一种基于协方差矩阵重构和EMP的宽带波束形成算法

在宽带波束形成中,若干扰信号从主瓣方向进入,会引起主瓣畸变、旁瓣电平抬高,从而使波束性能严重恶化。为了解决波束形成中的这些问题,研究了一种基于协方差矩阵重构和特征投影预处理（EMP）的宽带波束形成算法。该算法首先通过EMP算法求取阻塞矩阵,对接收信号进行干扰相消预处理阻塞掉主瓣干扰;然后通过相干信号子空间（CSM）方法、协方差矩阵重构求取合理的协方差矩阵;最后进行波束形成。在主瓣干扰、旁瓣干扰同时存在的情况下,该算法能够自适应地阻塞主瓣干扰、抑制旁瓣干扰,解决了存在主瓣干扰情况下宽带波束形成的波形畸变问题。计算机仿真验证了该算法有效性。     

基于干扰加噪声协方差矩阵重构的稳健自适应波束形成

在自适应波束形成中,由于期望信号(SOI)导向矢量(SV)的误差、采样点数较少、训练数据中存在期望信号成分等原因,造成波束形成的性能严重下降。针对以上问题,提出了一种稳健波束形成方法。首先利用MUSIC算法和参数估计来重构不包含SOI的干扰噪声协方差矩阵,再通过利用相关系数来估计出期望信号导向矢量。仿真结果表明,该算法可以处理较大的方向误差,并且信噪比(SNR)在较大的范围内都可以得到比传统方法更佳的性能。     

协方差矩阵加权波束形成及应用

在逆波束形成方法的基础上提出一种改进的协方差矩阵加权波束形成方法，它根据阵元的分布情况对阵元接收信号的协方差矩阵进行直接加权，使得环境噪声相关比较强的协方差元素得到抑制，环境噪声相关性比较弱的部分被加强，降低噪声增益，从而达到提高阵增益的目的。文中给出了两种协方差加权方法。并且计算了在各向均匀噪声环境下的阵增益。从阵增益和误差稳定性两个方面与CBF和MVDR方法进行了对比，验证了该方法的正确性。     

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.     

一种用于GPS抗干扰的稳健盲波束形成算法

导航系统中接收信号微弱,到达GPS接收机天线的有用信号十分微弱,很容易受到各种人为和非人为干扰的影响.循环自适应波束形成(CAB)算法作为一种盲波束形成算法,具有较低的计算复杂度和较快的收敛速度,因此,是一种有效的盲波束形成算法,算法非常适用于GPS抗干扰.但是,CAB算法的稳健性不足,为了提高原算法的稳健性,在约束的循环自适应波束形成(C-CAB)算法的基础上,结合正交投影和协方差矩阵加权提出一种新的稳健算法,仿真结果证明了算法的有效性.     

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。     

稳健的全阵波束形成方法

由于相干干扰和角度估计误差影响波束形成性能,对此提出一种稳健的波束形成方法。采用加权空间平滑算法去除相干性;对期望信号施加约束,保证一定角度估计误差范围内算法的稳健性;进行全阵波束形成变换,避免阵列孔径损失。仿真结果表明,在相干干扰环境中,该算法的方向图在期望信号方向有明显主瓣,有利于接收期望信号;在一定的角度估计误差范围内,该算法可保持比较高的且比较平坦的输出信干噪比;随着输入信噪比的增加,输出信干噪比几乎线性增大。     

一种低复杂度的鲁棒自适应波束形成算法

传统基于干扰噪声协方差矩阵（interference-plus-noise covariance matrix,INCM）重构的鲁棒自适应波束形成（robust adaptive beamformer,RAB）算法在多种样本数据协方差矩阵误差和信号导向向量误差的失配环境中具有较强的鲁棒性,但目前主流的INCM重构法都是对信号和干扰的导向向量通过建立凸优化模型来估计,这带来了很高的计算复杂度。为了解决这个问题,提出了一种低复杂度的基于INCM重构的RAB算法。该算法首先将干扰信号的导向向量分解为对应标称项和误差项的和,然后通过一种子空间方法估计得到误差项的单位向量。接下来对一个Capon空间谱功率最大问题进行求解,得到误差项的模值,以此得到重构的INCM。同时利用Capon空间谱中残差噪声的存在,使用交替投影法估计得到期望信号的导向向量,最后得到所提算法的权重向量。仿真实验表明所提算法在多种误差环境下具有较强鲁棒性的同时,还具有较低的计算复杂度。     

基于局部协方差矩阵的谱聚类算法

针对传统谱聚类算法没有解决簇划分过程中,簇间交叉区域样本点对聚类效果有影响这个问题,提出一种基于局部协方差矩阵的谱聚类算法,主要介绍了一种新的计算样本之间相似度亲和矩阵的方法,即通过计算样本点之间的欧氏距离划分出小子集,计算小子集的协方差,通过设定阈值剔除交叉点,由剩下的点构造相似矩阵,对相似矩阵进行特征值分解,用经典的[k]-means算法对由特征向量组成的矩阵聚类。通过在Control等真实数据集上的实验结果表明,该算法在聚类准确率、标准互信息等指标上比较对比算法获得更优秀的效果。     

自适应波束形成算法的现状与发展动态

近十年自适应波束形成算法在通信、雷达、声纳、生物医学工程等科技领域中得到了极为广泛的应用。在实际应用中,如果信号源、天线阵列出现误差,传统的自适应波束形成算法性能将会下降。但是对于稳健的自适应波束形成算法,环境及天线阵列的误差和不确定性是必须要考虑的关键问题。这里对稳健的自适应波束形成算法的研究现状与发展动态进行了较为详细的评述。     

基于协方差矩阵的仿射不变量

为了对仿射变形的物体进行有效和正确的识别,构造了一种新的仿射不变量.构造的主要过程是：先计算图像的协方差矩阵,接着计算该矩阵的特征值和特征向量,再构造出一组同心椭圆,这些椭圆以图像质心为中心,以两个特征向量为长、短轴,且轴长和两个特征值的平方根成正比,进而利用图像紧化原理和仿射变换的有关性质推导出一组仿射不变量.文中将仿射不变量用于模式识别,获得很高的识别率.     

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。     

一种空时联合的自适应波束形成算法

为了进一步提高传统最优空时滤波算法的性能,提出了一种新的空时联合的自适应波束形成算法。在给出算法的信号模型和算法原理的基础上,详细地阐述了该算法实现空时联合自适应滤波的机理,然后利用计算机仿真较全面地分析和比较了算法的性能。理论分析和仿真结果表明,该算法在提高输出信干噪比和削弱指向误差影响等方面明显优于传统的最优空时滤波方法。     

对消除入射信号偏差的鲁棒性波束成形方法的改

消除入射信号信号偏差的波束成形方法目前已经有多种研究解决方案.有一种自适应鲁棒性波束成型方法,引导向量的误差表示为空间中的多面体.本文则将方差空间表达为更为广泛的空间椭球体并进行数学推导,该方法减少了待估参数数目,具有更佳的性能.仿真结果也表明了本方法的优越性.     

基于自适应策略的稳健视频水印算法

稳健的视频水印算法对数字视频产品的版权保护具有重要意义。在先前提出的脆弱数字水印算法的基础上,通过采用自适应策略对视频序列中的不同图片根据其特点采用不同的嵌入算法,使得水印的嵌入对视频码流的改动最小,同时结合纠错编码技术,给出了一种较为稳健且简单、快速的视频数字水印算法。经仿真测试后,实验结果显示提出的视频水印新算法具有较强的抗二次编码攻击和噪声污染的能力,具有较好的稳健性。     

基于波束形成与多参考源噪声对消的语音增强算法

通过传声器阵列采用波束形成技术采集语音信号,同时使用参考传声器获得背景噪声信号,本文提出一种基于波束形成和自适应多参考噪声对消的语音增强算法。该算法不依赖任何信号模型且无需对噪声信号的统计特性进行先验假设,可以适应背景噪声的突然改变,同时具有良好的实时性和鲁棒性。可广泛应用于复杂噪声环境下目标语音识别,仿真结果表明了该算法的有效性。