基于导向矢量估计的鲁棒波束形成

针对标准Capon波束形成器中真实导向矢量与期望导向矢量存在误差时,其性能会急剧下降的问题,提出了基于加权空间平滑与导向矢量估计相结合的鲁棒波束形成算法。该算法利用加权空间平滑方法,对子阵进行特殊的划分,根据子阵间自相关矩阵与互相关矩阵权重差异,采用嵌套的方式获得加权矩阵,继而得到更加精确的协方差矩阵,接着,使用不确定范围约束期望导向矢量来获得真实导向矢量。仿真结果表明,和传统的自适应波束形成算法相比较,本文算法在面对协方差矩阵中含有期望信号以及角度失配问题时,鲁棒性得到明显提升。     

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.     

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.     

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。     

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。      

一种联合修正的稳健Capon波束形成算法

指出了水平定向天线阵波束形成的主要难点,没有固定相位中心和受交叉极化来波的影响。阵列受随机性误差使得导向矢量存在较大失配,从而导致传统Capon算法性能下降甚至失效。在阵列误差模型下,给出了基于协方差矩阵与导向矢量联合修正的稳健Capon波束形成算法。该算法首先基于收缩得到一个增强的协方差矩阵,然后通过最大化Capon输出功率实现对导向矢量的修正,同时增加二次型约束防止修正的导向矢量接近于干扰导向矢量上。该算法可转化为二次约束二阶规划问题,并通过凸优化进行求解。仿真结果表明,该算法对天线阵模型中误差矩阵具有一定的稳健性,且较其他稳健算法具有较好的性能。     

基于改进PSO的对角加载波束形成算法

当协方差矩阵和导向矢量估计存在误差时,Capon波束形成算法性能急剧下降.对角加载能够提升Capon波束形成算法对误差的鲁棒性,但是最优加载因子的确定是当前的难题.提出一种基于改进粒子群优化(IPSO)算法的对角加载波束形成算法,首先将加载因子与协方差矩阵特征值谱联系起来,利用协方差矩阵特征值谱的分布特性确定最优加载因...     

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。     

超宽带穿墙雷达稳健波束域高分辨成像方法

以实现超宽带穿墙雷达目标高分辨为目的,提出了稳健波束域高分辨谱估计成像方法.该方法将天线接收数据进行补偿达到阵列数据对齐后,首先利用双约束稳健Capon波束形成(DRCB)进行波束域预处理得到二维空间波束,然后利用Capon谱估计处理其二维空间谱获得高分辨成像.此方法将稳健波束形成和高分辨谱估计结合,明显改善了成像质量...     

一种运动干扰稳健滤波方法

传统的阵列干扰抑制算法假设天线阵列与干扰之间相对静止,完成干扰抑制,当阵列与干扰之间存在相对运动时,存在协方差矩阵估计快拍数不足的问题,从而导致阵列滤波性能下降。针对上述运动干扰稳健滤波问题,提出了一种算法对现有零陷展宽技术抗运动干扰方法进行改进。一方面,将零陷展宽技术与导数约束方法相结合,用得到的新协方差矩阵求自适应权值;另一方面,为了提高自适应波束形成对噪声和误差的稳健性,引入了对角加载技术,加载量通过寻找协方差矩阵的特征值曲线拐点得到,有效避免了加载量过大导致的干扰信号被淹没以及加载量过小导致噪声分量引起性能损失的问题。该算法对零陷展宽系数选取依赖性较低,且对角加载量不需要设置固定的经验值,有利于稳健运动干扰滤波,适用于实际工程中先验信息不足条件下的自适应阵列抗运动干扰情况。     

基于原子范数的互质阵列协方差矩阵重构算法

针对互质阵列的虚拟阵列插值过程中协方差项的非均匀加权问题,将互质阵列协方差矩阵重构转换为低秩矩阵填充与原子范数重构,提出基于原子范数的互质阵列协方差矩阵重构算法。该算法先利用广义增广法得到非完备的互质阵列协方差矩阵,并利用截断的均值奇异值门限填充法得到虚拟阵列的协方差矩阵初值,然后对其进行原子范数最小化求解,实现稳健的正定Toeplitz协方差矩阵重构。该算法充分利用互质阵列协方差矩阵信息,有效提高互质阵列DOA估计算法的稳定性,降低计算复杂度。     

前视阵高速雷达空时处理方法研究

多普勒严重模糊,训练样本有限是高速平台雷达面临的重要问题,协方差矩阵估计误差以及目标约束误差将使处理器性能严重下降。针对上述问题,该文对前视阵杂波自由度进行了研究,分析表明杂波特征谱与孔径带宽积、时宽带宽积以及空时耦合特性有关。该文提出基于主瓣区域空时多波束的鲁棒空时处理方法,首先通过空时多波束降低杂波自由度,然后利用多普勒区间约束的方法,提高了处理器的性能和系统鲁棒性。仿真实验证明了该文方法的有效性,当样本中存在目标信号时,该文方法相比传统固定约束矢量的方法输出信杂噪比性能平均提高5 dB左右。     

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。      

利用广义内积值迭代加权的空时协方差矩阵估计方法

精确估计协方差矩阵是空时自适应处理(STAP)的核心问题,基于最大似然的样本协方差矩阵估计方法仅适用于均匀检测环境。为了提高非均匀场景下协方差矩阵的估计精度,该文提出迭代加权的空时协方差矩阵估计方法。该方法依据广义内积值(GIP)与其统计均值的距离确定样本的加权系数,并通过建立广义内积直方图及迭代处理的方式进一步提高协方差矩阵的估计精度。仿真结果表明,该方法能够提高非均匀环境下协方差矩阵的估计性能。     

冲击噪声下基于矩阵预处理的稀疏重构DoA估计

针对冲击噪声下用稀疏重构的方法不能准确估计波达方向的问题,该文提出基于多项式矩阵预处理的稀疏重构的波达方向(DoA)估计方法。由于冲击噪声的二阶矩不存在,基于二阶矩估计的子空间类算法和稀疏重构类算法不能有效估计出波达方向,且不能很好地处理相干信源。为了解决这个问题,采用多项式预处理技术对接收信号的自相关函数和方向矢量进行预处理,并在此基础上利用稀疏重构技术进行DoA估计。多项式预处理可以缩小矩阵的奇异值分布,使得反映噪声能量的奇异值分布更加明显,从而有利于减小冲击噪声的影响。仿真结果表明,算法在冲击噪声环境下能准确稳定地估计出两种信源的波达方向,尤其是在冲击噪声较强的情况下表现出灵敏度高、鲁棒性好的优点。     

Combined instrumental variable and subspace fitting approach toparameter estimation of noisy input-output systems

The paper considers the problem of estimating the parameters of linear discrete-time systems from noise-corrupted input-output measurements, under fairly general conditions: the output and input noises may be auto-correlated and they may be cross-correlated as well. By using the instrumental-variable (IV) principle a covariance matrix is obtained, the singular vectors of which bear complete information on the parameters of the system under study. A weighted subspace fitting (WSF) procedure is then employed on the sample singular vectors to derive estimates of the parameters of the system. The combined IV-WSF method proposed in the present paper is noniterative and simple to use. Its large-sample statistical performance is analyzed in detail and the theoretical results so obtained are used to predict the behavior of the method in samples with practical lengths. Several numerical examples are included to show the agreement between the theoretically predicted and the empirically observed performances     

A covariance matrix shrinkage method with Toeplitz rectified target for DOA estimation under the uniform linear array

A covariance matrix shrinkage method is proposed to make an improvement of the direction of arrival (DOA) estimation under a uniform linear array in a scenario where the number of sensors is large and the sample size is relatively small. The main contribution is that we provide a shrinkage target with Toeplitz structure and deduce a closed-form estimation of the shrinkage coefficient. The closed-form and the expectation of the shrinkage coefficient estimate are calculated based on the unbiased and consistent estimates of the trace and moments of a Wishart distributed covariance matrix. The statistical property of the shrinkage coefficient estimate is discussed through theoretical analysis and simulations, which demonstrate the shrinkage coefficient estimate can ensure that the proposed covariance matrix estimate is a good compromise between the sample covariance matrix (SCM) and the target. The root-mean-square-error (RMSE) simulations of DOA estimation show that the proposed method can improve the multiple signal classification (MUSIC) DOA estimation performance in the case of low signal-to-noise ratio (SNR) with small sample size, and also can provide a satisfactory performance at high SNR.     

Fast estimation of continuous Karhunen-Loeve eigenfunctions usingwavelets

This paper develops a new wavelet method for the fast estimation of continuous Karhunen-Loeve eigenfunctions. The method of snapshots is modified by projecting the ensemble functions onto orthogonal or biorthogonal interpolating function spaces. Under well-behaved piecewise smooth polynomial ensemble functions, the size of the covariance matrix produced is greatly reduced, without sacrificing much accuracy. Moreover, the covariance matrix C˜ may be easily decomposed such that C˜ = A^T A, and thus, the more stable singular value decomposition (SVD) algorithm may be applied. An interpolating scheme that reduces the computation of projecting the ensemble functions onto the biorthogonal subspace to a single sample is also developed. Furthermore, by projecting the ensemble functions onto wavelet spaces, the covariance matrix may be sparsified by a multiresolution decomposition. Error bounds for the eigenvalues between the sparsified and nonsparsified covariance matrix are also derived