稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法.该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及...     

友循环矩阵求逆和广义逆的Euclid算法

利用多项式的Euclid算法给出了任意域上非奇异的友循环矩阵求逆矩阵的一个新算法,该算法同时推广到用于求任意域上奇异友循环矩阵的群逆和Moore-Penrose逆,最后给出了应用该算法的数值例子。     

基于复等效源法与最速下降的广义逆波束形成

针对指向性声源定位问题,提出一种基于复等效源法与最速下降相结合的广义逆波束形成方法。该方法首先将声场分解成一系列本征模态,然后利用复等效源拟合各阶本征模态,并通过残差梯度范数最小化迭代求解源强,最后通过本征模态叠加实现声场成像。通过圆形活塞声源和偶极子声源仿真,验证了该方法的有效性。与L1范数广义逆波束形成方法相比,该方法具有更好的聚焦性和更高的分辨率。实验结果进一步证明了该方法的有效性和优越性。     

基于广义逆波束形成的扩展性噪声源定位误差影响因素仿真研究

实现噪声控制的前提是正确识别出主要的噪声源,研究噪声源空间指向性对于噪声源的辨识和预测有重大意义。为提高复杂声源的分辨率,以单极子点源形成扩展性声源表征噪声源,引进广义逆波束形成算法对扩展性声源进行声源定位。通过仿真计算,分析了广义逆波束形成(Generalized Inverse Beamforming,GIB)算法中麦克风阵列阵元数、测量距离对定位效果的影响,系统比较了去自谱算法和GIB算法对点声源、扩展性声源(5个紧密相连的单极子点源)的分辨率。仿真表明:GIB算法中定位效果受阵元数目影响不大,相对提高了点声源的定位精度,而且能分辨出扩展性声源。     

基于矩阵平滑改进的稳健Capon波束形成的功率估计

回顾了对角加载波束形成的研究历程,提出了一种改进稳健Capon波束形成（RCB）算法。该方法在计算过程中,加入了矩阵平滑及将加权向量向信干子空间投影的步骤,提高了对相干信号的分辨能力以及低信噪比条件下信号功率的估计能力。仿真结果表明该方法能够分辨相干信号,功率估计较为准确,并且在输入信噪比为-10dB的时候,降低旁瓣15dB～20dB：当信源估计个数大于实际个数的时候依然有效。     

埃尔米特广义汉密尔顿矩阵的广义逆特征值问题

本文利用埃尔米特广义汉密尔顿矩阵的性质与矩阵的分解理论,导出了埃尔米特广义汉密尔顿矩阵的广义逆特征值问题解的一般表达式。进而运用希尔伯特空间的逼近理论,对任意给定的n阶复矩阵对,证明相关最佳逼近解的存在性与惟一性,得到了最佳逼近解的表达式。     

基于高阶次Cross Sensor处理的波束形成方法

为得到鲁棒性、高分辨波束形成,提出了一种高阶次Cross Sensor处理方法。该方法依据阵元间协方差矩阵同一斜对角线上不同元素具有相同相位差的特点,对协方差矩阵进行M阶次Cross Sensor处理后可虚拟出近(2~M-1)(N-1)个虚拟阵元(N为原始阵元数)。虚拟阵元的增加可扩大线阵有效孔径,降低波束形成主瓣宽度,提高方位分辨率。在Cross Sensor处理过程中,该方法对协方差矩阵同一斜对角线上不同元素进行了叠加运算,可进一步削弱噪声对波束形成的影响,提高了波束形成鲁棒性。数值仿真和海上试验结果表明,该方法既能有效降低波束形成主瓣宽度,提高方位分辨率,又可削弱方位历程图干扰背景。相比已有的逆波束形成,该方法具有较好的方位分辨率;相比已有的基于AR模型的高分辨逆波束形成,该方法对最低门限信噪比的要求较低,方位估计均方误差较小。     

Hankel矩阵及其逆矩阵的快速三角分解算法的改进

本文改进了求Hankel矩阵及其逆矩阵三角分解的Chun-Kailath快速算法,减少了该算法的计算量,提高了精度。     

求鳞状因子循环矩阵的逆阵及广义逆阵的快速算法

利用多项式快速算法，给出了求鳞状因子循环矩阵的逆阵、自反g-逆、群逆及Moore-Penrose逆的快速算法。该算法避免了一般快速算法中，要计算大量的三角函数等可能带来误差及影响效率的问题。该算法仅用到鳞状因子循环矩阵的第一行元素及对角阵D中的常数d1，d2，…，dn进行计算，在计算机上实现时只有舍入误差。特别地，在有理数域上用计算机求得的结果是精确的。     

宽带信号常规波束形成方位估计算法改进

1引言常规波束形成方法(CBF)分辨率较低,但同时也具有运算量低、稳健性高、不需要目标信号先验知识等优点,因而仍然得到广泛运用。围绕CBF分辨率的提高,产生了许多方法:H.Fan等人[1]是用外推     

改进的超波束形成算法探讨及性能研究

为进一步提高超波束形成(Hyper Beam Forming,HBF)算法的性能,在传统的HBF基础上提出一种改进的HBF(Improved Hyper Beam Forming,Im-HBF)算法。将基于半阵指向性函数高阶运算修正到基于全阵指向性函数的高阶运算。仿真结果表明,Im-HBF算法具有更窄的主瓣,并且对端射来波信号栅瓣抑制能力更强,进一步提高了对目标的检测能力。同时,Im-HBF算法对指数n具有更为广泛的适用性,当指数n2时也能获得优于常规波束形成(Conventional Beam forming,CBF)的波束性能。     

Cline分块矩阵的极小范数广义逆

矩阵广义逆的递推算法在统计推断、模式识别以及解析动力学等领域有着广泛的应用背景.本文利用范数极小化方法给出了计算Cline分块矩阵的极小范数广义逆及逆的两个一般递推表示式,推广了已有的结果.     

基于滑动平均的等间隔线阵逆波束形成

逆波束形成算法与常规波束形成相比具有较高的方位分辨力和阵增益,抑制噪声能力强,但其旁瓣却较高,因此采用峰值统计信息作为输出。这样解决了高旁瓣下信号检测的问题,但却丢失了功率谱密度信息。本文在分析逆波束形成算法高旁瓣起因的基础上,提出了用滑动平均抑制旁瓣的方法。仿真分析结果表明,滑动平均方法在保留逆波束形成算法高分辨力的基础上,有效的抑制了旁瓣(第一旁瓣下降了2dB～3dB)。因此,可以采用传统的方法进行输出,以保留功率谱密度信息。海上试验数据的处理结果进一步验证了滑动平均方法的优点。     

SAVSTMV波束形成算法研究

矢量阵常规波束形成(Vector array Conventional Beam Forming,VCBF)能够消除普通单线阵左右舷模糊现象,但VCBF波束宽度受到"瑞利限"的限制,不能分辨同一波束内的多个目标。矢量阵导向最小方差(Vector array STeered Minimum Variance,VSTMV)波束形成算法是一种宽带自适应波束形成算法,具有高分辨力和抗干扰性能。VSTMV波束形成直接在阵元域进行,计算量较大且稳健性差,不利于实时实现和应用。提出一种分子阵VSTMV波束形成算法(Sub-Array Vector array Steered Minimum Variance,SAVSTMV),可有效降低计算量,算法稳健性更强。通过理论研究和仿真计算,证明该算法比矢量阵常规波束形成算法具有更好的性能,有利于实际应用。     

基于SOC规划的稳健盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。     

基于信号分离技术的波束形成算法研究

波束形成算法具有计算效率高,计算结果稳定等优点,被广泛应用于噪声源定位。因此,对波束形成算法的深入研究及扩展具有重要的意义。特征值分解、相干输出谱分析等技术能够对被测信号进行分解,常用于信号分离和贡献量分析,具有广泛的研究与工程应用价值。结合上述信号分离技术,将特征值分解和相干输出谱分析应用于波束形成算法的前处理,提出基于特征值分解和相干输出谱的两种“衍生”波束形成算法。在此基础上,采用圆形二维传声器阵列对三个人工白噪声声源进行声源定位测试,数据分析结果验证基于特征值分解和相干输出谱的波束形成算法对声源识别和声源云图分离的有效性。两种算法均能够对声源云图进行有效分离,进而将各个声源云图与其激励源相关联。     

一种基于重置协方差矩阵的波束形成优化方法

低信噪比情况下,针对波束形成方位历程图显示效果较差问题,提出一种重置协方差矩阵的波束形成前置预处理方法。该方法依据协方差矩阵中主对角线元素相比其他元素所含噪声能量差别较大、信号能量基本一样的特点,利用协方差矩阵主对角线邻近元素绝对值对主对角线元素进行重置,降低主对角元素所含噪声对方位历程图的影响,改善方位历程图显示效果。计算机数值仿真和海上实验数据处理结果表明,高信噪比情况下,该方法对方位历程图显示效果无影响;低信噪比情况下,该方法可以很好地改善方位历程图显示效果;该方法同样可以结合其他后置处理技术同时使用,进一步改善方位历程图显示效果。该方法可为改善方位历程图显示效果提供一个参考。     

基于软件无线电的智能天线波束形成算法

目前已经有许多经典的波束形成算法及其改进算法被广泛的应用。本文主要分析了MMSE和MV的原理并根据MMSE和MV的原理,编写出相应的Maflab仿真程序,对MMsE波束形成器和MV波束形成器,在具有不同特性的输入信号情况下进行软件编程模拟,在接收信号的各个分支具有不同时延的情况下进行模拟,最后对仿真模型加权后的输出结果和计算出来的信干噪比SINR进行分析,以获取上面两种波束形成器的工作特性,从而指在面对相应环境设计智能天线时选择适当的算法的波束形成器。     

平面阵波束形成算法效率比较

二维平面阵声呐系统所采用的阵元个数、形成波束的数量都较一维线阵声呐系统高一个数量级,数据处理量巨大,对信号处理机的实时处理能力要求非常高。如何提高二维波束形成算法的效率是工程实现二维平面阵声呐系统的关键,本文讨论了三种二维平面阵波束形成算法,并对这三种算法进行了计算效率和波束性能的对比。     

CLEAN-SC波束形成声源识别改进

CLEAN-SC波束形成声源识别方法计算速度快、成像干净清晰、结果准确度高,但当传统延迟求和算法在各声源处输出的主瓣严重融合时,亦无法准确分辨声源。造成该缺陷的原因为:主瓣严重融合时,CLEAN-SC所基于的延迟求和输出峰值所在聚焦点即为声源点的假设不成立。从源相干性角度,若某聚焦点处的延迟求和输出主要由某声源贡献时,该聚焦点可标示该声源,即基于该聚焦点的位置及强度信息可重构该声源在各传声器处产生声压的互谱矩阵。鉴于此,以CLEAN-SC识别的声源为初值迭代寻找正确的声源位置及强度,每次迭代中,最小化其余声源与某一声源的波束形成贡献的比值为每个声源选择标示点,根据标示点更新声源。仿真及试验均证明:所给方法比传统CLEAN-SC具有更高分辨率,使近距离低频率声源的准确识别变得可行。