四元数域宽带鲁棒自适应波束形成

该文提出一种基于四元数的宽带鲁棒自适应波束形成方法。在利用四元数构造阵元输出的基础上,通过期望信号复包络对齐技术,建立四元数域宽带对合增广宽线性信号模型,以联合利用四元数阵列输出矢量的3种对合信息和2阶统计特性以及信号非圆信息,采用信号加干扰子空间投影方式,有效提取期望信号,抑制多个不相关干扰和噪声,进而实现四元数域宽带鲁棒自适应波束形成。同其它宽带波束形成方法相比,该方法对非圆信号的接收性能提升,可以实现阵列虚拟孔径扩展,有效克服指向误差带来的性能下降问题。计算机仿真结果验证了该方法的性能。      

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IAA的协方差矩阵重构稳健波束形成方法

针对小样本背景下,存在相干信号、相位及阵元位置误差,传统波束形成方法性能不佳的问题,提出了基于迭代自适应法(IAA)的协方差矩阵重构稳健波束形成方法。该方法利用IAA估计出精确的功率谱,并进一步利用IAA估计的功率重构干扰协方差矩阵。重构过程中,将积分区域缩小到三维立体环域,减少无用信息的影响,提高了干扰协方差矩阵的重构精确度。最后通过波束形成抑制干扰信号。由于IAA不依赖于信号的非相干假设,解决了相干信号存在下的方位估计和功率估计。仿真表明,所提出的方法在相干信号、少快拍、相位及阵元位置误差同时存在的情况下,相对于其他波束形成方法,具有最优的信干噪比(SINR)输出,表明该方法具有优良的抑制干扰性能。     

鲁棒的四元数空间平滑算法

本文针对相干信号波达方向(DOA)估计问题,利用简化电磁矢量传感器阵列提出了一种基于四元数模型的空间平滑(Q-SS)算法。首先,根据四元数的正交特性能够很好地描述矢量传感器阵元内部信号分量之间的垂直关系这一特点,将每个阵元的两分量接收数据合成为一个四元数,建立了简化电磁矢量传感器阵列的四元数接收模型,该模型比传统的长矢量模型更适合于矢量传感器阵列的信号处理。在此基础上,利用本文提出的Q-SS算法对相干信号进行预处理,实现了解相干,并对解相干性能进行了分析,然后通过四元数域的ESPRIT算法估计出相干信号的DOA。理论分析表明Q-SS算法比传统的长矢量空间平滑(V-SS)方法有更高的DOA估计精度,具有对矢量传感器内部电场噪声分量解相关的能力,这是V-SS算法所不具备的优势。最后,通过计算机仿真实验比较和分析了所提算法的有效性。      

基于协方差矩阵重构和导向矢量估计的稳健自适应波束形成

实际应用中, 当假定的与真实的期望信号导向矢量之间存在一定误差时, 波束形成器的性能会急剧下降, 特别是当期望信号功率很强的时候.为解决这个问题, 提出了一种新的算法.当信源数小于阵元数时, 干扰加噪声协方差矩阵具有稀疏性.新方法首先利用该特性重构干扰加噪声协方差矩阵并由此得到与干扰导向矢量正交的子空间, 使接收的数据通过该子空间得到只含有期望信号和噪声的混合信号, 然后,对该混合信号基于最大化输出功率原理估计期望信号导向矢量, 最后,把得到的导向矢量和正交子空间来构造阵列加权值.仿真结果表明:该算法分别在假定的期望信号导向矢量存在误差、期望信号很强和低快拍数时仍然具有良好的性能.     

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。     

电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。     

极化域-空域联合的四元数APES波束形成算法

为了得到稳定的波束方向图、进一步提高极化敏感阵列的滤波性能,文中提出了一种极化域 空域联合的四元数幅度相位估计(Q-APES, Quaternion-Amplitude and Phase EStimation)自适应波束形成算法。首先,利用四元数信号模型很好的保持了两分量阵列各阵元输出信号分量之间固有的正交特性,使得该模型较传统的长矢量模型更适合于极化敏感阵列信号处理。然后,将纯空域的APES算法拓展到极化域-空域联合处理中,给出了Q-APES算法的理论推导和分析,得出了四元数最优滤波权向量,并通过仿真实验验证了文中算法的有效性。计算机仿真结果表明,在强期望信号、低采样快拍数或是入射干扰信号与期望信号相干的情况下,文中算法都可以很好的实现极化域-空域联合自适应滤波。      

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。     

误差条件下基于协方差矩阵重构的自适应波束形成

针对有幅相误差的互质阵列,提出了一种基于协方差矩阵重构的鲁棒自适应波束形成方法。该方法的主要思想是重构信号的协方差矩阵。如果幅相误差存在且无法被忽视,协方差矩阵重构的精度会受到幅相误差的影响。为了消除幅相误差的影响,准确地重构信号的协方差矩阵,提出了一种基于最小二乘(TLS)的方法。首先,建立了含有幅相误差的协方差矩阵重构的基本模型。然后,将问题转化为变量误差(EIV)模型。再将幅相误差的校准转换为与幅相误差相关的误差矩阵的估计,再利用估计结果得到信号协方差矩阵的有效估计。为了解决误差矩阵估计问题,提出了一种交替下降算法。仿真结果表明,即使在存在幅相误差的情况下,该方法仍能提高协方差矩阵的重建精度,并且自适应波束的性能优于现有算法。     

脉冲噪声环境中鲁棒的自适应波束形成方法

本文提出一种脉冲噪声环境中的自适应波束形成方法.方法假定噪声服从对称 α 稳定(S α S:Symmetric α -stable)分布,首先定义分数低阶阵列响应,然后根据最小方差无畸变响应波束形成器(MVDR)提出分数低阶最小方差无畸变响应波束形成器(FrMVDR).理论上证明了当阶数小于噪声特征指数的一半时,分数低阶阵列输出功率有界.计算机仿真实验证明了本文提出的FrMVDR波束形成器在高斯噪声和非高斯脉冲噪声环境中性能都优于MVDR和其他有关的基于分数低阶矩的波束形成器,是一种鲁棒的自适应波束形成器.     

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。     

抑制信号失配和非平稳干扰的鲁棒性自适应波束形成

本文针对信号失配和非平稳干扰问题,提出了一种鲁棒性较强的自适应波束形成方法.该方法通过考虑信号估计误差,在传统的线性约束最小方差的代价函数中引进信号协方差矩阵的估计误差并加入额外的波达角估计误差约束,通过一种高效的新型支持向量机训练算法计算权值;仿真结果表明该方法具有更好的鲁棒性.提高了波束形成器抑制信号估计失配和干扰非平稳性的能力.     

迭代对角加载采样矩阵求逆鲁棒自适应波束形成

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种迭代对角加载采样矩阵求逆鲁棒自适应波束形成算法。该算法对传统对角加载算法进行了迭代运算,基于Capon波束形成器的最优权矢量与假定导向矢量的基本关系,将每一步得到的权矢量,对应反解出一个比导向矢量假定值更为准确的导向矢量,并替代假定值,最终逼近真实的期望信号导向矢量。提出的方法在迭代过程中只需一步递推,无需对导向矢量建立不确定集,避免了在每步迭代中运用拉格朗日数值法或凸优化法,且明显提高了波束形成器的输出信干噪比。仿真结果验证了算法的正确性和有效性。     

一种零陷展宽鲁棒自适应波束形成算法

自适应波束形成器对模型失配与运动干扰非常敏感,特别是训练数据中包含期望信号分量时,较小的系统误差也会导致算法性能严重下降。该文提出一种零陷展宽鲁棒自适应波束形成算法,通过重构和优化干扰加噪声协方差矩阵,并估计真实导向矢量来提高算法抗系统误差与运动干扰的鲁棒性。该算法还可以通过调整主瓣宽度来优化波束旁瓣。仿真实验验证了所提算法的正确性和有效性。