一种新的稳健波束形成算法及其一维搜索策略

存在条件失配时自适应波束形成器的性能急剧下降,凸优化技术的引入使稳健波束形成器的设计更加灵活,但同时带来了计算复杂度的增加和工程实现上的困难.针对上述问题,提出了一种基于最小二乘估计的稳健波束形成算法,并推导得到一种基于一维搜索的求解方法.首先利用广义旁瓣对消器的结构将标准Capon波束形成器转化为稳健最小二乘问题,并将该问题转化为二阶锥规划的形式.为了减少计算量,利用二阶锥规划问题的原始问题和对偶问题的关系,将求解过程转化为一维搜索,并利用牛顿迭代法获得最优解,从而获得与标准Capon波束形成相近的计算复杂度.仿真分析表明,该算法具有良好的抗导向矢量失配和快拍数不足的稳健性.     

无线携能通信系统中基于能量获取比例公平的波束成形设计

针对无线携能通信系统中存在能量获取不均衡的问题, 提出了一种基于能量获取比例公平的波束成形设计方案. 该方案在满足信息接收者的信干噪比以及发送端的最大发送功率等约束条件的基础上, 通过优化波束矢量实现能量获取的比例公平. 此设计在数学上是一个很难直接求解的非凸优化问题.为此, 本文首先利用半定松弛技术将其转换为半定规划问题, 然后结合二分法提出了可以获得最优波束矢量的迭代算法.此外, 在发送端仅知道部分信道状态信息且知道信道误差范围的情况下, 采用最差性能最优的方法对原优化问题进行了鲁棒波束成形设计, 并提出了相应的迭代算法. 仿真结果表明所提算法均可实现能量获取的比例公平且性能达到全局最优.     

基于时频分析的多目标盲波束形成算法

针对现有盲波束形成算法适用范围较窄, 多目标信号分离级联模式结构复杂、并联模式稳定性较差等问题, 提出一种基于时频分析的多目标盲波束形成算法. 该算法首先利用时频分析技术给出信号导向矢量的不确定集, 然后优化求解导向矢量的最优估计, 最后利用Capon方法实现多目标信号的并行输出. 理论分析及仿真结果表明, 该算法对信号特性没有特殊要求, 适用性较广, 性能稳定, 且输出信干噪比高于其他盲波束形成算法, 接近于最优Capon波束形成器.     

矩阵预滤波器在抗运动干扰中的应用研究

自适应波束形成器容易受到运动干扰和观测方向偏差的影响,针对该问题提出了一种基于矩阵预滤波的零陷展宽稳健波束形成算法。首先分析了矩阵预滤波器在抗运动干扰时的适应性,并利用矩阵预滤波器在运动干扰所在区域形成凹槽。利用椭圆投影定理计算预滤波后的导向矢量不确定集,在新的导向矢量不确定集下利用稳健Capon波束形成算法(RCB)寻找最优导向矢量。仿真分析表明,和RCB算法相比,该算法不仅获得更高的输出信干噪比,还获得了预先设定的展宽零陷。     

利用导向向量旋转和联合迭代优化的自适应波束形成算法研究

针对大型阵列中自适应波束形成技术的实时性和鲁棒性问题,基于最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成的信号模型框架,提出一种通过对导向矢量进行处理以降低干扰的自适应波束形成算法——稳健联合迭代优化-导向自适应(Robust Joint Iterative Optimization-Direction Adaptive,RJIO-DA)算法。在联合迭代优化的基础上,将降维变换矩阵的每一个列向量看作独立的方向向量,引导子空间内每一个维度上的权值迭代,同时旋转导向向量,减小了由于导向误差的不确定性而导致的性能下降。仿真实验结果表明,与现有的降维算法相比,RJIO-DA算法计算复杂度低、收敛率高、鲁棒性好,可在期望方向上稳健地聚集波束,更好地形成干扰方向的自适应零陷。      

一种高效的自适应波束域变换方法及应用研究

波束域变换将阵元域数据投影到一个低维的波束域空间, 不仅能够减小信号处理算法的运算时间, 提高算法性能, 还能够抑制干扰. 本文针对常规自适应波束域变换方法需要在线调整波束变换矩阵、更新波束域导向矢量由此导致实时实现困难的问题, 提出一种高效的自适应波束域变换方法. 该方法将波束域协方差矩阵与导向矢量均表示成不依赖自适应波束变换矩阵的闭合形式, 省去在线调整与更新过程, 使运算效率得到了显著提高. 最后将该方法应用到波达方向(DOA)的估计之中, 仿真研究表明, 本文方法获得了比常规自适应方法更好的DOA估计性能. 此外, 本文方法还具有另一个非常突出的优点, 即它可以有效抑制运动强干扰. 这是因为本文方法无需训练波束变换矩阵, 其当前运算结果与历史快拍数据无关, 这样可以有效避免常规自适应方法中因目标运动所导致的训练数据与应用数据失配的问题.     

应用半正定规划的目标方位超分辨方法

针对水下目标方位超分辨估计问题,提出了一种基于半正定规划(Sdp)的常规波束(CBF)方位超分辨算法(SdpCBF).Sdp-CBF算法基于常规波束形成获得多目标方位谱数据,利用阵列响应矩阵和半正定规划技术,精确估计目标数量和波达角方向.该算法的本质是利用阵列特性和信号能量信息获得超分辨方位估计,不用进行子空间分解,通过卷积反演的方式将阵列孔径的有限效应消除,在L₂范数约束条件下重构空间谱.仿真表明,Sdp-CBF算法具有较强的噪声抑制能力,对非相干和相干信号均具有目标方位超分辨能力,在低信噪比环境下的方位分辨性能超过多重信号分类(MUSIC)等经典高分辨算法。对消声水池以及湖上实验数据的处理结果显示,Sdp-CBF算法在复杂环境中对相干信号及微弱信号具有较强的分辨能力。      

协方差矩阵重构的稳健自适应波束形成算法

针对协方差矩阵含有期望信号成分以及波束指向角失配时,传统自适应波束形成器性能严重下降的问题,提出了协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域与信号区域,先利用Capon波束形成器对干扰区域积分,由此构造出干扰协方差矩阵。然后,利用标准Capon波束形成器的波束域MUSIC谱估计法对信号区域积分,重构出信号协方差矩阵,以其主特征向量作为期望信号导引向量估计。由于算法重构了干扰加噪声协方差矩阵并对导引向量进行了修正,保证了自适应波束形成器的性能。理论分析和仿真实验结果表明,算法在训练数据含有期望信号成分和波束指向角度失配情况下具有良好的性能。      

基于支撑向量机算法的抗干扰混合波束成形系统

针对复杂电磁环境下毫米波阵列的空间辐射干扰抑制问题,设计了一种低成本的自适应波束成形系统。首先建立了复杂电磁环境下通信系统模型,建立目标函数。然后利用机器学习中支持向量机算法将原非凸约束问题转化为二阶锥优化问题,获得理想编码矢量。最后利用梯度追踪算法对理想波束矢量进行稀疏重构,完成抗干扰波束的低复杂度实现。仿真结果表明,提出的波束成形系统能够对干扰作出有效抑制,能提升通信质量。     

阵列指向性二次型约束稳健波束形成算法

提出了一种基于阵列指向性二次型约束的优化算法,以提高最小方差无畸变响应(MVDR)波束形成对方向矢量的稳健性。通过控制阵列波束指向附近的小区域的自适应波束图与期望波束图的加权平方误差,使波束主瓣区域内的信号畸变最小,同时保持了对约束区间外的干扰信号的抑制能力。数值结果表明:在理想阵形和阵形畸变情况下,无方位失配时,利用本文算法的阵列输出信号与干扰噪声比(SINR)与新近出现的球面约束稳健Capon方法相当,而存在方位失配时,本文算法均优于后者。     

波束空间能量约束的稳健自适应波束形成

为改善波束形成器在一定失配条件下的工作性能,提出了一种稳健自适应波束形成方法。该方法通过设计信号在波束空间能量分布的约束条件,利用阵列数据协方差矩阵,结合迭代二阶锥规化方法,实现信号驾驶向量的估计,最后利用该估计得到最小方差无失真响应波束形成器。该方法在较恶劣的失配条件下也可以自适应地准确估计信号驾驶向量并保证其成分无失真地通过,使系统的稳健性得到改善。数据仿真结果表明,该方法在理想条件下与成熟的对角加载法性能相当,在失配条件下则优于后者。      

Robust adaptive acoustic vector sensor beamforming using automated diagonal loading

In this paper, a novel robust adaptive acoustic vector sensor beamformer based on shrinkage is derived. Unlike many existing methods, the proposed method is completely automatic (or so-called user parameter-free), which means, it do not need the choice of user parameters. The proposed diagonal loading algorithms use shrinkage-based covariance matrix estimates, instead of the conventional sample covariance matrix, in the standard Capon acoustic vector sensor beamforming formulation. The numerical results show that our method is robust against errors on the steering vector and small sample sizes, and meanwhile gives high output signal to interference plus noise ratio (SINR).     

MASS-RAB: Robust adaptive beamforming for general-rank signal models via matched spatial spectrum processing

The wavefront of acoustic signal suffers from fast fluctuation after a long distance propagation in a random and inhomogeneous ocean channel, which makes the rank of the covariance matrix for the desired signal (signal of interest) remarkably higher than one. Consequently, the assumption of rank-one point signal model for existing adaptive beamforming algorithms is no longer suitable. In this paper, a matched spatial spectrum processing based robust adaptive beamforming (MASS-RAB) algorithm is presented for general-rank signal models. First, the interference-plus-noise covariance matrix and the desired signal covariance matrix are reconstructed using the matched spatial spectrum processing method. Second, the weight vector is directly calculated using these reconstructed covariance matrices for the minimum variance distortionless response (MVDR) algorithm, which is developed for the general-rank signal models. Due to covariance matrix reconstruction, the MASS-RAB algorithm is more robust than those methods relying on the sample covariance matrix. The cases of the rank-one point signal model and the full-rank non-point signal model are considered by several numerical examples. Experimental results have demonstrated the superiority of the proposed MASS-RAB method.     

导向向量随机误差修正的稳健波束形成

当导向向量同时存在导向偏差和随机误差引起的畸变时,现有针对导向偏差的稳健波束形成所估计的导向向量偏离真实值。针对该问题,提出了导向向量随机误差修正的稳健波束形成方法。将导向向量分为预定义观察扇面特征子空间内外两部分,通过导向向量估计的稳健波束形成方法估计导向向量在预定义观察扇面特征子空间内的分量,在此基础上进一步增加不确定集约束,对导向向量在预定义观察扇面特征子空间外的分量进行修正,从而提高导向向量的估计精度。理论与仿真研究表明:与针对导向偏差的稳健波束形成相比,在同时存在导向偏差和随机误差的情况下,所提方法输出信干噪比不变,而其导向向量估计精度更高,导向向量波束响应的峰值是目标方位的无偏估计。进一步的海试数据分析表明:所提方法在低信噪比下较已有方法具有更好的稳健性。     

功率受限的常规波束形成后处理拟合方法

针对水下目标方位超分辨估计问题,提出一种功率受限(Power Constraint)的常规波束形成(Conventional BeamForming)拟合算法(PC-CBF)。PC-CBF算法通过常规波束形成获得目标方位谱数据,利用阵列响应向量对方位谱进行后处理,准确估计目标个数与目标方位。算法对接收信号的功率进行限制,获得对方位谱的欠拟合,利用凸优化进行反演卷积,估计目标的方位信息。仿真结果表明,算法性能在分辨率上优于基于半正定规划的常规波束形成算法(semi-definite programming Conventional BeamForming,sdp-CBF)和多重信号分类(MUltiple SIgnal Clasification,MUSIC)。对水池实验数据以及湖试数据处理结果显示,PC-CBF算法能够获得较窄的谱峰宽度以及较低的背景级,具有较强的方位估计分辨能力。      

可变不确定集约束的鲁棒自适应波束形成方法

自适应波束形成方法在存在协方差矩阵误差和导向向量误差的失配条件中性能严重下降。最差情况性能最优。(Worst-Case Performance Optimization,WCPO)方法可以显著增强失配条件下自适应波束形成的鲁棒性,但该方法存在系统性的信号功率过估计问题,并且限定协方差矩阵不确定集与导向向量不确定集的两个关键参数需要人为指定,缺乏具备明确物理意义的求解方法和数据自适应性.本文以WCPO方法为基础,给出了信号功率过估计的理论分析以及相应的改进方法,提出了基于矩阵重构的协方差矩阵不确定集参数的自适应估计方法,最终得到一种可变不确定集约束的鲁棒自适应波束形成方法(WCPO-PCVC).相比WCPO方法,该方法消除了信号功率估计的系统性偏差,且关键参数无需人为指定。数值仿真和海试数据处理结果表明,该方法在失配条件下具有良好的干扰与旁瓣抑制能力,与常规波束形成方法相比具有更好的信号到达角分辨能力,与自适应波束形成方法相比估计的信号功率更为精准。