一种宽零陷的自适应波束形成算法

自适应波束形成技术能有效地接收目标信号并抑制干扰,是阵列信号处理中的一项关键技术。为了应对快速运动干扰或平台转动等引起的自适应权值和数据失配,增强算法的鲁棒性,可以采用零陷展宽技术。通过Capon谱重构干扰加噪声协方差矩阵,可以根据需要设置零陷宽度和零陷深度,从而大大地提高算法的鲁棒性。通过与现有算法的比较,该方法能得到更高的输出信干噪比,并且能加深零陷深度,需要的快拍数也较少。     

复杂干扰场景下的稳健自适应波束形成

自适应波束形成是一种有效的空域抗干扰方案。然而当接收中的多个不同来向的干扰间存在强相干性,一般的自适应波束形成算法无法获得与干扰子空间理想正交的权矢量,对相干干扰的理想抑制失效,残余干扰将大大影响处理结果用于目标检测和定位等的可靠性。针对在同时存在独立干扰和多组自相干干扰的复杂相干干扰场景下自适应波束形成的干扰抑制性能急剧恶化的问题,本文结合协方差矩阵重构思想和空间差分技术,提出了一种改进的自适应波束形成器。该波束形成器的构建基于最小方差无畸变响应波束形成器,首先利用Capon空间谱的功率估计重构了独立干扰+噪声协方差矩阵,获得在不受到接收信号中的期望信号的影响下对独立干扰实现理想抑制的波束形成权矢量;其次,利用空间差分技术重构了恢复相干干扰子空间信息的相干干扰协方差矩阵,进而得到对接收信号中的相干干扰实现理想抑制的波束形成权矢量;最后,结合以上两个权矢量推导出可对接收信号中的所有干扰实现同时抑制的波束形成器。仿真结果验证了提出的波束形成器在未知干扰DOA信息下仍可自适应获得精确的深干扰抑制零陷,同时具有低旁瓣特性,与现有算法相比展现出更佳的输出性能,且优势在小快拍和接收含期望信号时仍具有稳健性。此外,本文通过理论分析表明,有别于现有算法,提出的波束形成器在接收中的干扰数量大于阵列阵元数的场景下仍可获得理想的干扰抑制性能,并在仿真实验中设计典型场景验证了理论分析的正确性。

     

一种相干信号自适应波束形成零陷展宽算法

针对传统自适应波束形成器在相干干扰位置出现快速变化时,输出性能下降,甚至干扰抑制失效的问题,提出了一种相干信号自适应波束形成零陷展宽算法。首先,对接收数据协方差矩阵进行解相干处理得到Toeplitz矩阵;其次,对协方差矩阵进行重构和优化;最后,进行零陷展宽和对角加载处理。仿真结果表明：该算法不仅能对相干干扰自适应形成宽零陷,而且可以灵活地控制零陷的深度和宽度;与Mailloux算法相比,在输入信噪比较高的情况下,该算法能得到更低的波束旁瓣电平和更高的输出信干噪比     

基于自适应数字波束形成的跳频干扰抑制研究

本文主要研究了基于自适应数字波束形成（ＤＢＦ）的卫星通信地面跳频接收系统的抗博物邮采用将ＤＢＦ与跳频相结合的方式来抑制跳频快速跟踪干扰和宽带阻塞干扰,对干扰抑制性能进行了分析及仿真其仿真结果与分析是一致的。     

自适应-自适应波束形成的零陷加深技术

对于大型阵列雷达,自适应-自适应波束形成(A-A DBF)是一种能有效减小运算量、易于工程实现的自适应波束形成方法,但在干扰功率起伏较大的背景下,其自适应抗干扰能力受到影响。本文给出了一种先增强A-A DBF协方差矩阵中干扰分量再进行自适应处理的方法。该方法可以有效改善干扰功率起伏对自适应波束形成的影响,提高系统的抗干扰能力。     

强干扰下的波束形成

提出强干扰条件下等距线阵的波束形成方法。该方法将空间角度映射到数字频率,对阵列方向图的设计就等效于对FIR滤波器的零点设计。在强干扰方向形成零陷可采用零点修改法与零点增加法2种设计方法,由于该2种方法均会使波束主瓣方向略有改变,且对旁瓣的抑制能力有所下降,所以要设计方向图指向正确且对旁瓣电平有要求的方向图时需要进行迭代设计。仿真结果表明,该2种设计方法适用于强干扰条件下弱信号的接收。     

自适应波束形成零陷优化抗干扰研究

数字波束形成(DBF)技术在相控阵雷达中已广泛使用,它是雷达空域抗干扰的重要技术。在传统的波束形成中存在干扰处的零陷较窄,干扰功率不稳定导致干扰零陷较浅的情况。旨在一体化解决上述两个问题,分析了零陷展宽和零陷加深的基本原理,推导了计算公式并进行了仿真;将两者综合考虑进行了推导和仿真,结果表明,进行零陷加宽和加深一体化设计,可以综合两者的优点,大大增强波束在干扰方向的稳健性,提高了雷达的抗干扰性能。     

基于干扰位置预测的稳健波束形成方法

高速平台雷达阵列进行自适应波束形成时,干扰方向的快速变化和波束指向误差会导致输出信干噪比的急剧下降.针对上述问题,提出了一种基于干扰位置预测的稳健波束形成方法.该方法首先定义了归一化空间频率,对权值应用时期的干扰位置进行预测,给出零陷范围;然后采用矩阵加权的方式对零陷范围进行低增益约束并保持主瓣区域增益,从而实现干扰抑制,提高波束形成对指向误差的稳健性.仿真实验证明了所提方法的有效性.     

利用稀疏贝叶斯推理估计干扰导向矢量和功率的稳健自适应波束形成方法

现有稳健自适应波束形成（Robust adaptive beamforming,RAB）方法对快拍数有较高要求,可用快拍数的不足可能会使RAB方法无效。稀疏贝叶斯推理（Sparse Bayesian Inference,SBI）从贝叶斯的角度,通过对信号的稀疏先验假设来利用稀疏信息,在建模稀疏信号方面具有较好的灵活性,可以提高解的稀疏性,即使在样本数较低的情况下也能取得很好的估计效果。本文使用SBI估计干扰信号的导向矢量和功率,提出了一种新颖的基于干扰加噪声协方差矩阵（Interference plus Noise Covariance Matrix,INCM）重建的RAB方法。所提方法利用SBI在建模稀疏信号方面的优越性,通过准确重建出INCM,实现高输出SINR。仿真结果表明,本文提出的方法在比较宽的输入SNR范围内和少量快拍情况下都实现了较好的性能。     

基于投影对消处理技术的稳健自适应波束形成

针对传统自适应波束形成算法中目标波达方向(Direction of Arrival,DOA)估计不准确引起的波束形成性能下降问题,提出了一种采用投影对消矩阵的稳健自适应波束形成算法.首先,寻找与估计波达方向有最大相关性的特征矢量作为目标信号特征矢量,然后构建对消矩阵消除协方差矩阵中的信号分量,最后通过增加零点约束实现干...     

基于深度展开ADMM 网络的稳健自适应波束形成

阵列通道间的幅相误差导致导向矢量失配,会严重退化自适应波束形成的性能。现有稳健自适应波束形成(RAB)方法通过引入最差导向矢量失配误差约束或联合估计幅相误差和波束形成器权值矢量,以改善波束形成性能,但这些方法的计算复杂度高,且在有限快拍下性能有限。为此,文中在深度展开框架下提出一种基于交替方向乘子法(ADMM)的RAB 网络,以快速实现幅相误差和干扰协方差矩阵的联合估计。首先,建立存在阵列通道幅相误差时的干扰信号稀疏表示模型;然后,根据基于ADMM 的幅相误差和干扰稀疏表示系数联合估计算法,设计一种深度展开ADMM(DU-ADMM)网络,该网络的输入为接收到达的干扰信号,输出为幅相误差和干扰稀疏表示系数;最后,利用该网络的输出重构出干扰加噪声协方差矩阵,并生成稳健自适应波束形成器。仿真结果表明,DU-ADMM 网络可在单快拍场景下实现RAB,且能够以较少的网络层数更精确地估计出幅相误差,有效降低了计算量,同时可获得更高的输出信干噪比。     

几种鲁棒自适应波束形成算法的对比

自适应波束形成器可以根据接收信号自适应地调整权矢量,增强期望信号,并有效抑制干扰。在实际环境中,由于波达角估计、阵列校准等误差因素的存在,导致传统自适应波束形成算法性能严重下降,因此,如何提高自适应波束形成算法的鲁棒性是一个重要的研究问题。本文对鲁棒自适应波束形成算法进行研究,对算法进行仿真、分析和比较,总结出各算法的性能优缺点,最后对鲁棒自适应波束形成算法的发展趋势提出自己的几点见解及展望。     

一种稳健超增益波束形成方法

最小方差无失真响应(MVDR)的基本原理是让它感兴趣方位的信号无失真通过,而使得波束输出噪声方差最小.本文提出一种圆阵稳健超增益波束形成方法,在各向同性噪声场中,当阵元间距小于半个波长时,其性能远远优于传统的波束形成器;同时,采用白噪声增益约束(white noise gain constraint,WNC)算法来提高...     

强跟踪自适应平方根容积卡尔曼滤波算法

针对强跟踪滤波器（STF）的理论局限性及不良测量导致的滤波性能下降问题,提出了一种强跟踪自适应平方根容积卡尔曼滤波（SRCKF）算法。利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应SRCKF 。基于STF的理论框架,采用自适应SRCKF代替扩展卡尔曼滤波构建强跟踪自适应SRCKF 。该算法兼具STF与自适应SR-CKF的优点,在系统同时存在模型不确定性及不良测量时具有良好的滤波性能。仿真验证了所建算法的有效性。     

Combined adaptive beamforming schemes for nonstationary interfering noise reduction

This paper introduces new adaptive beamforming methods for nonstationary noise reduction, designed to be robust against broadband interfering signals. In particular, we propose combined beamforming schemes within a standard adaptive beamforming system, such as the generalized sidelobe canceller (GSC). The novelty of such combined adaptive beamformers relies on the use of different adaptive sidelobe cancelling structures which allow the system to achieve robustness in nonstationary noisy environments. The combined structures are based on the convex combination of two multiple-input single-output (MISO) adaptive systems with complementary capabilities. The whole beamformer benefits from such combination and results to be able to preserve the best properties of each system. We introduce two different adaptive schemes, whose difference lies in the way of combining the MISO systems. Moreover, we present a further adaptive beamforming scheme which generalizes the previous techniques, thus improving the robustness against nonstationary interfering signals in multisource environments. The effectiveness of the proposed systems is also assessed in a nonstationary dense multipath environment. The experiments show that the proposed combined beamforming schemes are capable of enhancing the desired signal even in the presence of nonstationary interfering signals.     

宽带子阵域特征空间稳健对角减载波束形成

针对宽带子阵域自适应波束形成器在实际使用中稳健性下降、对弱信号的检测能力受信噪比限制的问题,提出了一种宽带子阵域特征空间稳健对角减载自适应波束形成方法.首先提出利用子阵域特征空间投影法修正导引向量并得到球形不确定集的估计,再利用RCB（Robust Capon Beamformer）算法得到约束条件下的最优权值.另一方面,利用子阵域互谱密度矩阵的最小特征值作为子阵域非相关噪声功率的估计并进行对角减载,以最优权值对减载矩阵波束形成得到子带波束输出,对每个窄子带重复上述处理,再将结果非相干叠加即可得到本文方法的最终结果.理论及实验分析表明方法能提高自适应波束形成器的稳健性及输出信噪比.     

矢量最优化稳健波束形成性能分析

针对标准的Capon波束形成在阵列导向矢量存在误差时出现严重性能退化,本文从权矢量模约束和不确定集两个角度出发,提出矢量最优化稳健波束形成方法,并通过二阶锥规划进行有效求解.文中还进一步给出自适应权矢量的近似解析表达式,揭示了影响最优权矢量的各主要因素.通过理论分析和计算机仿真研究,详细讨论了约束参数、信噪比、快拍数以及方位估计偏差对输出信干噪比及空间谱估计的影响.外场实验数据处理结果表明,将本文方法应用于实际工程进行空间谱估计,能够得到准确而稳健的高分辨方位估计结果.     

基于可变对角载入的鲁棒自适应波束形成算法

针对传统算法对方向向量偏差敏感的缺点,提出了一种基于可变对角载入的鲁棒自适应波束形成算法.为了提高算法的鲁棒性,采用非线性约束条件下的最优化阵列输出功率对信号方向向量进行优化求解,且优化解中的参量能够准确求出.为了减少计算量,采用递推算法求逆矩阵并利用泰勒级数展开,推导出基于可变对角载入的权重向量公式.该算法可有效地抑制方向向量偏差所带来的影响,降低了计算量易于实时实现,提高了系统的鲁棒性,改善了阵列输出的信干噪比,使其更接近最优值.仿真结果表明,该算法相对传统算法可以获得更好的性能.     

基于导向矢量估计的鲁棒自适应波束形成算法

针对在导向矢量存在误差情况下自适应波束形成算法性能严重下降的问题,提出一种基于导向矢量估计的鲁棒自适应波束形成(Steering Vector Estimation Based Robust Adaptive Beamforming,SVE-RAB)算法.算法用导向矢量不确定范围估计真实导向矢量,利用范数约束通过二阶锥规划技术提高波束形成的鲁棒性.算法可在导向矢量存在误差的情况下,对期望信号保持最大增益并有效抑制干扰,且有效提高了波束形成输出的信干噪比(Signal to Interference plus Noise Ratio,SINR).仿真结果验证了算法的有效性和优越性.