一种小快拍情况下的稳健的波束形成方法

小快拍情况下采样协方差矩阵没有收敛,假设的白噪声表现为色噪声,从而导致了自适应波束形成畸变.本文从采样协方差矩阵特征值分析出发,提出了一种自适应对其修正的方法,相当于对采样协方差矩阵进行扰动,改善了采样协方差矩阵的收敛性,从而提高了波束形成的性能和稳健性.最后性能分析和计算机仿真验证了所提方法的有效性和优越性.     

一种样本污染且快拍数有限情况下的稳健的波束形成方法

样本污染情况下,期望信号方向上也可能形成零陷,导致输出信号干扰噪声比严重下降;快拍数有限情况下,假设的白噪声表现为色噪声,从而加剧了自适应波束形成畸变。基于此,该文从采样协方差矩阵特征值分析出发,提出了一种自适应修正方法,相当于对采样协方差矩阵进行扰动,从而提高了波束形成的性能和稳健性。性能分析和计算机仿真验证了所提方法的可行性和有效性。     

色噪声环境下自适应波束形成

在许多实际应用中阵列接收到的背景噪声并不是白噪声，本文研究色噪声环境下自适应波束形成方法及性能，分析了波束畸变机理，提出了一种解决波束畸变的自适应波束形成较根本性的方法，计算机仿真验证了该方法的有效性。     

一种空间色噪声环境下的鲁棒自适应波束

该文提出了一种基于对角加载的鲁棒自适应波束形成算法,以提高空间色噪声环境中自适应波束对方向矢量误差的鲁棒性。该算法首先利用噪声协方差矩阵对阵列相关矩阵进行预白化,同时定义了一个与噪声矩阵相对应的椭圆方向矢量模糊集,然后,通过在该模糊集内进行最坏情况性能优化来确定对角加载因子。和现有的通过迭代求解加载因子的方法不同,该文给出了最优加载因子的近似解析表达式,降低了运算量,揭示了哪些因素可以影响最优加载因子,以及如何影响。仿真结果表明,在空间色噪声环境中,该算法具有很好的鲁棒性,并且,给出的加载因子表达式是其真实最优解的一个准确近似。     

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。     

一种低副瓣稳健自适应波束算法

本文提出一种新型低副瓣自适应波束形成算法,解决了传统自适应波束形成器在干扰和高信噪环境下算法性能急剧下降的问题,并降低了快拍数对算法稳健性的影响。该算法基于标准Capon波束形成器,利用消除空域噪声的方法提高期望矢量的重估精度,并结合功率估计算法重构出干扰噪声协方差矩阵;然后使用特征干扰相消算法二次重构噪声协方差矩阵得到最优权值,增强算法在低样拍下的稳定性;最后对最优权值进行切比雪夫加权和二次约束实现了零陷加宽。仿真实验结果表明：新算法计算量小,旁瓣电平低,降低了在干扰运动和导向矢量失配时快拍数和信噪比对性能的影响。     

基于二阶锥规划的相干信号深零陷自适应波束形成

针对常规自适应波束形成算法在强相干干扰情况下零陷深度不够、甚至干扰抑制失效的问题,提出了一种基于二阶锥规划的相干信号深零陷自适应波束形成算法。该算法首先对接收数据协方差矩阵进行Toeplitz重构,使其包含信号和干扰的所有方位信息。然后重构了干扰加噪声协方差矩阵。接着在保证期望方向波束无失真前提下,约束主瓣宽度和旁瓣电平,使得波束形成器干扰和噪声的输出功率最小。最后将该问题转化为凸优化中的二阶锥规划问题,并使用凸优化工具箱进行快速求解。仿真结果验证了该算法的有效性。     

对角加载对信号源数检测性能的改善

对角加载技术可抑制小特征值对自适应权值的影响来加速自适应波束形成器的收敛性以及抑制导向矢量误差的影响避免信号相消,该技术通常用于稳健的波束形成算法.基于对角加载技术,本文提出了一种信号源数目判定的改进方法,通过对角加载数据协方差阵,可以平滑小快拍数和空间色噪声时的噪声特征值分散程度从而减轻其对信号源数目估计的影响,证明了该估计器的强一致性,分析了加载量对信号源数目估计的影响.最后通过仿真以及实测数据比较了本文方法和已有方法的性能,验证了所提方法的有效性.     

一种相干环境下的稳健自适应波束形成算法

针对均匀线阵提出了一种相干环境下的稳健自适应波束形成算法.该算法首先对接收数据采样协方差矩阵进行迭代Toeplitz处理,一方面可实现对相干信号的去相关,另一方面避免了由噪声子空间扰动引起的性能下降;然后利用处理后的矩阵进行基于特征空间的自适应波束形成,从而很好地解决了存在波束指向误差时的相干干扰抑制问题,并且在小快拍情况下也具有良好的阵列输出性能.计算机仿真实验结果证明了该方法的有效性.     

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。     

迭代子空间跟踪和结构约束的自适应波束形成算法

自适应波束形成(adaptive beam-forming:ABF)方法通过对阵列数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵依赖性较大.在小快拍和通道随机响应误差条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,严重恶化了基于线性约束最小均方误差准则的自适应波束形成方法的干扰抑制性能.针对该问题,本文基于子空间投影类波束形成方法的思想,提出采用迭代子空间跟踪和结构约束的自适应波束形成方法.该方法首先利用clearing技术在训练样本集上依次跟踪主特征矢量并构成信号子空间;然后根据子空间投影类波束形成权矢量的结构特性计算自适应加权矢量.仿真结果表明本文方法能有效提高自适应波束算法的输出信干噪比.     

基于遗传算法的部分自适应波束形成方法

将一种改进的遗传算法用于星载平面阵列天线方向图的实时综合。为了使遗传算法适合实时应用,在唯相自适应阵列的基础上进一步采用了部分阵元和部分比特的自适应波束形成,以降低算法计算量,提高其收敛速度。对基于改进遗传算法的唯相阵列部分阵元自适应波束形成和部分比特自适应波束形成进行了研究。模拟实验结果表明,两种方案都能够在波束“凝视”方向满足一定增益的前提下有效抑制来自旁瓣的强干扰,而且具有比传统唯相算法更快的收敛速度。     

基于自适应波束形成的抗干扰跳频通信方案

本文将自适应波束形成技术与跳频通信相结合,提出了一种新的基于空间平滑算法与相位补偿算法的抗相关干扰跳频通信方案.该方案通过采用相位补偿算法,消除了跳频与自适应波束形成相结合时存在的波束指向偏差问题,提高了波束形成的收敛速度.将空间平滑算法应用到波束形成中,有效实现了对跳频通信系统中相关干扰的快速抑制.在强相关干扰环境下...     

阵列天线波束成形技术在宽带CDMA下行链路中的应用

本文利用自适应天线阵列上行链路信号到达角估计信息,并结合导频辅助下行链路信道矩阵估计值,在前人提出的具有反馈特性的自适应发送阵列原理基础上,提出一种简单可行的宽带CDMA下行链路天线阵列波束成形权重计算方法,并进一步分析了到达角估计误差和信道信息反馈时延对权重计算的影响,最后给出系统误码率性能的计算机仿真结果。     

迭代自适应收缩加权融合的波束形成方法

自适应数字波束形成是通过对阵列接收数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵的依赖性较大。针对小样本条件下采样协方差矩阵求逆算法性能下降问题,提出迭代自适应加权融合样本协方差矩阵与先验协方差矩阵的波束形成算法。在估计协方差矩阵时,依据最小均方误差准则计算加权系数,并采用迭代自适应的方式更新先验协方差矩阵。仿真结果表明,所提方法能显著提高小样本条件下的协方差矩阵估计精度,能获得更大的输出信干噪比。      

有色噪声下GNSS空时抗干扰算法的性能分析和改进

在全球卫星导航(GNSS)阵列天线抗干扰理论中,系统噪声通常被视为理想白噪声(AWGN).但在实际工程中发现系统噪声通常是有色噪声且会影响空时自适应处理(STAP)算法的性能.该文首先推导得出了有色噪声功率谱与空时抗干扰后卫星导航信号相关峰的理论关系,然后通过仿真实验验证了该理论关系的正确性,同时分析了噪声功率谱的等效...     

一种基于自适应噪声估计的宽带语音增强算法

为解决传统算法对噪声适应性较差,残留音乐噪声较强的问题,本文提出了一种基于自适应噪声估计的宽带语音增强算法。该算法可应用于宽带语音编码器,以提升在噪声环境下的编码质量。本文所提算法利用谱熵对噪声类型进行有效的判别,将背景噪声分为白噪声和有色噪声两类,并根据噪声特性选择适当的噪声估计方法。在白噪声背景下,选择一种谱平滑的方法;在有色噪声背景下,则选择经典的最小值控制递归平均算法。在此基础上结合经典的统计模型方法,构建一种具有较强噪声鲁棒性的宽带语音增强算法。在ITU-T G.160标准下对算法进行性能测试,测试结果表明,在不同强度的背景噪声环境下,增强语音的信噪比提高都较为明显。同时,在低信噪比情况下,该算法有效的抑制了严重影响听觉质量的音乐噪声现象。      

从混合有色噪声背景中提取正弦随相调频信号的方法

提出了从混合有色背景噪声中提取正弦随机调频信号方法－－基于高阶累积量FIR自适应滤波方法。其主要特点是：FIR自适应滤波系数是用输入信号的四阶以上累积量进行更新的；FIR自适应滤波器是收敛于与有用信号类型匹配的滤波器。因此，它既能有效地提取有用信号（匹配信号），又能有效地抑制混合有色噪声（非匹配信号）。仿真结果表明，与短时相关方法相比，该方法是很有效的。     

An efficient robust adaptive filtering algorithm based on parallelsubgradient projection techniques

This paper presents a novel robust adaptive filtering scheme based on the interactive use of statistical noise information and the ideas developed originally for efficient algorithmic solutions to the convex feasibility problems. The statistical noise information is quantitatively formulated as stochastic property closed convex sets by the simple design formulae developed in this paper. A simple set-theoretic inspection also leads to an important statistical reason for the sensitivity to noise of the affine projection algorithm (APA). The proposed adaptive algorithm is computationally efficient and robust to noise because it requires only an iterative parallel projection onto a series of closed half spaces that are highly expected to contain the unknown system to be identified and is free from the computational load of solving a system of linear equations. The numerical examples show that the proposed adaptive filtering scheme realizes dramatically fast and stable convergence for highly colored excited speech like input signals in severe noise situations