方差矩阵并且估计期望信号导向矢量的稳健自适应波束形成方法。在期望信号波达方向的角度范围已知的条件下,首先利用多重信号分类(MUSIC)空间谱在不含期望信号的区域重构出干扰噪声协方差矩阵;然后推导了避免期望信号的导向矢量的估计值收敛到任一干扰的导向矢量或它们的线性组合的约束条件;进而以此约束条件和阵列输出功率最大化条件建立了期望信号导向矢量估计的优化问题,并使用凸优化软件估计出最优的期望信号导向矢量。讨论了该方法的计算复杂度并通过仿真实验验证了其有效性和优越性。仿真结果表明,当期望信号和干扰源存在随机指向误差和局部散射的情况下,所提方法在很大的输入信噪比范围内的输出信干噪比仍接近理论值,优于其他自适应波束形成方法。     

基于最陡下降的稳健LCMV波束形成算法

针对期望信号假定导向矢量与真实导向矢量存在误差时,常规LCMV算法性能急剧下降,提出了一种针对指向误差、阵元位置误差和相位误差的基于最陡下降的稳健LCMV波束形成方法。利用最陡下降法递归搜索最优权矢量和约束导向矢量,避免了常规LCMV算法的矩阵求逆运算和变对角加载时的特征值分解,所需运算量大大降低;又因不属于对角加载,不存在加载值确定问题。仿真结果表明,新方法对期望信号导向矢量的各种误差有很好的稳健性。     

基于干扰噪声矩阵重构的自适应波束形成算法

针对在自适应波束形成中,当采样次数较少或期望信号导向矢量存在误差以及训练数据中含有期望信号成分时导致波束输出信干噪比(SINR)下降的问题,提出了一种重构干扰噪声协方差矩阵并且估计期望信号导向矢量的稳健自适应波束形成方法。在期望信号波达方向的角度范围已知的条件下,首先利用多重信号分类（MUSIC）空间谱在不含期望信号的区域重构出干扰噪声协方差矩阵;然后推导了避免期望信号的导向矢量的估计值收敛到任一干扰的导向矢量或它们的线性组合的约束条件;进而以此约束条件和阵列输出功率最大化条件建立了期望信号导向矢量估计的优化问题,并使用凸优化软件估计出最优的期望信号导向矢量。讨论了该方法的计算复杂度并通过仿真实验验证了其有效性和优越性。仿真结果表明,当期望信号和干扰源存在随机指向误差和局部散射的情况下,所提方法在很大的输入信噪比范围内的输出信干噪比仍接近理论值,优于其他自适应波束形成方法。     

快速稳健的LMS自适应波束形成算法

研究天线阵通信问题,传统的最小均方误差(LMS)自适应波束形成算法,需要积累足够多的快拍数据后才能进行权值计算,运算时间较长,且存在波达方向(DOA)估计误差性能严重下降的现象.针对上述现象,为提高速度和精度,提出一种快速稳健的LMS自适应波束形成方法.算法是一种自适应迭代算法,不需要累积足够多的快拍数据计算权矢量,减少了权值计算时间.同时基于导向矢量展开的方法,通过梯度搜索相位误差矢量,将它补偿到不精确已知的期望信号导向矢量上,以获得真实的期望信号导向矢量.算法提高了运算速度和稳定性.计算机仿真验证了方法的有效性和正确性.     

基于二次型约束的稳健宽带恒定束宽波束形成

针对期望信号导向矢量失配时传统宽带波束形成器性能恶化的问题,提出一种稳健的宽带恒定束宽波束形成算法。首先结合空间响应变化(Spatial response variation, SRV)约束,将算法在信号带宽内不同频点的阵列响应约束简化为对某一参考频点的约束,实现具有恒定束宽特性的宽带波束形成,再通过对权矢量模值施加二次不等式约束,抑制指向误差及传感器参数随机扰动误差,提高算法的稳健性,并通过拉格朗日乘子法,在约束边界上求得最优权矢量的解析解。实验结果表明算法可有效克服信号指向误差引起的波束形成器性能恶化问题,且具有良好的恒定束宽特性及较高的阵列输出性能。     

数据含期望信号的重构稳健波束形成

研究稳健波束形成问题.样本数据含期望信号时,若存在导向矢量误差,常规MVDR波束形成会在期望信号方向上产生期望信号对消,性能损失严重.针对上述问题,提出了一种在对称干扰环境下的稳健MVDR波束形成方法.首先消除数据协方差矩阵的实部得到期望信号分量,进而重构出期望信号协方差矩阵,然后从数据协方差矩阵中减去重构的期望信号协方差矩阵,得到仅含有干扰和噪声的协方差矩阵,并以此来实现MVDR的权向量设计.仿真结果表明,改进方法消除了期望信号分量的不良影响,提高了波束形成对系统误差的稳健性.     

基于协方差矩阵重构的稳健自适应波束形成算法综述

Capon波束形成器作为理论上最优的波束形成器具有良好的干扰抑制能力。然而Capon波束形成器对于模型失配误差非常敏感,尤其是针对协方差矩阵和期望信号导向矢量误差,波束形成器的性能会严重下降,这大大降低了波束形成器的稳健性。目前,一系列基于协方差矩阵重构的稳健自适应波束形成算法被提出,这些算法核心思想都是利用Capon功率谱一定的角度范围内积分来重构出协方差矩阵。本文首先介绍了波束形成的信号模型,然后在Capon波束形成器的基础上,介绍了4种基于协方差矩阵重构的稳健自适应波束形成技术,最后对未来波束形成技术的研究热点进行了展望。     

一种稳健的波束域自适应波束形成算法

在波束域算法中,针对波束域期望信号的指向误差落在波束主瓣边缘时波束性能严重恶化,采用波束域旋转矢量法的线性约束来改善波束域自适应算法的性能,同时为提高工程的实施性,减少算法的计算量,利用信号的特征值大于噪声的特征值这一理论,采用空间协方差矩阵逆的高阶次幂来逼近信号子空间,将求得的权矢量投影于改进的波束域的特征信号子空间,该算法在波束域中不但减少了计算量,而且使波束具有更好的信号比和稳健性。实验仿真验证了提出的改进波束域特征空间的稳健自适应算法的正确性和有效性,具有一定的工程实用价值。     

一种简化特征空间稳健自适应波束形成算法*

在基于特征空间(ESB)的自适应波束形成算法中,针对当指向误差落在波束主瓣的边缘特定角度时,输出信干噪比下降,且信号子空间需要进行费时的特征值分解的问题,提出了改进线性约束最小方差(LCMV)算法。在假定的期望信号方向附近减少一个方向性约束条件,并基于信号特征值大于噪声特征值的这一特性, 利用空间协方差矩阵逆的高阶次幂来逼近信号子空间,无须特征分解,将求得的权矢量向改进的信号子空间投影。该方法能够大大减少计算量,同时还显著提高了自适应波束形成稳健性。通过仿真分析及结果比较验证了算法的正确性和有效性,因此从