线性干扰参数约束的稳健LSMI波束形成算法

 针对稳健的加载样本矩阵求逆(LSMI)波束形成算法,给出了一种新的求解方法,获得了加载电平的准确计算公式,而且得出最优加载量为负值,且与约束参数的选取无关.为了改善LSMI波束形成算法的抗干扰性能,提出利用线性干扰参数约束(LJC)来实现,其中对LJC-LSMI波束形成算法进行了建模和求解,得到了最优加权矢量的表达式,并给出了具体的求解方法.仿真分析验证了算法的正确性和有效性,结果表明LJC-LSMI相对于LSMI具有较强的干扰抑制能力,相对于线性约束最小功率(LCMP)波束形成算法具有稳健的波束指向性能.     

基于对角加载的STAP性能改善

空时自适应处理(STAP)作为动目标检测的关键技术,但是非均匀环境将会造成协方差矩阵的估计误差,进而严重影响STAP性能。对角加载主要用于改善空间滤波器对于有用信号空域特征失配和空域协方差矩阵失配的稳健性。该文考虑将对角加载应用于STAP协方差矩阵失配(统计失配)时的性能改善,即在实际的协方差矩阵和其估计值之间存在误差时,通过对角加载改善STAP的稳健性。文中给出了加载电平的选择方法,并进行了详细的性能分析,即合理的对角加载可以提高检测概率和输出信噪比。仿真分析验证了理论分析的正确性。     

通道失配对空时自适应处理性能的影响分析

通道失配严重影响着空时自适应处理(STAP)的性能,定量地分析通道失配对STAP性能的影响对于STAP算法的工程应用具有重要意义。文中根据通道失配是否依赖于到达角、信号带宽是否为窄带等方面,从理论上推导了存在通道失配时的杂波协方差矩阵,并仿真分析了通道失配对STAP性能的影响,为STAP算法理论建模、STAP系统设计提供理论依据。     

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制.然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能.针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能.Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法.     

通道失配对STAP性能的影响分析及均衡结果

通道频带失配严重影响着空时自适应处理(STAP)的性能,定量地了解通道频带失配对STAP性能的影响对于工程实际有重要意义,本文基于现有的通道频带失配模型,从理论上推导了存在通道失配时和与无通道失配时的杂波协方差函数之间的关系,并分析了通道失配对目标信号的影响,最后针对不同的失配参数对STAP性能的影响进行了仿真分析,并利用两种均衡方法给出了均衡后的结果.     

最差性能最优通用信号模型稳健波束形成算法

针对空间分布散射信号源的稳健波束形成问题,提出了一种新的通用信号模型稳健波束形成算法,不仅得到了封闭形式的最优加权矢量,而且获得了最优的性能改善.其中分析了与传统对角加载的关系,给出了最优加载量的计算方法,并得出具有最优负加载的解才可以获得最优的性能改善.最后的仿真分析验证了所提出算法的正确性和有效性,而且发现最优加权矢量只取决于给定的接收数据和未知的失配量,与失配约束参数的选择无关,而失配约束参数只是参与最优权计算的辅助参数.     

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制。然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能。针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能。Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法。     

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。     

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。     

基于三维原子范数的机载MIMO雷达STAP算法

针对机载多输入多输出（MIMO）雷达空时自适应处理（STAP）使用稀疏恢复技术时存在的格点失配问题,提出了一种基于三维原子范数的机载MIMO雷达STAP算法。该方法利用杂波空时谱在角度?多普勒域上固有的稀疏性,根据低秩矩阵恢复理论构造了基于三维连续原子集的MIMO雷达杂波信号稀疏恢复模型,避免了稀疏恢复中的格点失配问题,实现了杂波空时谱的高分辨率估计,有效提高了机载MIMO雷达STAP杂波抑制性能。仿真实验表明,本文方法在存在格点失配情况下的MIMO雷达STAP处理性能优于已有的基于字典网格的稀疏恢复方法和二维原子范数方法。     

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。     

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.     

超高斯加载的稳健自适应波束形成及性能分析

该文提出了一种超高斯加载的稳健自适应波束形成方法,解决由于导向矢量和样本方差矩阵失配误差所导致的波束形成器性能下降的问题,利用p-范数来对两种误差不确定性进行总体修正,克服了2-范数不能同时兼顾两者实现最优修正的缺点。采用遗传算法求得最优范数p,验证了在不同实验设置下,当使用最优范数时,都比2-范数约束具有更好的性能。超高斯加载方法把复杂的不确定性建模问题转化为范数p的寻优问题,从而获得比对角加载方法更优异的性能。     

Robust Space Time Receiver for CDMA-based Antenna Arrays

In this paper, we propose a new robust code division multiple access (CDMA) receiver of which weight vector is obtained by projecting the effective spatio-temporal signature waveform onto the signal subspace of the data covariance matrix. We verified our proposed algorithm by the field measured data obtained with a custom-built wideband CDMA test-bed. It will be shown that the proposed algorithm is robust to the signal mismatch.     

基于二次约束的稳健LCMP波束形成算法

针对当前已经提出的二次不等式约束(QIC)条件下的线性约束最小功率(LCMP)波束形成算法,提出了利用Lagrange乘数方法进行有效的求解,解决了该波束形成问题的最优加权矢量求解问题,而且对约束参数的选择进行了分析,给出了选取的依据和范围.但是,由于二次等式约束(QEC)远远强于二次不等式约束(QIC),因此,相对于QICLCMP波束形成算法,二次等式约束(QEC)条件下的LCMP波束形成算法具有更加优越的稳健性.所以又提出了QECLCMP波束形成算法并进行了有效的求解.最后的仿真分析验证了本文所提出算法的正确性和有效性,并且表明在等式模约束条件下的LCMP波束形成算法具有更好的性能来克服信号方向失配,即最优的负加载具有更加优越的稳健性.     

Robust Adaptive Beamforming Under Quadratic Constraint with Recursive Method Implementation

When adaptive arrays are applied to practical problems, the performances of the conventional adaptive beamforming algorithms are known to degrade substantially in the presence of even slight mismatches between the actual and presumed array responses to the desired signal. Similar types of performance degradation can occur because of data nonstationarity and small training sample size, when the signal steering vector is known exactly. In this paper, to account for mismatches, we propose robust adaptive beamforming algorithm for implementing a quadratic inequality constraint with recursive method updating, which is based on explicit modeling of uncertainties in the desired signal array response and data covariance matrix. We show that the proposed algorithm belongs to the class of diagonal loading approaches, but diagonal loading terms can be precisely calculated based on the given level of uncertainties in the signal array response and data covariance matrix. The variable diagonal loading term is added at each recursive step, which leads to a simpler closed-form algorithm. Our proposed robust recursive algorithm improves the overall robustness against the signal steering vector mismatches and small training sample size, enhances the array system performance under random perturbations in sensor parameters and makes the mean output array SINR consistently close to the optimal one. Moreover, the proposed robust adaptive beamforming can be efficiently computed at a low complexity cost compared with the conventional adaptive beamforming algorithms. Computer simulation results demonstrate excellent performance of our proposed algorithm as compared with the existing adaptive beamforming algorithms.