基于特征结构的自适应波束形成新算法

基于相关矩阵的特征分解，本文提出了一种改进的线性约束最小方差波束形成（ＬＣＭＶ）新算法，当目标信号含于相关矩阵中时，新算法能有效地抑制信号对消现象，并且具有良好的波束保形能力和快速收敛特点，计算机仿真结果验证了这些优点。     

一种改进的基于特征空间自适应波束形成算法

在基于特征空间(ESB)自适应波束形成算法的基础上,本文提出一种更稳健的波束形成算法,该算法利用对阵列接收信号相关矩阵特征分解获得的信号子空间,对基于特征空间算法中的约束导向矢量进行校正,并完成波束形成.计算机仿真和分析证实了该算法性能要优于常规ESB算法的性能.     

共轭梯度自适应波束形成算法

本文讨论了共轭梯度算法在自适应波束形成中的应用，指出在时域和空域同时处理，与仅在时域或空域处理的方法相比，不仅在性能上得到了改进，而且放宽了对阵元数目的要求。同时提出了一种前后向平均和多层前后向处理的结构和方法，使算法在上得到了进一步的改善。     

稳健自适应波束形成算法综述

稳健自适应波束形成技术是当前阵列信号处理的研究热点和难点,引起了国内外研究人员的极大关注,通过对当前的研究成果进行归纳和总结,对其研究现状和成果进行了详细而深入的综述.其中不仅对传统的稳健算法进行了分析,而且对近十年提出的具有严格理论基础的基于模约束和不确定集约束的稳健算法进行了分析.为了促进该技术的研究和发展,根据当前的研究现状和存在的问题,对其下一步的研究方向进行了展望.     

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。     

基于高阶统计量的自适应非线性波束形成新算法

本文提出了一种新的基于高阶统计量的自适应非线性波束形成器，与常规的基于２阶相关矩阵自适应数字波束形成器相比，它的有效阵列孔径得到扩展，可抑制多于阵元数个有源干扰，对主瓣干扰抑制的性能及波束保形得到明显的提高，对阵元误差具有更强的容差能力。计算机仿真结果验证了这些结论。     

一种存在相干信号时的稳健的最优波束形成算法

提出了一种新的存在相干信号时的最优波束形成算法。该方法首先利用二阶统计量信息估计合成方向矩阵,然后给出了一种根据期望信号的波迭方向寻找与之对应的合成方向矢量的方法．再据此估计最优权矢量。该方法与现有的同类算法相比计算量更小、鲁棒性更强。计算机仿真证明了算法的性能。     

一种稳健的循环时空波束形成算法

该文提出了一种新的基于信号平稳特性的自适应波束形成算法稳健的循环时空波束形成算法。该算法在利用信号的谱相关特性的同时使用了多个时延,将波束形成技术从空域扩展到了时空域,弥补了空域信息的不足,充分利用了信号的循环统计信息和信号的时域特征,提高了信号的选择能力和对干扰、噪声的抑制能力。仿真实验结果验证了该算法的有效性和稳健性。     

一种基于期望信号预减除的稳健自适应波束形成方法

针对自适应波束形成中的期望信号自消除问题,提出一种干扰加噪声协方差矩阵重建稳健自适应波束形成方法。算法具有较低的计算时间复杂度。该方法首先使用波达方向估计技术得到期望信号的波达方向,其次对每两根相邻天线的接收信号进行特定的加权相减,能够减除阵列信号中的期望信号成分,继而得到不含期望信号且保留了干扰加和噪声的更新阵列信号,再次,使用更新阵列信号计算干扰加噪声协方差矩阵,最后计算得到加权矢量。理论分析给出了减除期望信号过程的原理和算法的复杂度,仿真结果表明,在16阵元情况下,所提算法的输出信干噪比(Signal to Interference plus Noise Ratio,SINR)性能比最优值低0.52 dB,因自由度损失造成的性能损失小于0.3 dB,综合性能优于其他对比的方法。     

共轭梯度自适应波束形成算法

本文讨论了共轭梯度算法在自适应波束形成中的应用,指出在时域和空域同时处理,与仅在时域或空域处理的方法相比,不仅在性能上得到了改进,而且放宽了对阵元数目的要求。同时提出了一种前后向平均和多层前后向处理的结构和方法,使算法在性能上得到了进一步的改善。     

基于可变对角载入的鲁棒自适应波束形成算法

针对传统算法对方向向量偏差敏感的缺点,提出了一种基于可变对角载入的鲁棒自适应波束形成算法.为了提高算法的鲁棒性,采用非线性约束条件下的最优化阵列输出功率对信号方向向量进行优化求解,且优化解中的参量能够准确求出.为了减少计算量,采用递推算法求逆矩阵并利用泰勒级数展开,推导出基于可变对角载入的权重向量公式.该算法可有效地抑制方向向量偏差所带来的影响,降低了计算量易于实时实现,提高了系统的鲁棒性,改善了阵列输出的信干噪比,使其更接近最优值.仿真结果表明,该算法相对传统算法可以获得更好的性能.     

基于空时处理的稳健自适应波束形成算法

在自适应天线阵抗干扰的一些应用环境中,往往需要自适应天线方向图在对准干扰的位置形成宽零陷从而增强算法的稳健性。该文从宽带信号模型出发,通过对扰动干扰方向上空时二维导向矢量的分析,修正了权值训练期间得到的宽带干扰协方差矩阵,推导出一种针对宽带信号的基于空时处理结构的宽零陷波束形成算法,该方法有效地实现宽带干扰的零陷加宽,提高了宽带波束形成算法的稳健性。     

矢量最优化稳健波束形成性能分析

针对标准的Capon波束形成在阵列导向矢量存在误差时出现严重性能退化,本文从权矢量模约束和不确定集两个角度出发,提出矢量最优化稳健波束形成方法,并通过二阶锥规划进行有效求解.文中还进一步给出自适应权矢量的近似解析表达式,揭示了影响最优权矢量的各主要因素.通过理论分析和计算机仿真研究,详细讨论了约束参数、信噪比、快拍数以及方位估计偏差对输出信干噪比及空间谱估计的影响.外场实验数据处理结果表明,将本文方法应用于实际工程进行空间谱估计,能够得到准确而稳健的高分辨方位估计结果.     

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。     

自适应并行模型组合的鲁棒语音身份识别算法

由于环境噪声的影响,实际应用中说话人识别系统性能会出现急剧下降。提出了一种基于高斯混合模型-通用背景模型和自适应并行模型组合的鲁棒性语音身份识别方法。自适应并行模型组合是一种噪声鲁棒性的特征补偿算法,能够有效减少训练环境与测试环境之间的不匹配现象,从而提高系统识别准确率和抗噪性能。首先,算法从测试语音中估计出噪声特征,然后用一个单高斯模型对噪声特征进行拟合得到噪声均值和协方差。最后,根据得出的噪声均值和协方差,调整训练好的高斯混合模型均值向量和协方差矩阵,使其尽可能地匹配测试环境。实验结果表明,该方法可以准确地重构干净语音的高斯混合模型参数,并且能够显著提高说话人识别的准确率,特别是在低信噪比情况下。      

基于粒子分组优化的自适应跟踪算法

针对粒子滤波算法中粒子退化问题,提出一种基于粒子分组优化的自适应跟踪算法.在传统粒子滤波算法的基础上,分别从特征直方图的建立和粒子重采样策略两个角度进行改进.综合考虑目标与背景的特征显著性和相似性两个因素建立比值关系进行量化分析,选取能够最大程度区分前景目标和背景的特征,并以此区分度作为权值确定直方图中所选特征的区间数.通过实时分析粒子间相对空间分布位置,建立一种新的粒子重采样策略,采用复制、线性组合、淘汰等不同形式对粒子的数量和分布位置进行自适应调整,使得粒子性能得到优化.实验仿真结果验证了所提算法的有效性.     

基于FPGA的DBF导向矢量实时算法

针对某相控阵雷达的数字波束形成[1]的导向矢量计算,提出了一种基于FPGA的较为灵活的实时算法。利用CORDIC核及流水累加运算,在保证高精度计算的前提下,克服了以往查表带来的资源浪费与不便,直接根据天线阵元间距、波束指向和工作频率就可实时完成系统对波束形成的导向矢量的求取。     

基于优化成熟度的自适应蚁群优化算法

分析了蚁群算法局部信息素更新系数与全局信息素更新系数对算法寻优能力与收敛速度的关系,定义平均路径相似度(ATS)来表征寻优过程的成熟程度,并据此自适应调整信息素更新系数,提高算法收敛速度并避免陷入局部最优.经过与典型蚁群算法在多个旅行商问题测试用例上进行收敛速度与全局寻优能力的全面比较,证明了新的算法具有较好的效果.     

一种基于粒子群优化的自适应均衡算法

提出了一种自适应信道均衡的方法,它利用粒子群优化算法对均衡器系数进行自适应调整.由于粒子群优化算法具有实现简单、性能函数的单调性强、搜寻全局最优解的能力强等优点,将其用于自适应信道均衡将会改善传统均衡器均衡效果不理想的问题.仿真结果表明,该方法实用有效,在信道失真较大和最优解搜索精度方面表现出了优越性.     

基于鲁棒优化算法的小型无人机模糊控制器研究

简要论述了小型无人机的经典H2/H∞鲁棒优化算法,并在此优化控制算法基础上,对模糊控制器开展了研究,模糊控制器的知识库主要依据原型无人机的实验数据搭建。为了验证模糊控制器的控制品质和鲁棒性,在小型无人机的静态参数(高度、角度)控制回路上将模糊控制器与原型控制器进行了结合,使之成为鲁棒模糊控制器。对小型无人机鲁棒模糊控制系统参数的控制品质和鲁棒性进行了计算,并将这些特性和原型机进行了比较。仿真结果表明,采用模糊控制器的控制系统鲁棒性提高了近一个数量级。