基于协方差矩阵重构的稳健自适应波束形成算法综述

Capon波束形成器作为理论上最优的波束形成器具有良好的干扰抑制能力。然而Capon波束形成器对于模型失配误差非常敏感,尤其是针对协方差矩阵和期望信号导向矢量误差,波束形成器的性能会严重下降,这大大降低了波束形成器的稳健性。目前,一系列基于协方差矩阵重构的稳健自适应波束形成算法被提出,这些算法核心思想都是利用Capon功率谱一定的角度范围内积分来重构出协方差矩阵。本文首先介绍了波束形成的信号模型,然后在Capon波束形成器的基础上,介绍了4种基于协方差矩阵重构的稳健自适应波束形成技术,最后对未来波束形成技术的研究热点进行了展望。     

基于Toeplitz化的单快拍稳健波束形成

现有的单快拍波束形成算法多是基于空间平滑原理提出的,缺点是损失了阵列孔径,且降低了系统的自由度。对此提出了一种基于Toeplitz化的单快拍稳健波束形成方法:首先Toeplitz化接收数据的协方差矩阵,然后根据约束准则得到实际期望信号的导向矢量,利用Capon法得到最优权。该方法充分利用了阵列的孔径和自由度,保证了期望信号方向的增益,且对阵列误差具有一定的稳健性。仿真实验验证了所提方法的有效性。     

一种基于协方差矩阵重构和EMP的宽带波束形成算法

在宽带波束形成中,若干扰信号从主瓣方向进入,会引起主瓣畸变、旁瓣电平抬高,从而使波束性能严重恶化。为了解决波束形成中的这些问题,研究了一种基于协方差矩阵重构和特征投影预处理（EMP）的宽带波束形成算法。该算法首先通过EMP算法求取阻塞矩阵,对接收信号进行干扰相消预处理阻塞掉主瓣干扰;然后通过相干信号子空间（CSM）方法、协方差矩阵重构求取合理的协方差矩阵;最后进行波束形成。在主瓣干扰、旁瓣干扰同时存在的情况下,该算法能够自适应地阻塞主瓣干扰、抑制旁瓣干扰,解决了存在主瓣干扰情况下宽带波束形成的波形畸变问题。计算机仿真验证了该算法有效性。     

一种用于GPS抗干扰的稳健盲波束形成算法

导航系统中接收信号微弱,到达GPS接收机天线的有用信号十分微弱,很容易受到各种人为和非人为干扰的影响.循环自适应波束形成(CAB)算法作为一种盲波束形成算法,具有较低的计算复杂度和较快的收敛速度,因此,是一种有效的盲波束形成算法,算法非常适用于GPS抗干扰.但是,CAB算法的稳健性不足,为了提高原算法的稳健性,在约束的循环自适应波束形成(C-CAB)算法的基础上,结合正交投影和协方差矩阵加权提出一种新的稳健算法,仿真结果证明了算法的有效性.     

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。     

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.     

基于子空间的稳健自适应波束形成方法

波束形成器在声纳平台轻微震动或干扰移动的情况下出现零陷致使其工作性能下降,为此提出一种基于子空间的具有自动扩宽干扰抑制零陷的稳健波束形成方法,利用子空间投影和数据协方差矩阵非对角元加载来形成波束形成器的权向量,使波束形成器具有子空间波束形成器对系统误差的稳健性,同时可自动地在干扰方位形成展宽的干扰抑制零陷,从而使波束形成器有效地抑制干扰而稳健地工作.实验仿真的结果验证了该方法的正确性和有效性.     

宽线性波束形成技术综述

在圆信号的假设条件下,传统的线性波束形成技术仅仅利用了天线阵列观测矢量的协方差矩阵。然而,现代通信领域中的很多人工调制信号具有非圆特性,观测矢量不仅存在协方差矩阵,还存在伪协方差矩阵。宽线性波束形成技术是针对非圆信号环境提出的一类新技术,该类技术通过构造一个包含天线阵列观测矢量及其共轭的扩展观测矢量,建立有利于特定方向信号接收的目标函数及约束,推导出相应的扩展权重矢量。同传统线性波束形成技术相比,宽线性波束形成技术对非圆信号的接收性能有了明显提升,近年来,该类技术成为国内外研究热点之一。本文介绍了圆信号和非圆信号定义,给出了阵列模型并介绍了最小方差无畸变响应波束形成,对各种宽线性波束形成算法进行了综述,并对宽线性波束形成技术的下一步研究方向进行了展望。     

天线选择下稳健波束形成新算法

研究认知无线电（CR）网络环境下的稳健发射波束形成问题,以期在信道状态信息（CSI）存在误差时满足一级用户（PU）干扰温度约束和二级用户（SU）信干噪比（SINR）约束,该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式,进一步通过引入[?0]范数的[?1]范数逼近,将目标函数非凸优化松弛为凸问题,并通过迭代重新加权算法求解。仿真结果表明,该方法以少量增加传输功率为代价减少了发射天线的数量,节约了基站成本。     

稳健的全阵波束形成方法

由于相干干扰和角度估计误差影响波束形成性能,对此提出一种稳健的波束形成方法。采用加权空间平滑算法去除相干性;对期望信号施加约束,保证一定角度估计误差范围内算法的稳健性;进行全阵波束形成变换,避免阵列孔径损失。仿真结果表明,在相干干扰环境中,该算法的方向图在期望信号方向有明显主瓣,有利于接收期望信号;在一定的角度估计误差范围内,该算法可保持比较高的且比较平坦的输出信干噪比;随着输入信噪比的增加,输出信干噪比几乎线性增大。     

期望信号大动态下的稳健波束合成算法

基于期望信号波达方向信息的自适应波束合成算法对角度误差非常敏感,特别是在期望信号功率较大情况下,产生“自零陷”而导致算法失效。基于恒模特性的盲自适应波束合成在干扰信号功率大于期望信号功率时,算法也会把期望信号抑制以捕获干扰信号。在期望信号波达方向信息已知情况下,采用最小二乘恒模自适应波束合成算法,可以克服上述问题,使得期望信号在大动态时也能正常实现对干扰信号的抑制。本文阐述了算法实现步骤,并通过线阵模型进行仿真验证,证明算法的正确性。     

一种鲁棒水声基阵波束形成方法的研究

研究水声基阵波束形成器的鲁棒性问题.由于水声信号的复杂性以及波束形成方法在处理水声基阵的实际问题时存在各种误差,为提高波束形成器的鲁棒性,提出一种改进SVM的方法.首先在支持向量回归运算模型中引入加载量,再利用拉格朗日法来对含有Hubert损失函数的回归模型进行计算,并将改进方法应用于水声基阵,不仅可以减小运算量,同时可以提高波束形成器的鲁棒性.最后通过计算机仿真和水池实验数据验证,并与加载采样矩阵求逆(Loading Sample Matrix Inversion,LSMI)方法进行对比.实验结果表明:在无失配、水声基阵接收信号的方向存在偏差以及基阵阵元存在轻微扰动的各种情况下,都具有比LSMI强的鲁棒性.     

非线性多功能传感器信号重构的抗差估计方法研究

在非线性多功能传感器的信号重构过程中,训练样本集不可避免地夹杂粗差数据。为了得到既有较强抗差性又有较高效率的估值,采用抗差最小二乘法在粗差干扰条件下进行参数估计。抗差最小二乘估计通过等价权把抗差估计原理与加权最小二乘形式结合在一起,因此在抵抗粗差的同时保持了最小二乘法的优点。非线性信号重构的粗差抑制结果表明,抗差最小二乘法计算速度快,且具有良好的抗粗差能力和收敛可靠性。     

对消除入射信号偏差的鲁棒性波束成形方法的改

消除入射信号信号偏差的波束成形方法目前已经有多种研究解决方案.有一种自适应鲁棒性波束成型方法,引导向量的误差表示为空间中的多面体.本文则将方差空间表达为更为广泛的空间椭球体并进行数学推导,该方法减少了待估参数数目,具有更佳的性能.仿真结果也表明了本方法的优越性.     

Robust and Efficient Surface Reconstruction From Range Data

We describe a robust but simple algorithm to reconstruct a surface from a set of merged range scans. Our key contribution is the formulation of the surface reconstruction problem as an energy minimisation problem that explicitly models the scanning process. The adaptivity of the Delaunay triangulation is exploited by restricting the energy to inside/outside labelings of Delaunay tetrahedra. Our energy measures both the output surface quality and how well the surface agrees with soft visibility constraints. Such energy is shown to perfectly fit into the minimum s ? t cuts optimisation framework, allowing fast computation of a globally optimal tetrahedra labeling, while avoiding the “shrinking bias” that usually plagues graph cuts methods. The behaviour of our method confronted to noise, undersampling and outliers is evaluated on several data sets and compared with other methods through different experiments: its strong robustness would make our method practical not only for reconstruction from range data but also from typically more difficult dense point clouds, resulting for instance from stereo image matching. Our effective modeling of the surface acquisition inverse problem, along with the unique combination of Delaunay triangulation and minimum s ? t cuts, makes the computational requirements of the algorithm scale well with respect to the size of the input point cloud.     

应变式传感器的信号隔离及数据重构

采用较高频率的周期性方波信号作为载波及解调信号,通过调制与同步解调技术对应变式传感器的输出模拟信号进行变压器式隔离.将隔离后的模拟信号及传感器使用环境温度对应的数字量作为输入变量,传感器的实际负载作为输出变量,利用移动最小二乘回归(MLSR)重构传感器所受负载与使用温度及隔离信号之间的数据模型.试验结果表明,采用调制及同步解调技术的模拟信号变压器式隔离电路具有良好的温度稳定性,利用MLSR建立的传感器数据重构模型拥有比传统最小二乘回归(LSR)更高的精度,在试验条件下的温度变化范围内,采用变压器式隔离电路得到的模拟信号隔离相对误差低于±0.2%,基于MLSR的传感器数据重构模型的负载检测相对误差低于±0.07%.     

鲁棒核主元分析的数据重构

针对野值点噪声对样本均值和协方差估计带来的不利影响,在线性鲁棒M位置估计方法的基础上,结合了核原理来估计协方差,提出了一种新型的鲁棒KPCA(核主元分析)算法.将所提出的算法应用于数据重构仿真实验,仿真测试结果表明当样本数据中存在野值点噪声时,由所提出的鲁棒KPCA算法实现样奉数据重构时,要比KPCA具有更高的重构精度,抗野值点噪声性能更强.     

多信号通信期望信号与入侵信号特征分离仿真

研究多信号通信中入侵信号与通信信号的准确分离技术.多信号通信过程中,不同信号遵守不同的通信协议,带有不同的信号特征.遭到入侵后,信号之间形成不可约束的纠缠,入侵信号与通信信号极化域的特征差异大幅缩小.传统的信号分离技术工作于单极化方式,无法利用多通信信号与入侵信号之间在极化域的特征差异,造成在极化区域内,两者无法分离,限制了在信号处理层面进行抗入侵的能力.为了解决上述问题,建立了一种正交极化阵列入侵信号分类模型,通过入侵极化改变信号损失特征这一特征,实现极化区域内期望信号与干扰信号的特征分离,对分离后的信号进行抗干扰性能进行了仿真分析,证明了采取上述矢量信号处理的方式不仅扩展了多信号通信中入侵信号处理的能力,并且能够显著的提高多信号网络通信系统的抗干扰性能.     

多传感器数据融合的稳健处理方法

对多传感器测定数据的综合处理，是一个关系到如何正确应用所得信息的实际问题。本文利用数理统计的方法理论和矩阵特征向量的稳定理论，将各传感器的可靠性程度模糊化，进而给出众多传感器测得数据的综合结果，从方法的理论基础和对实例的模拟运用来看，本方法克服了以往方法中对可靠性程序划分的主观影响，并提高了信息的利用程度，所得结论更加客观，且具有较好的稳定性，是一种较为实用的方法。