为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers,ADMM...为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers,ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明:对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。展开更多
自适应波束形成随着数字信号处理技术的不断发展,已广泛应用于雷达、语音、医疗等领域。然而,当阵列发生扰动时,将会导致干扰偏离零陷位置,甚至会导致算法完全失效。为了解决现有波束形成算法在发生导向矢量失配和干扰位置扰动时波束形...自适应波束形成随着数字信号处理技术的不断发展,已广泛应用于雷达、语音、医疗等领域。然而,当阵列发生扰动时,将会导致干扰偏离零陷位置,甚至会导致算法完全失效。为了解决现有波束形成算法在发生导向矢量失配和干扰位置扰动时波束形成器性能急剧下降的问题,本文提出了一种导向矢量失配条件下多约束鲁棒波束形成算法。本文参照实际情况引入更多约束,增加了双边范数扰动约束以及二次相似性约束,允许了误差产生的范围。此外,本文确保感兴趣信号(Signal Of Interest,SOI)的到达方向(Direction Of Arrival,DOA)远离干扰导向矢量的所有线性组合的DOA区域,保证了最优导向矢量的DOA位于SOI的角扇形区域。首先,以波束形成器输出最大功率为目标,并结合实际环境下的约束条件,建立了最优导向矢量的数学模型。其次,利用定义的干扰范围重构协方差矩阵,以此来展宽零陷,提高系统的抗干扰性能。最后,先用内点法求得替代变量的解,以此求解针对导向矢量的二次不等式约束问题;随后在约束模型中代入替代变量,用交替方向乘子法迭代求解导向矢量,在每一次的迭代中都会得到显示解。同时,本文还对算法的时间复杂度和收敛性进行了分析。实验结果显示,相较于传统的波束形成算法,所提方法加宽了干扰处零陷,使得波束形成器的抗干扰性能得到了一定的提高,且能够很好地校正失配导向矢量。展开更多
针对传统的自适应波束形成算法在目标导向矢量失配及接收数据的协方差矩阵存在误差时,性能急剧下降的问题,提出了一种基于小快拍场景的联合协方差矩阵重构,及导向矢量优化的稳健波束形成算法。对不确定集约束求解得到干扰导向矢量,根据...针对传统的自适应波束形成算法在目标导向矢量失配及接收数据的协方差矩阵存在误差时,性能急剧下降的问题,提出了一种基于小快拍场景的联合协方差矩阵重构,及导向矢量优化的稳健波束形成算法。对不确定集约束求解得到干扰导向矢量,根据稀疏干扰来向的导向矢量近似正交,求出干扰导向矢量对应的干扰功率,从而完成协方差矩阵重构;对期望信号来向及其邻域进行权值求解,对加权后的数据特征分解,利用多信号分类(Multiple Signal Classification, MUSIC)谱估计算法对信号区域积分得到信号协方差矩阵,将其主特征值近似为期望信号的导向矢量完成重新估计。仿真结果表明,在无误差时,算法输出信干噪比(Signal to Interference Plus Noise Ratio, SINR)接近理论最优;在多种误差环境下输出性能随信噪比(Signal to Noise Ratio, SNR)的变化均具有较好的稳健性,并且在信号来向可精准形成波束;在小快拍时可以较快收敛至理论最优值。展开更多
文摘为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers,ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明:对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。
文摘自适应波束形成随着数字信号处理技术的不断发展,已广泛应用于雷达、语音、医疗等领域。然而,当阵列发生扰动时,将会导致干扰偏离零陷位置,甚至会导致算法完全失效。为了解决现有波束形成算法在发生导向矢量失配和干扰位置扰动时波束形成器性能急剧下降的问题,本文提出了一种导向矢量失配条件下多约束鲁棒波束形成算法。本文参照实际情况引入更多约束,增加了双边范数扰动约束以及二次相似性约束,允许了误差产生的范围。此外,本文确保感兴趣信号(Signal Of Interest,SOI)的到达方向(Direction Of Arrival,DOA)远离干扰导向矢量的所有线性组合的DOA区域,保证了最优导向矢量的DOA位于SOI的角扇形区域。首先,以波束形成器输出最大功率为目标,并结合实际环境下的约束条件,建立了最优导向矢量的数学模型。其次,利用定义的干扰范围重构协方差矩阵,以此来展宽零陷,提高系统的抗干扰性能。最后,先用内点法求得替代变量的解,以此求解针对导向矢量的二次不等式约束问题;随后在约束模型中代入替代变量,用交替方向乘子法迭代求解导向矢量,在每一次的迭代中都会得到显示解。同时,本文还对算法的时间复杂度和收敛性进行了分析。实验结果显示,相较于传统的波束形成算法,所提方法加宽了干扰处零陷,使得波束形成器的抗干扰性能得到了一定的提高,且能够很好地校正失配导向矢量。
文摘针对传统的自适应波束形成算法在目标导向矢量失配及接收数据的协方差矩阵存在误差时,性能急剧下降的问题,提出了一种基于小快拍场景的联合协方差矩阵重构,及导向矢量优化的稳健波束形成算法。对不确定集约束求解得到干扰导向矢量,根据稀疏干扰来向的导向矢量近似正交,求出干扰导向矢量对应的干扰功率,从而完成协方差矩阵重构;对期望信号来向及其邻域进行权值求解,对加权后的数据特征分解,利用多信号分类(Multiple Signal Classification, MUSIC)谱估计算法对信号区域积分得到信号协方差矩阵,将其主特征值近似为期望信号的导向矢量完成重新估计。仿真结果表明,在无误差时,算法输出信干噪比(Signal to Interference Plus Noise Ratio, SINR)接近理论最优;在多种误差环境下输出性能随信噪比(Signal to Noise Ratio, SNR)的变化均具有较好的稳健性,并且在信号来向可精准形成波束;在小快拍时可以较快收敛至理论最优值。
