一种具有快速收敛特性的盲自适应波束形成算法

本文提出了一种基于信号的周期平稳特性的具有快速收敛特性的盲波束形成新方法。该盲算法应用了ＲＬＳ技术,仿真实验证明该算法的收敛速度快于Ｃａｓｔｅｄｏ 等人提出的随机梯度算法     

一种稳健的循环时空波束形成算法

该文提出了一种新的基于信号平稳特性的自适应波束形成算法稳健的循环时空波束形成算法。该算法在利用信号的谱相关特性的同时使用了多个时延,将波束形成技术从空域扩展到了时空域,弥补了空域信息的不足,充分利用了信号的循环统计信息和信号的时域特征,提高了信号的选择能力和对干扰、噪声的抑制能力。仿真实验结果验证了该算法的有效性和稳健性。     

自适应波束形成的SARLS算法

提出了一种改进的递推最小二乘(RLS)算法——子阵异步RLS算法(SARLS)用于自适应波束形成,改进后的算法,在总权矢量的维数为N、子权矢量维数较小时,运算量由O(N2)降到了O(N),并通过实例仿真详细地验证了算法的实用性:该算法在保持对期望信号良好接收的同时,能够很好地抑制到达方向与期望信号不同的干扰信号。     

一种快速的特征空间自适应波束形成算法

特征空间自适应波束形成（EBAB）算法的权向量是线性约束最小方差（LCMV）波束形成器的权向量在信号干扰子空间上的投影,因此需要计算量巨大的特征分解。基于信号干扰子空间投影矩阵可利用阵列协方差矩阵进行高精度的有理近似的思想,提出一种快速计算自适应权向量的算法。理论分析和计算机仿真表明,在信号干扰子空间维数已知时,该算法的性能同EBAB算法一致,同时该算法对子空间维数过估计不敏感。     

一种虚拟波束形成自适应加权空间平滑算法

该文提出了一种用于自适应阵列的自适应加权空间平滑算法。通过构造虚拟自适应波束形成问题求取用于子阵协方差矩阵加权的加权向量,然后进行加权空间平滑自适应波束形成。理论分析与仿真结果表明,新算法能更有效地降低期望信号和干扰之间的相关性,使得用于空间平滑的子阵数减少,以降低阵列孔径损失。     

一种改进的数字式波束形成的快速自适应算法

本文提出了一种改进的数字式波束形成的快速自适应算法，即具有严格约束最小功率的抽样矩阵梯度算法（ＣＳＭＧ），它综合了传统抽样矩阵梯度算法和具有严格约束的最小功率自适应算法的优点。计算机模拟表明，此算法波束方向随约束角度而变，自适应调零能力较强，收敛速度也较快。     

一种稳健接收波束形成算法

接收波束形成是阵列信号处理中的重要部分.经典Capon波束形成算法虽然可以形成理想波束,但需要精确获知信号的到达方向(DOA).在实际应用中,由于模型失配可能会造成DOA失配.因此提出了一种非退化椭圆约束条件下的稳健波束形成算法,允许在出现DOA失配情况下依然可以有效地接收信号,同时利用仿真验证了算法的可靠性.     

基于迭代梯度方法的线性约束稳健Capon波束形成快速算法

为了缩减线性约束稳健自适应波束形成算法的计算量,使之能够应用于单快拍更新的实时信号处理应用场景,本文提出了一种基于单快拍更新和迭代梯度方法的线性约束稳健Capon波束形成快速算法,将原始算法的O(M3)时间复杂度优化到O(M2)级别.该算法使用秩1更新维护算法所需的逆矩阵并计算波束加权值的线性约束部分,使用迭代梯度方法...     

基于高阶统计量的自适应非线性波束形成新算法

本文提出了一种新的基于高阶统计量的自适应非线性波束形成器，与常规的基于２阶相关矩阵自适应数字波束形成器相比，它的有效阵列孔径得到扩展，可抑制多于阵元数个有源干扰，对主瓣干扰抑制的性能及波束保形得到明显的提高，对阵元误差具有更强的容差能力。计算机仿真结果验证了这些结论。     

基于斜投影的波束形成算法

采样协方差矩阵求逆(SMI)的波束形成方法在少快拍数、高信噪比和相干信源情况下波束形成性能下降。对角线加载技术能改善方向图畸变,但是加载量的确定一直是一个比较困难的问题。该文提出基于斜投影的波束形成算法,它对接收信号斜投影,可有效消除干扰,进而提高波束形成的鲁棒性。仿真结果表明：该算法在高、中、低信噪比下都具有较好的波束形成性能;且在少快拍数和相干信源情况下仍具有较好的波束形成性能。该算法只需要期望信号的方向矢量和接收信号,是一种性能优越且鲁棒的波束形成算法。     

基于斜投影的波束形成算法

采样协方差矩阵求逆（SMI）的波束形成方法在少快拍数、高信噪比和相干信源情况下波束形成性能下降。对角线加载技术能改善方向图畸变,但是加载量的确定一直是一个比较困难的问题。该文提出基于斜投影的波束形成算法,它对接收信号斜投影,可有效消除干扰,进而提高波束形成的鲁棒性。仿真结果表明：该算法在高、中、低信噪比下都具有较好的波束形成性能：且在少快拍数和相干信源情况下仍具有较好的波束形成性能。该算法只需要期望信号的方向矢量和接收信号,是～种性能优越且鲁棒的波束形成算法。     

一种改进的平衰落信道特征空间波束形成算法

利用累积量可以估计多用户的空间特征即合成导向矢量，实现空分多址。在小快拍数情况下，累积量方差较大，直接作波束形成，性能较差。本文提出把基于累积量估计出的多用户的空间特征再在二阶统计量估计的信号子空间投影，然后再做波束形成，提高了波束形成的稳健性。仿真结果表明，本算法的性能较求伪逆和直接做波束形成有一定的提高。     

一种稳健的周期平稳信号的盲波束形成算法

因为不需信号个数和导向向量等任何参考信息,基于周期平稳信号的盲波束形成算法在信号处理领域得到非常广泛的应用,然而这类方法是建立在循环频率准确已知基础上的,在实际应用中往往不是如此,循环频率的估计误差将导致算法性能变差,为了改进这点不足,在传统的循环自适应波束形成(CAB)算法的基础上,提出了一种改进的 CAB 盲波束形成算法,经理论分析和计算机仿真,证明了该算法是有效的.     

基于特征结构的自适应波束形成新算法

基于相关矩阵的特征分解，本文提出了一种改进的线性约束最小方差波束形成（ＬＣＭＶ）新算法，当目标信号含于相关矩阵中时，新算法能有效地抑制信号对消现象，并且具有良好的波束保形能力和快速收敛特点，计算机仿真结果验证了这些优点。     

一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。     

自适应波束形成权递推自脉动阵实现

本文提出了一种新的自适应波束形成权矢量递推计算的数据域并行实现算法及其脉动阵（Ｓｙｓｔｏｌｉｃ阵）实现结构。算法基于数据矩阵Ｑ Ｒ分解方法实现，在脉动阵上实现了完全并行流水处理。     

一种改进的约束正交化自适应波束形成算法

在约束正交化算法的基础上,提出一种改进的约束正交化算法,该算法利用可得到的较多的快拍数来提高波束形成的稳健性。理论分析和仿真结果表明:对运动干扰,改进的约束正交化算法具有比约束正交化算法更好的稳定性,其性能接近约束正交投影算法,但计算量较约束正交投影算法小得多。从仿真结果可看出:改进的约束正交化算法对运动和静态干扰同样具有良好的稳健性。     

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。     

智能天线波束形成算法分析

本文重点介绍了自适应方式下的智能天线;然后研究了三种经典的自适应波束形成算法——最小均方误差算法、递归最小二乘算法、恒模算法,并对这三种算法在MATLAB中进行了仿真,分别得出了期望信号在迭代过程中的误差变化,期望信号和干扰信号在迭代过程中的增益变化及迭代完成达到收敛后的天线方向图,分析了收敛速度及各项性能指标,并对三种算法做了性能比较。