改进的稳健Capon 波束形成算法性能分析

常规Capon 波束形成算法能够使波束在期望信号方向形成高增益,在干扰方向形成零陷,针对该算法在期望信号导向矢量失配的情况下,出现性能下降的问题,研究了期望信号导向矢量在不确定集约束下的求解。通过分析稳健Capon波束形成算法的特点,推导出了期望信号导向矢量在球形不确定集约束下的权矢量近似闭式解,并采用图像法,找到给定条件下的最优约束参数。在指向误差和相位误差存在情况下,对算法进行了仿真分析,仿真结果验证了算法在误差存在情况下的稳健性。     

一种稳健的稀疏Capon波束形成算法

常规Capon波束形成算法具有相对较高的旁瓣增益,且在期望信号导向矢量存在失配时,阵列输出性能下降甚至失效。为解决这一问题,引入了稀疏约束Capon波束形成算法,该算法降低了旁瓣,对期望信号来向不确定具有一定稳健性,但在幅相误差、期望信号指向偏差等多种误差同时存在的情况下其性能下降。本文在稀疏约束Capon波束形成算法基础上,给出了一种稳健的稀疏Capon波束形成算法。该算法主要是在最差性能最优化的情况下,在稀疏Capon上增加了一个导向矢量存在偏差的约束条件。通过计算机仿真,验证了新算法在多种误差环境下的有效性与优越性。     

一种空域-极化域联合稳健自适应波束形成算法

为有效提高阵列对来波方向误差和极化参数误差的鲁棒性,提出一种空域-极化域联合稳健自适应波束形成算法,首先在每个干扰信号来波方向-极化角区间上重构干扰噪声协方差矩阵,然后在期望信号来波方向-极化角区间上估计其导向矢量,设计空域-极化域联合稳健波束加权。通过仿真实验可发现,所提算法对由来波方向角度误差和极化参数误差所引起的导向矢量失配具有很好的鲁棒性。     

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。     

基于不确定集的稳健Capon波束形成算法性能分析

该文针对常规Capon波束形成易受期望信号导向矢量失配影响,研究了基于导向矢量误差不确定集的稳健Capon自适应波束形成算法。推导出期望信号导向矢量属于球形不确定集时的自适应权矢量近似闭式解,并由此进行性能评估,得到目标功率估计和输出信号干扰噪声比的近似表达式,从而明确了各种因素对性能的影响关系。计算机仿真结果证明了该文分析的合理性。     

基于导向矢量双层估计和协方差矩阵重构的稳健波束形成算法

针对干扰加噪声协方差矩阵(INCM)重构过程中Capon功率谱(CPS)估计分辨率低的问题,该文提出两种稳健自适应波束形成（RAB）算法。该算法首先通过搜索CPS的峰值确定积分区间,然后对各区间积分所得的协方差矩阵进行特征值分解。通过合理设置判定门限确定区间内所含的入射信源数量,并将较大特征值所对应的特征向量作为信源导向矢量(SV)的初步估计。而后通过最大化估计功率的方法,在初步估计SV的正交空间内搜索其与真实SV之间的误差。该算法1利用最小特征值所对应的特征向量,向初步估计的SV中添加正交比例梯度,得到双层估计的SV。与算法1不同,算法2通过求解2次优化(QP)问题得到修正的SV。最后通过重构INCM获得阵列最优权值矢量。通过计算机仿真实验,验证了所提算法有效解决了CPS估计分辨率低的问题,较其他算法综合性能更优,具备更高的稳健性。     

一种基于协方差矩阵重构的波束形成算法

针对Capon波束形成在误差条件下敏感性问题,提出一种基于协方差矩阵重构的鲁棒波束形成算法。算法将信号集中出现的空域划分为干扰区域和信号区域,接着将两个区域划分为若干相互独立不重叠的部分,对干扰区域积分,构造出干扰协方差矩阵;再利用采样协方差矩阵特征分解后的最小特征值重构出噪声协方差矩阵;最后对期望信号导向矢量误差进行环不确定集建模,并在期望信号导向矢量环不确定集上进行Capon谱积分来估计期望信号协方差矩阵,根据其主特征矢量获取期望信号导向矢量。仿真表明,与传统鲁棒波束形成算法相比,此方法在不同快拍数以及输入信噪比条件下,性能更加优异且稳定,同时计算量较小。     

基于稳健Capon波束形成技术的矢量相关测向方法

为了弥补阵列天线导向矢量失配对测向性能的影响,提出基于稳健Capon波束形成技术的矢量相关测向方法。与直接使用相位差的常规相关干涉测向技术不同,该方法首先利用稳健Capon波束形成技术估计目标信号的真实导向矢量;然后通过导向矢量的相关拟合确定目标信号方向。通过仿真分析,得出了以测向为衡量标准时不确定集约束参数的选择原则。仿真结果表明该方法能够弥补阵列流型失配的影响、准确测量目标信号方向。     

导向矢量和协方差矩阵联合迭代估计的稳健波束形成算法

针对自适应波束形成器在目标导向矢量存在约束偏差时性能急剧下降的问题,该文提出一种目标导向矢量和干扰噪声协方差矩阵联合迭代估计的稳健波束形成算法。该算法首先采用稀疏重构的方法得到目标导向矢量的初始值,并通过从采样协方差矩阵中剔除目标信号估计值完成干扰加噪声协方差矩阵的初始化;然后在建立导向矢量误差优化模型的基础上,采用凸优化方法对目标导向矢量和干扰加噪声协方差矩阵联合迭代求解。最后利用目标导向矢量和干扰加噪声协方差矩阵的稳态估计值获得自适应权矢量。仿真结果表明该算法提高了波束形成器在目标导向矢量约束偏差时的输出信干噪比。     

基于波束域导向矢量估计的稳健自适应波束形成方法

针对导向矢量失配和样本协方差矩阵估计误差导致自适应波束形成性能下降的问题,该文提出一种基于波束域导向矢量估计的稳健方法。该方法首先利用期望信号角度失配区域的补集构造波束域转换矩阵,克服了当样本协方差矩阵中存在期望信号分量时现有算法出现有用信号对消的缺点。其次推导出波束域导向矢量估计方法,并将其转化为包含恒模约束的非凸二次约束二次规划问题,然后采用半正定松弛规划估计实际的波束域导向矢量。计算机仿真验证了该文所提方法的有效性。     

基于空时二维协方差矩阵修正的波束形成算法

在实际应用环境中,信源和阵列传感器等存在误差,假设期望信号的导向矢量与真实信源导向矢量的失配会导致阵列波束形成器把期望信号当作干扰来加以抑制。针对信号匹配误差导致自适应波束形成性能下降的问题,提出了一种基于空时二维协方差矩阵修正的波束形成算法,利用空时结构对宽带幅相误差校正的特性,对空时二维协方差矩阵进行重构,并对修正协方差矩阵进行特征值分解,分离出信号加干扰子空间,将失配导向矢量投影可使期望信号与噪声子空间严格正交,最后求解算法最优权值。算法有效改善了波束形成的输出信噪比,计算机仿真验证了理论分析的正确性和算法的稳健性。     

一种基于稀疏约束的稳健波束形成方法

通过分析最优自适应波束形成权矢量的子空间组成,发现最优权仅位于低维的干扰加信号子空间中.一般系统所要抑制的干扰数目远小于系统自由度,因此一旦估计出干扰空间和信号导向矢量,只需求解一个低维的组合矢量即可求得自适应权矢量,同时也极大地降低了计算复杂度.本文首先构造一个完备的干扰加信号子空间（IPSS）,然后对组合矢量进行稀疏约束,找到一组列数最小的信号加干扰子空间来构造自适应权.仿真实验验证了所提算法的有效性和稳健性.     

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.     

基于特征值分解的稳健波束形成技术

Capon 自适应波束形成中,导向矢量误差和协方差矩阵的估计误差均会导致波束形成器的性能下降。针对这一现象,提出一种基于特征值分解的稳健波束形成技术,即在将估计的协方差矩阵特征值分解后,直接对影响波束形成器稳健性能的噪声小特征值进行算术平均处理,以获得接近于理想波束形成器的稳健性能。同时根据试验仿真,给出了用于区分干扰和噪声特征值的门限计算公式,为准确构建特征子空间提供了思路。分析结果表明,与传统的对角加载方法相比,该方法能够达到同样的改善性能,在实际运用中更加直接和有效。     

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.