基于特征结构的可变对角加载波束形成算法

对角线加载技术能减弱小特征值对应的噪声波束的影响,改善方向图畸变,但加载量的确定是一个比较困难的问题.提出了一种鲁棒的自适应对角线加载波束形成算法,根据阵列接收信号协方差矩阵的特征结构确定加载值.然后利用非线性约束条件优化权向量,自适应地加载对角线,可以提供较好的输出SINR,提高算法的鲁棒性.     

基于改进PSO的对角加载波束形成算法

当协方差矩阵和导向矢量估计存在误差时,Capon波束形成算法性能急剧下降.对角加载能够提升Capon波束形成算法对误差的鲁棒性,但是最优加载因子的确定是当前的难题.提出一种基于改进粒子群优化(IPSO)算法的对角加载波束形成算法,首先将加载因子与协方差矩阵特征值谱联系起来,利用协方差矩阵特征值谱的分布特性确定最优加载因...     

基于范数优化的对角加载稳健自适应波束形成

本文提出了一种基于范数优化的对角加载自适应波束形成算法。算法利用p-范数来代替2-范数对误差不确定性进行总体修正,从而解决导向矢量和样本方差矩阵同时存在失配误差时所导致的波束形成器性能下降问题。最优范数p通过遗传算法求得。仿真结果验证了在不同实验条件下,相比于传统的对角加载算法,使用最优p范数比2-范数约束具有更好的性能。     

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.     

迭代更新导向矢量的稳健波束形成算法

稳健的Capon波束形成器(RCB)可以克服常规波束形成对导向矢量误差的敏感性,但其性能受导向矢量误差范围估计值的影响.为此,提出了一种不需要给定误差范围的稳健波束形成方法,利用导向矢量误差中与假想导向矢量正交的分量,将双约束RCB算法的优化问题转换为几个迭代的二次锥规划问题,逐次更新导向矢量以获得最优权,计算机仿真验证了方法的有效性.     

迭代对角加载采样矩阵求逆鲁棒自适应波束形成

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种迭代对角加载采样矩阵求逆鲁棒自适应波束形成算法。该算法对传统对角加载算法进行了迭代运算,基于Capon波束形成器的最优权矢量与假定导向矢量的基本关系,将每一步得到的权矢量,对应反解出一个比导向矢量假定值更为准确的导向矢量,并替代假定值,最终逼近真实的期望信号导向矢量。提出的方法在迭代过程中只需一步递推,无需对导向矢量建立不确定集,避免了在每步迭代中运用拉格朗日数值法或凸优化法,且明显提高了波束形成器的输出信干噪比。仿真结果验证了算法的正确性和有效性。     

一种波束形成中的自适应对角加载方法

在自适应波束形成中，由于采样快拍数有限，导致协方差矩阵的估计误差，由此得到的自适应波束旁瓣很高。对角加载方法是一种改善波束性能的有效方法。文章介绍了对角加载的原理，给出了一种对角加载值的确定方法和仿真效果。该方法能根据采样数据自适应调整对角加载的数值，实现容易，能得到很好的旁瓣特性。     

一种稳健自适应波束形成的变量对角加载方法

在设计稳健的自适应波束形成算法来消除阵列流形中的非确定性方面已经投入了很大的努力.这些不确定性可能由波达方向(DOA)的不确定性、阵列结构不理想、远近效应、相互耦合和其他的失配以及建立模型错误造成.提出了一种可供选择实现的包含椭球不确定约束导引矢量的线性约束最小方差(LCMV)的波束形成方法,更详细地说,真实的导引矢量是根据预测导引矢量采用将椭球约束施加到估计的导引矢量的递归最陡下降算法来估计的,对角加载技术必须满足椭球约束,其主要缺点是如何通过对非确定性约束的认识来得到最优的对角加载值不是很明确.通过这个问题的解决证明了该方法的可行性,而且对角加载技术是通过变量加载集成到自适应机制中而不是固定对角加载或Ad Hoc技术.     

基于模约束的稳健Capon波束形成算法

针对Capon波束形成器在导向矢量失配存在时的较差指向性能,利用模约束来提高算法的稳健性.详细分析了模不等式约束Capon波束形成器(NICCB)解的存在情况,给出了NICCB中模不等式约束参数的选择范围.由于模等式约束远远强于不等式约束,所以模等式约束Capon波束形成器(NECCB)的稳健性要远远优于NICCB,故提出NECCB并进行了有效的求解.仿真分析验证了理论分析的正确性,当模约束参数在允许的范围内选择时,最优NICCB和NECCB的波束指向性能变化不是很明显,但是NECCB的性能要明显优于NICCB.     

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。     

基于波束空间的自适应波束形成算法

提出了一种稳健的波束形成算法。该算法利用干扰信号的导引向量和噪声向量对接收信号的协方差矩阵进行重构,经此处理后的协方差矩阵的信号子空间中不再包含期望信号成分,使得当期望信号功率较强时应用LCMV算法也不会对期望信号进行抑制。此外,算法还引入了锥形方差矩阵技术增强算法抑制干扰的能力。最后仿真证明了该算法的有效性。     

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。     

一种加载量迭代搜索的稳健波束形成

当阵列的导向矢量并不精确已知时,自适应波束形成有较大的性能损失.为提高波束形成的稳健性,对角加载成为一种常用的方式.但困扰这类方法的核心问题是合适的加载量如何确定.粗估导向矢量经对角加载后得到修正的导向矢量,如果加载量合适,则修正后的导向矢量接近真实导向矢量,即与噪声子空间的正交性变好.基于以上分析,构造修正导向矢量向信号子空间和噪声子空间投影的加权代价函数来评价加载量的合适与否,进而提出一种迭代搜索合适加载量的方法.计算机仿真验证了方法的有效性,与同类方法对比显示其优越性.     

线性干扰参数约束的稳健LSMI波束形成算法

 针对稳健的加载样本矩阵求逆(LSMI)波束形成算法,给出了一种新的求解方法,获得了加载电平的准确计算公式,而且得出最优加载量为负值,且与约束参数的选取无关.为了改善LSMI波束形成算法的抗干扰性能,提出利用线性干扰参数约束(LJC)来实现,其中对LJC-LSMI波束形成算法进行了建模和求解,得到了最优加权矢量的表达式,并给出了具体的求解方法.仿真分析验证了算法的正确性和有效性,结果表明LJC-LSMI相对于LSMI具有较强的干扰抑制能力,相对于线性约束最小功率(LCMP)波束形成算法具有稳健的波束指向性能.     

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。     

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。     

一种改进的稳健自适应波束形成算法

当快拍数较小时,自适应波束形成算法的性能将会降低,而对角加载算法是提高这类自适应波束形成算法稳健性的简单而有效的方法,但是至今没有一种比较有效的方法来确定对角加载值。本文提出了一种确定加载值的方法,这种方法在加载值和协方差矩阵的估计误差之间建立联系,它能够根据阵列的输出数据动态的调整加载值。计算机仿真证实了该算法的有效性。     

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。     

基于子空间的对角加载水平估计

Capon波束形成器通常利用对角加载方法来提高稳健性能。然而,对角加载方法的主要缺陷是不容易可靠地获得对角加载水平,从而影响加载效果。由子空间正交理论,噪声与信号子空间相垂直,因此当加载后的导向矢量与真实导向矢量重合时,加载后的导向矢量与噪声子空间垂直。基于这样的特性建立了一个代价函数。分析表明,这个代价函数为一凸问题,通过凸优化软件求解可以很容易地获得合适的加载水平,且与不确定集的参数值无关。仿真结果表明,利用该文获得的加载水平,Capon波束形成器能够有效地提高其稳健性能。