论文部分内容阅读
数字波束形成(Digital Beamforming)是阵列信号处理的基本算法，它被广泛应用于雷达、声纳及通信领域，其主要作用是提高目标信号的信噪比。对于传统的自适应波束形成算法，当目标信号导向矢量误差较大时，其性能会受到严重的影响。导向矢量的误差可能由多方面的因素导致:阵列参数，传感器的参数以及目标信号波达方向的误差或者是目标的运动等。因此，如何增强自适应波束形成算法的稳健性是阵列信号处理研究中的热点问题。本文主要介绍了几种稳健波束形成算法并重点讨论了贝叶斯波束形成算法，并对贝叶斯波束形成算法做了一定的改进。 本文的主要工作如下所述: 1.改进的递推贝叶斯波束形成算法。递推的贝叶斯波束形成算法是贝叶斯波束形成在数据实时处理时的一种推广。在实时处理时，数据通常被分帧处理。在递推的贝叶斯波束形成算法中，上一帧数据的目标DOA后验概率分布被当作当前帧的数据先验概率分布，从而有效得利用了所有数据信息。但该算法在一定帧数后，DOA后验概率会收敛到候选DOA离散区间内的某个点上，使贝叶斯波束形成褪化成传统的最小方差无畸变波束形成算法，影响算法的性能。针对这一问题，本文进行了改进。当离散区间内某个点的后验概率较大时，改进的递推贝叶斯波束形成算法会将离散区间动态调整到该点附近，以避免算法的褪化。仿真实验验证了算法的有效性。 2.运动目标贝叶斯波束形成算法。针对贝叶斯波束形成方法在处理运动目标时阵列输出增益不高及目标运动信息未被利用的问题，本文提出了运动目标贝叶斯波束形成算法。目标运动模型被用于预测当前观测数据的目标DOA先验信息。利用预测的目标DOA，观测数据DOA似然函数可以被近似计算从而减小了算法的计算量。本算法得到的波束形成系数实际上是多个最小方差无失真波束形成系数的一种加权和，其权值是通过粒子滤波方法将DOA先验信息和观测数据的DOA似然函数有效融合的结果。实验表明:在低信噪比情况下，算法的输出信干噪比比原有的贝叶斯波束形成算法有着显著的提高。