一种鲁棒性的最小方差无失真响应波束形成算法及其应用

理论上,自适应波束形成方法要比不依赖于输入数据的常规波束形成方法有更好的目标参数估计能力和干扰抑制能力.但在实际水声环境中,声传播模型、接收阵阵列流形以及信号统计特征等因素往往与实际情况存在一定的差异,导致传统的自适应波束形成方法性能下降.因此,提高自适应波束形成方法对上述因素的鲁棒性变得越来越重要.本文基于最差条件最优化的思想,改进MVDR(最小方差无失真响应)方法的约束条件提出了一种鲁棒性最小方差无失真响应自适应波束形成算法(R-MVDR),并对输入数据协方差矩阵和方向向量存在不确定性的情况进行了性能分析,推导给出了波束形成的加权向量和空间谱估计表达式,最后通过海上实验数据进行了验证.结果证明本文提出的算法在实际环境中有更好的方位分辨能力和干扰抑制能力.     

一种最差情况下性能最优化的特征分析自适应波束形成方法

自适应波束形成在弱目标检测和空域滤波中应用广泛。然而在实际海洋环境中,失配情况比较普遍,往往会导致传统自适应波束形成方法性能明显下降。针对此问题,本文基于特征分析重构观测信号协方差矩阵来抑制干扰对弱目标检测的影响,在此基础上进一步利用凸优化算法来提高波束形成方法的鲁棒性。数值仿真和海试数据处理结果表明,本文所提方法在抑制干扰对弱目标影响的基础上,在阵元位置平均误差不超过入射信号中心频率对应波长的40%的情况下,仍可以鲁棒地检测目标信号。同时,该方法显著提高了自适应波束形成方法的输出信干噪比,且受对角加载量取值的影响较小。      

基于特征分析的自适应干扰抑制

针对水声环境中真实目标常常被强干扰掩盖而无法识别的问题,提出了一种基于特征分析的自适应干扰抑制方法(EAAIS)。根据目标信号可能的方向范围,通过构造合适的判决因子来自适应地估计并抑制互谱密度矩阵特征空间中的非目标信号子空间,得到具有更高信干比和信噪比的目标信号,为更好地实现目标识别与跟踪提供技术基础。数值仿真和海试数据验证结果表明,EAAIS方法能够自适应地抑制目标信号可能方向范围之外的强干扰,显著提高接收目标信号的信噪比和信干比,并获得更可靠的目标方位参数。相对于其它干扰抑制方法,本文提出的方法表现出了更为稳健的干扰抑制能力,具有更宽的适用条件。      

改进的自适应Kalman滤波及其在水声机动目标跟踪中的应用

针对在水声机动目标定位跟踪领域广泛应用的传统Kalman滤波往往难以实现机动目标运动方向突变情况下的有效跟踪问题,本文通过分析传统Kalman滤波性能下降时机动目标的运动轨迹,并由此根据机动目标运动方向变化量来产生自适应因子以调整Kalman增益.数值仿真和实际海试数据验证表明,本文所提改进的自适应Kalman滤波在机动目标跟踪中不仅能够快速响应机动目标的运动方向突变,而且目标位置跟踪误差较传统方法显著减小,具有稳定、快速的跟踪性能.