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。     

相控阵MIMO雷达抗干扰波束形成算法

面对复杂多变的干扰环境下目标检测问题,雷达系统需要更高的系统增益和自由度实现对副瓣电平的控制和有效的抗干扰处理。为此提出一种基于相控阵MIMO雷达的抗干扰波束形成算法,该算法有效利用相控阵MIMO兼具相控阵高增益与MIMO高系统自由度的特点,提高系统抗干扰性能。在阵列发射端进行子阵划分,子阵间发射正交波形,子阵内发射同一波形并形成固定零陷对抗干扰;在阵列接收端进行匹配滤波获得波形分集,通过加窗函数控制副瓣电平并重构数据协方差矩阵消除形成零陷对副瓣电平产生的影响。所提算法在复杂多变的干扰环境下能够保持低副瓣电平并形成密集零陷对抗空间干扰,同传统算法相比优势明显。仿真验证了算法的有效性。      

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。     

MIMO雷达稳健的发射波束形成算法

针对发射导向矢量存在未知误差的问题,该文提出了一种MIMO雷达稳健的发射波束形成算法(Robust Transmitting Beamforming, RTB)。该算法在稳健的接收波束形成算法的基础上,以最大化最差情况输出信干噪比为优化准则,对发射导向矢量误差做稳健的发射波束形成。RTB算法属于对角加载方法。仿真结果表明,相比于已有算法,RTB算法的稳健性更好、计算复杂度更低、收敛速度更快。     

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。     

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。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

模式空间矩阵重构波束形成算法研究

该文提出了一种均匀圆阵相干波束形成方法,这里称为模式空间矩阵重构(MODE-TOEP)波束形成算法。该算法在对均匀圆形阵列(UCA)的输出信号进行模式空间转换的此基础上,重新构一个特殊的Toeplitz矩阵,然后进行基于特征空间的波束形成,可以有效地抑制相干干扰。与模式空间平滑ESB算法相比,MODE-TOEP波束形成算法运算量小而且干扰抑制性能更好。计算机仿真表明MODE-TOEP波束形成算法的有效性和优越性。     

MIMO雷达迭代鲁棒Capon波束形成算法

针对现有的MIMO雷达波束形成算法在联合导向矢量失配较大时,输出信噪比性能严重下降的问题,提出了一种用于MIMO雷达的迭代鲁棒Capon波束形成算法。首先,结合MIMO雷达收发两端的结构特点,对失配误差模型进行了理论分析,从而指出大不确定集算法的局限性。然后提出利用小不确定集可以解决误差失配较大的情形,依据迭代思想对导向矢量期望值估计进行求解,由满足的迭代条件确保联合导向矢量更准确。仿真结果表明,该算法对联合导向矢量失配误差具有鲁棒性,输出信噪比性能最优。     

MIMO雷达波束形成的低副瓣LCMV算法

针对大口径稀布MIMO雷达副瓣抬高和抗干扰性能劣化的问题,本文提出一种改进的线性约束最小方差（LCMV）波束形成算法。通过密集虚拟干扰构造低副瓣权,并采用修正约束的LCMV算法形成零陷。修正后的约束条件使得方向图达到在指定区域形成零陷,而在非指定区域保持低副瓣的效果。该算法在保持低副瓣电平的同时还能有效抑制干扰,特别是在低系统自由度的条件下能有效解决MIMO雷达方向图低副瓣和远区杂波干扰问题。仿真结果验证了所提算法的有效性。      

最大化SINR 的MIMO 雷达发射协方差矩阵设计

对于由实际阵元功率放大器非线性特性引起的波形畸变问题,现有多输入多输出(MIMO)雷达发射协方差矩阵设计方法大都不能在解决的同时保证较高的输出信干噪比(SINR)。鉴于此,文中以最大化输出SINR 和保证MIMO 雷达高自由度为设计目标,结合二相编码(BPSK)波形满足恒模约束的特性,给出了一种满秩发射协方差矩阵,验证了提出的协方差矩阵可以用于生成BPSK 波形,并推导了其可获得的最大输出SINR。仿真结果表明,当干扰位置已知时,文中方法拥有较高的输出SINR,同时能够抑制更多的干扰。     

基于协方差矩阵的MIMO雷达离散编码设计

MIMO雷达相对于传统的相控阵雷达,可以更自由地选择发射波形来匹配所需要的发射方向图。文中首先给出了一个带有限制条件的优化问题以寻找发射信号的协方差矩阵,从而能够在空间匹配理想的方向图,接着建立了一组恒模的二相离散序列来匹配已有的协方差矩阵,并将这种方法推广到多相码设计中,并对实验结果进行了详细分析。     

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.     

MIMO雷达双边约束自适应波束形成

提出基于虚拟阵列的MIMO雷达双边约束自适应波束形成算法.该算法将联合线性约束条件分解成两个线性约束条件的Kronecker积,分别计算接收和发射阵列的两组低维权值,并且从收、发阵列方向导向矢量间的映射关系出发,导出发射阵列权值的计算公式.与仅利用接收阵列的自适应波束形成算法相比,该算法在强干扰处的零值深度更深、角度分辨率更高;与联合约束自适应波束形成算法相比,计算的复杂度大大降低.仿真试验验证了算法的有效性.     

基于空时二维协方差矩阵修正的波束形成算法

在实际应用环境中,信源和阵列传感器等存在误差,假设期望信号的导向矢量与真实信源导向矢量的失配会导致阵列波束形成器把期望信号当作干扰来加以抑制。针对信号匹配误差导致自适应波束形成性能下降的问题,提出了一种基于空时二维协方差矩阵修正的波束形成算法,利用空时结构对宽带幅相误差校正的特性,对空时二维协方差矩阵进行重构,并对修正协方差矩阵进行特征值分解,分离出信号加干扰子空间,将失配导向矢量投影可使期望信号与噪声子空间严格正交,最后求解算法最优权值。算法有效改善了波束形成的输出信噪比,计算机仿真验证了理论分析的正确性和算法的稳健性。     

一种改进的FDA–MIMO雷达波束形成算法

频率分集阵列多输入多输出(FDA-MIMO)雷达由于其波束具有距离依赖特性而受到广泛关注。建立了FDA-MIMO雷达的回波模型,将传统的特征空间(ESB)波束形成算法扩展到该体制雷达。针对该算法在低信噪比(SNR)性能较差的问题,提出了一种改进的ESB波束形成算法。仿真结果表明该体制雷达能够抑制来自角度主瓣的距离依赖干扰,并证明了新算法的有效性。     

一种降维的MIMO雷达MVDR波束形成算法

深入研究了多输入多输出（Multiple-Input Multiple-Output, MIMO）雷达的波束形成问题,针对MIMO雷达直接运用常规的最小方差无失真响应（MVDR）波束形成算法时所需的训练样本数大和运算复杂度高的不足,提出了一种降维的MVDR波束形成算法。该算法首先将1个 维（ 分别为发射和接收阵元数）的权矢量分解成两个低维（1个 维和1个 维）权矢量的Kronecker积,然后分别利用MVDR算法求得分解后的两个权矢量,最后再合成原始的最佳权矢量。该算法通过将一个高维权矢量的求解问题转换成两个低维权矢量的分别求解问题,在保证波束形成器性能的基础上有效地降低了运算复杂度,减少了所需的训练样本数,因此本文算法更具有实际应用价值。仿真结果验证了算法的有效性。      

频分MIMO雷达分解迭代稳健自适应波束形成算法

频率分集雷达因其独特的距离依赖波束特性而受到广泛关注。针对频率分集雷达稳健波束形成问题,本文建立了二维频分子孔径MIMO(FDS-MIMO)雷达阵列信号模型,理论导出了基于等效载频的权向量分解解析解,提出了一种分解迭代的稳健自适应波束形成算法。为解决距离依赖波束栅瓣导致的周期性输出信干燥比(SINR)损失的问题,进一步提出了一种沿平面阵两方向互质的频率偏置方案。仿真结果表明,与传统算法相比在导向矢量存在失配的情况下,本文所提方法能够有效抑制输出SINR周期性损失,且具有计算复杂度低,训练样本需求少,抗导向误差失配稳健性强等优点。      

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。