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.     

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。     

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。     

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。     

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。     

基于波束域导向矢量估计的稳健自适应波束形成方法

针对导向矢量失配和样本协方差矩阵估计误差导致自适应波束形成性能下降的问题,该文提出一种基于波束域导向矢量估计的稳健方法。该方法首先利用期望信号角度失配区域的补集构造波束域转换矩阵,克服了当样本协方差矩阵中存在期望信号分量时现有算法出现有用信号对消的缺点。其次推导出波束域导向矢量估计方法,并将其转化为包含恒模约束的非凸二次约束二次规划问题,然后采用半正定松弛规划估计实际的波束域导向矢量。计算机仿真验证了该文所提方法的有效性。     

稳健数字波束形成算法研究

目前,自适应数字波束形成算法已经在通信、雷达等科技领域中得到了广泛的应用。但是当阵列导引向量存在误差,或测向出现偏差时,常规波束形成算法性能会急剧下降。稳健的自适应波束形成算法,则可以较好地克服上述误差带来的性能下降。针对以上问题,提出了一种稳健的Capon波束形成算法,并对现有的一些稳健波束形成算法进行了分析、归纳和比较,最后通过仿真试验来验证各种算法的稳健性。     

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。     

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.     

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。     

基于不确定集的稳健Capon波束形成算法性能分析

该文针对常规Capon波束形成易受期望信号导向矢量失配影响,研究了基于导向矢量误差不确定集的稳健Capon自适应波束形成算法。推导出期望信号导向矢量属于球形不确定集时的自适应权矢量近似闭式解,并由此进行性能评估,得到目标功率估计和输出信号干扰噪声比的近似表达式,从而明确了各种因素对性能的影响关系。计算机仿真结果证明了该文分析的合理性。     

一种稳健的非均匀杂波协方差矩阵估计方法

在非均匀环境下,针对传统样本挑选、样本加权等方法由于数据利用率低导致独立同分布训练样本不足的问题,该文提出一种在空时2维谱平面联合距离维逐空-时频点谱估计与滤波的协方差矩阵估计方法。该方法根据杂波和目标在距离-空时2维谱平面的分布特性,逐点频估计待检测单元杂波谱,并采用中值滤波方式消除目标污染对地物杂波谱估计的干扰;最后重构无空时孔径损失的杂波协方差矩阵。仿真结果表明,相比于传统非均匀统计STAP方法,所提的距离-空时2维谱滤波方法能够在样本数不足时有效缓解目标信号污染、离散地形杂波或孤立干扰引起的STAP性能下降问题。     

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。     

基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法

针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 dB和6 dB,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 dB的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。     

基于协方差矩阵的CFA插值盲检测方法

从数字图像中盲检测数码相机采用的CFA插值算法,可以为数字图像取证提供重要的技术手段。该文基于线性插值模型,利用协方差矩阵构建插值系数方程组,并将估计的插值系数构成特征向量空间,采用支持向量机作为分类工具,提出了一种对不同的CFA插值算法进行准确分类的盲检测方法。实验表明,该文方法对于不同的CFA插值算法均能达到较高检测正确率。同时,相比现有的CFA插值检测方法,该文算法对加性高斯白噪声和有损JPEG压缩具有更好的鲁棒性。     

认知无线电中基于阵列天线和协方差矩阵的频谱感知算法

该文提出一种基于阵列天线和协方差矩阵的频谱感知算法,该算法能够在噪声不确定性的条件下进行盲频谱感知。该算法在协方差矩阵的基础上,构建新的检测统计量,推导判决门限,对检测统计量与判决门限进行比较进而做出最终判决;在主用户信号到达方向与认知用户接收天线法线方向不一致的情况下,为使认知用户能完全接收主用户信号,利用了阵列天线技术。仿真结果表明,与Zeng等人(2009)提出的绝对值协方差矩阵频谱感知算法(Covariance Absolute Value Spectrum Sensing, CAVSS)相比,该算法判决门限的计算方法更加准确;在相同条件下,该算法的检测概率高于CAVSS。     

基于稳健波束形成的InSAR干涉相位估计方法

该文在联合像素估计干涉相位的基础上,充分利用相邻像素的相干信息,通过校正阵列导向矢量,使得导向矢量与该地面分辨单元的协方差矩阵相对应,通过稳健波束形成实现对地形干涉相位估计。实验结果证明了该方法有效性的同时,能够在SAR图像配准误差较大(可以允许达到一个分辨单元)的情况下,得到稳健的干涉相位估计结果。