基于改进最速下降LCMV算法的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成技术,在理想条件下能够在期望信号方向保证增益最大,同时在干扰方向形成零陷.但在实际阵列系统中,指向误差、阵元位置误差以及阵元相位误差均使得传统的LCMV准则算法出现性能下降.针对最优权矢量解算问题,提出了基于牛顿法及可变加载约束的改进SD-LCMV算法,并将两者与线性约束LMS算法及递归稳健LCMV算法进行仿真对比,结果验证了改进算法对误差的稳健性.     

导向矢量存在匹配误差时Capon波束校正算法

针对信号导向矢量存在匹配误差时提出一种Capon波束校正算法.该算法利用噪声子空间与期望信号导向矢量正交的特点,首先通过构造代价函数估计来波信号的方向角;然后在约束最优的基础上对误差进行迭代估计;最后对导向矢量进行校正并进行波束形成.本文通过计算机仿真验证了该方法的有效性.     

基于干扰加噪声协方差矩阵重构的稳健自适应波束形成

在自适应波束形成中,由于期望信号(SOI)导向矢量(SV)的误差、采样点数较少、训练数据中存在期望信号成分等原因,造成波束形成的性能严重下降。针对以上问题,提出了一种稳健波束形成方法。首先利用MUSIC算法和参数估计来重构不包含SOI的干扰噪声协方差矩阵,再通过利用相关系数来估计出期望信号导向矢量。仿真结果表明,该算法可以处理较大的方向误差,并且信噪比(SNR)在较大的范围内都可以得到比传统方法更佳的性能。     

基于干扰噪声矩阵重构的自适应波束形成算法

针对在自适应波束形成中,当采样次数较少或期望信号导向矢量存在误差以及训练数据中含有期望信号成分时导致波束输出信干噪比(SINR)下降的问题,提出了一种重构干扰噪声协方差矩阵并且估计期望信号导向矢量的稳健自适应波束形成方法。在期望信号波达方向的角度范围已知的条件下,首先利用多重信号分类（MUSIC）空间谱在不含期望信号的区域重构出干扰噪声协方差矩阵;然后推导了避免期望信号的导向矢量的估计值收敛到任一干扰的导向矢量或它们的线性组合的约束条件;进而以此约束条件和阵列输出功率最大化条件建立了期望信号导向矢量估计的优化问题,并使用凸优化软件估计出最优的期望信号导向矢量。讨论了该方法的计算复杂度并通过仿真实验验证了其有效性和优越性。仿真结果表明,当期望信号和干扰源存在随机指向误差和局部散射的情况下,所提方法在很大的输入信噪比范围内的输出信干噪比仍接近理论值,优于其他自适应波束形成方法。     

基于干扰噪声矩阵重构的自适应波束形成算法

针对在自适应波束形成中,当采样次数较少或期望信号导向矢量存在误差以及训练数据中含有期望信号成分时导致波束输出信干噪比(SINR)下降的问题,提出了一种重构干扰噪声协方差矩阵并且估计期望信号导向矢量的稳健自适应波束形成方法。在期望信号波达方向的角度范围已知的条件下,首先利用多重信号分类(MUSIC)空间谱在不含期望信号的区域重构出干扰噪声协方差矩阵;然后推导了避免期望信号的导向矢量的估计值收敛到任一干扰的导向矢量或它们的线性组合的约束条件;进而以此约束条件和阵列输出功率最大化条件建立了期望信号导向矢量估计的优化问题,并使用凸优化软件估计出最优的期望信号导向矢量。讨论了该方法的计算复杂度并通过仿真实验验证了其有效性和优越性。仿真结果表明,当期望信号和干扰源存在随机指向误差和局部散射的情况下,所提方法在很大的输入信噪比范围内的输出信干噪比仍接近理论值,优于其他自适应波束形成方法。     

快速稳健的LMS自适应波束形成算法

研究天线阵通信问题,传统的最小均方误差(LMS)自适应波束形成算法,需要积累足够多的快拍数据后才能进行权值计算,运算时间较长,且存在波达方向(DOA)估计误差性能严重下降的现象.针对上述现象,为提高速度和精度,提出一种快速稳健的LMS自适应波束形成方法.算法是一种自适应迭代算法,不需要累积足够多的快拍数据计算权矢量,减少了权值计算时间.同时基于导向矢量展开的方法,通过梯度搜索相位误差矢量,将它补偿到不精确已知的期望信号导向矢量上,以获得真实的期望信号导向矢量.算法提高了运算速度和稳定性.计算机仿真验证了方法的有效性和正确性.     

一种简化特征空间稳健自适应波束形成算法*

在基于特征空间(ESB)的自适应波束形成算法中,针对当指向误差落在波束主瓣的边缘特定角度时,输出信干噪比下降,且信号子空间需要进行费时的特征值分解的问题,提出了改进线性约束最小方差(LCMV)算法。在假定的期望信号方向附近减少一个方向性约束条件,并基于信号特征值大于噪声特征值的这一特性, 利用空间协方差矩阵逆的高阶次幂来逼近信号子空间,无须特征分解,将求得的权矢量向改进的信号子空间投影。该方法能够大大减少计算量,同时还显著提高了自适应波束形成稳健性。通过仿真分析及结果比较验证了算法的正确性和有效性,因此从     

在Matlab中实现基于LMS算法语音信号去噪

该文描述了在Matlab中编程实现语音通信中去除噪声技术。依据输入信号在迭代过程中估计梯度矢量、更新权系数以达到最优的自适应迭代算法,采用一种期望响应和滤波输出信号之间误差的均方值最小(LMS算法)为准则的梯度最陡下降方法。讨论收敛因子μ的取值范围使降噪效果达到最优。     

矢量阵一种简单的相位误差校正方法

分析了矢量水听器阵的阵列流型和误差模型,针对矢量水听器阵列声压和振速通道存在相位误差问题,应用常规波束形成方法和MUSIC方法进行方位估计误差大。并对通道存在估计性能下降的问题,提出了一种简单的相位误差校正方法。利用阵列流型向量在信号子空间的投影,得出存在相位误差的阵列流型向量就是信号子空间的特征值为＂一＂的特征向量,通过与精确的阵列流型向量比较求出矢量阵的相位误差。最后,修正矢量阵的相位误差,得到准确的方位估计能力。通过计算机仿真,验证了算法的可行性和准确性。     

数据含期望信号的重构稳健波束形成

研究稳健波束形成问题.样本数据含期望信号时,若存在导向矢量误差,常规MVDR波束形成会在期望信号方向上产生期望信号对消,性能损失严重.针对上述问题,提出了一种在对称干扰环境下的稳健MVDR波束形成方法.首先消除数据协方差矩阵的实部得到期望信号分量,进而重构出期望信号协方差矩阵,然后从数据协方差矩阵中减去重构的期望信号协方差矩阵,得到仅含有干扰和噪声的协方差矩阵,并以此来实现MVDR的权向量设计.仿真结果表明,改进方法消除了期望信号分量的不良影响,提高了波束形成对系统误差的稳健性.     

基于综合误差的对角负载稳健波束合成器*

在稳健的波束合成器中,采用对角负载的校正方法能有效克服误差影响。与传统的对角负载稳健波束合成器相比,新算法一方面综合考虑多种误差影响,建立相应数学模型;另一方面,在求解最优对角负载值时,对协方差矩阵进行了预处理,消除了部分误差影响,从而使对角负载校正方法更加有效。计算机仿真证明了新算法的有效性。     

一种改进的可变对角加载自适应波束形成算法

由于观测方向误差的存在,使得实际获得的方向向量与其理论值产生偏差,进而对各类自适应波束形成算法性能造成较大影响。为此提出一种有效的对角加载自适应波束形成算法,首先利用目标信号的方向向量在噪声子空间中投影最小的原理,对带有误差的方向向量进行校正,然后再使用可变对角加载原理求得对角加载因子,对实际获得的自相关矩阵进行对角加载后,形成自适应波束,从而很好地消除了方向向量误差造成的影响。算法能够有效克服目标信号对消现象,并具有良好的保形能力和快速收敛的特点。计算机仿真结果验证了这些优点。     

最速下降与共轭梯度在数字波束形成中的研究

在自适应波束形成技术中,共轭梯度法是求解最优化问题的一种常用方法,最速下降法在不需要矩阵求逆的情况下,通过递推方式寻求加权矢量的最佳值。文中将最速下降法与共轭梯度法有机结合,构造出一种混合的优化算法。该方法在每次更新迭代过程中,采用负梯度下降搜索方向,最优自适应步长,既提高了共轭梯度算法的收敛速度,又解决了最速下降法在随相关矩阵特征值分散程度增加而下降缓慢的问题,具有收敛速度快,运算量低的特点。计算机仿真给出了五阵元均匀线阵的数字波束形成系统实例,分别从波束形成、误差收敛及最佳权值等方面与传统LMS 算法进行了比较分析,结果表明了该方法的可行性与有效性。     

Robust space–time adaptive processing with colored loading using iterative optimization

The performance of space–time adaptive processing (STAP) may degrade dramatically if some undesired mismatches exist in real scenarios, such as array calibration error, distorted antenna shape, direction of arrival (DOA) and Doppler frequency mismatches between the actual and presumed responses to the desired target signal, insufficient training data samples and so on. In this paper, we develop a new approach to STAP that is robust to different variations in real scenarios. This method is based on the iterative optimization for the spatial–temporal separate filter. It is confirmed that this method belongs to the class of colored loading algorithms. The loading factor can be efficiently calculated based on the known level of the uncertainty mismatch sets of spatial temporal steering vectors. Computer simulations demonstrate that the proposed robust two-dimensional (2-D) beamformer with colored loading has attained better performance as compared to the conventional STAP algorithm.     

一种改进的智能天线盲波束形成算法

将空分多址技术引入无线通信系统中,针对无线电信号普遍具有的循环平稳特性,提出了非线性条件下的改进盲波束形成算法。通过对算法的权向量进行再次优化,改善了方向图零陷的位置和深度,提高了输出SINR。优化算法的输出SINR对导引向量随机误差具有稳健性,对期望信号的功率变化表现出不敏感的特性,算法具有很好的理论价值以及应用前景。理论分析与计算机仿真实验都证明了算法的有效性。     

基于对角加载奇异值分解的波束形成算法

在自适应波束形成算法中,QR分解具有很好的数值特征和固有的高度并行性。但当采样数较少,采样协方差矩阵估计值的噪声特征值分散会导致波束形成算法的性能下降问题,QR算法的性能就会下降。针对此缺陷,提出了对角加载奇异值(DSVD)分解的算法,该算法先对采样数据所构成的矩阵进行重构、分解、再重构、再分解,最后实现对角加载。通过仿真结果可以看到,DSVD算法不仅避免了对阵列协方差矩阵的估计和求逆,而且减少了估计运算量和估计误差,在复杂度与性能之间进行折衷。     

对角加载技术在多目标检测中的应用

文章重点研究了在不同噪声背景下的多目标检测(判阶)技术,主要包括AIC、EDC、EGM、GDE和EIT多目标检测算法,并进行了理论分析、统计性能仿真和水池试验验证.针对在实际系统中由于阵列误差和环境噪声的影响使算法的检测性能下降的问题,提出了一种对角加载修正算法,通过调整修正量的大小来改善算法的统计性能.统计结果表明,对角加载修正算法不但改善了多目标检测算法在低信噪比下的检测性能,而且提高了算法在高信噪比下的稳健性.     

Robust blind adaptive beamforming under double constraints

In practical complex communication environments, the performance of linearly constrained constant modulus algorithm (CMA) is known to degrade severely in the presence of even slight signal steering vector mismatches. To overcome the mismatches, a novel robust CMA is proposed for blind adaptive beamforming via the worst-case performance optimization and the oblique projection of signal steering vector, which is based on double constraints on explicit modeling of uncertainties in the desired signal array in this paper. To improve robustness, the weight vector is optimized to involve minimization of a constant modulus algorithm objective function with penalty for the worst-case signal steering vector. The theoretical analysis for our proposed algorithm in terms of SINR and convergence performance is presented in this paper. The proposed robust constrained CMA resolves the problem of interference capture, provides excellent robustness against the signal steering vector mismatches, and improves array output performance. Simulation results are presented to show the excellence of this technique and the main parameters of concern to evaluate the performance are analyzed.     

自适应对角加载在波束形成中的仿真研究*

当阵列误差存在时,Capon波束形成算法性能会急剧下降,特别是阵列输出信干噪比(Signal  to Interference plus Noise Ratio, SINR)。对角加载可以减弱小特征值对应的噪声波束的影响,能有效改善阵列性能及方向图畸变,但加载值的确定是一个较为困难的问题。本文算法根据加载值和采样协方差矩阵间的关系确定加载值,能自适应的根据采样数据确定加载值,在小快拍数和阵列误差存在情况下仍具有良好的鲁棒性,明显改善了阵列性能并减小了方向图畸变,且使零陷准确对准干扰方向。计算机仿真结果证实了此算法的鲁棒性。