论文部分内容阅读
自适应波束形成能用于快速变化的信号环境以自适应地抑制干扰,极大地提高电子系统的抗干扰性能,被广泛应用在雷达、通信、声呐和其他领域。自适应波束形成在实际工程应用中存在需要解决的难点,即对协方差矩阵不确定度和导向矢量失配极度敏感,尤其当阵列接收信号数据包含期望信号成分时,这会导致自适应波束形成算法性能急剧下降。如何提高自适应波束形成的鲁棒性以保证算法的良好性能,是当前阵列信号处理在实际工程应用中亟待解决的。尽管鲁棒自适应波束形成(RAB)算法在近四十多年中得到了长足发展,但受限于其自身固有的问题,许多鲁棒算法的性能仍然偏离最优性能较远。针对当前工程应用面临的阵列失配问题,本论文将继续深入研究自适应波束形成的鲁棒算法,研究内容和贡献主要包括以下四个方面:1.适用于有限快拍情况的鲁棒波束形成算法研究为有效应对有限快拍情况,本文第三章首先提出一种基于协方差矩阵不确定度(CMU)的概率约束对角加载RAB算法。该算法充分利用CMU的随机性,研究其Frobenius范数平方的概率分布,并引入预设概率值对CMU进行概率约束,得到一种新的、更有效的对角加载因子,以提高算法对有限快拍情况的鲁棒性。其次,本章提出一种对两类阵列失配具有联合鲁棒性的对角加载RAB算法。该算法先提出一种修正广义线性组合算法,在最小均方误差(MMSE)准则下获得协方差矩阵的最优估计,从而有效应对有限快拍情况;然后再构造两个约束条件,联合已估的协方差矩阵建立二次凸优化问题重新估计期望信号导向矢量,进而能有效应对导向矢量失配。2.适用于信号来波方向不确定的鲁棒波束形成算法研究为有效应对由来波方向误差或相干散射引起的来波方向不确定情况,本文第四章首先提出一种基于主特征矢量的干扰噪声协方差矩阵(IPNCM)重构RAB算法。该算法从根本上剔除样本协方差矩阵中的期望信号成分,在每个干扰信号角度区间上构造干扰协方差矩阵,取其主特征矢量来精确估计该干扰信号的导向矢量,并按照定义来精确重构IPNCM;同时采用类似的处理估计期望信号的导向矢量,联合已重构的IPNCM来设计波束加权,从而提高算法对来波方向误差的鲁棒性,使其输出信干噪比(SINR)逼近最优SINR。其次,本章在上述算法的基础上又提出一种基于子空间的IPNCM重构鲁棒波束形成算法。该算法采用交替投影算法获得样本协方差矩阵的信号-干扰子空间和每个干扰协方差矩阵的干扰子空间之间的交集,并将其作为该干扰信号导向矢量的更精确估计,进一步提高算法对由来波方向误差和相干散射引起的来波方向不确定情况的鲁棒性,保证其输出SINR逼近最优SINR。3.适用于导向矢量随机误差的鲁棒波束形成算法研究为有效应对导向矢量随机误差,本文第五章首先提出一种基于导向矢量不确定集的IPNCM重构鲁棒波束形成算法。该算法将每个干扰信号的导向矢量随机误差均建模为圆不确定集,采用鲁棒Capon波束形成(RCB)算法来精确估计每个干扰信号导向矢量,并按照定义来高精度地重构IPNCM;同时在期望信号导向矢量圆不确定集上,联合已重构的IPNCM来构建最差性能最佳化(WCPO)优化问题以设计鲁棒自适应波束加权,提高算法对导向矢量随机误差的鲁棒性。其次,本章引入环不确定集对导向矢量随机误差进行建模,采用子空间投影算法在每个干扰信号导向矢量环不确定集上精确估计其导向矢量,按照定义来高精度地重构IPNCM;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,取其主特征矢量来精确估计期望信号导向矢量,联合已重构的IPNCM来设计鲁棒波束加权,进而更有效地应对导向矢量随机误差。4.基于概率约束的鲁棒波束形成算法研究为能更有效地匹配真实的导向矢量随机误差,本文第六章首先提出一种基于导向矢量不确定集的概率约束RCB算法。在原RCB算法的基础上,该算法对期望信号导向矢量随机误差的Euclidean范数平方施加概率约束,获得能与真实导向矢量失配范数更匹配的、更紧凑的导向矢量不确定集,以提高对任意导向矢量随机误差的鲁棒性。其次,在第五章所提基于导向矢量不确定集的IPNCM重构RAB算法的基础上,本章引入概率约束思想,对期望信号和干扰信号导向矢量随机误差的Euclidean范数平方均进行概率约束,获得更匹配真实导向矢量失配范数的、更紧凑的导向矢量不确定集,进一步提高导向矢量的估计精度,重构更精准的IPNCM,使算法对导向矢量随机误差具有更好的鲁棒性。