论文部分内容阅读
近几十年来,自适应波束形成技术被广泛地应用于声呐、雷达、地震勘探、通信等领域。经典Capon波束形成在无误差的情况下达到了最大化的信干噪比,但信号导向矢量估计误差和阵列协方差矩阵的估计误差会导致算法性能的恶化,这种现象在采样数据中包含目标信号分量时尤为明显。因此,如何增强波束形成技术对于导向矢量估计误差及协方差矩阵估计误差时的鲁棒性,成为了学者们关注的焦点。自适应波束形成算法研究的早期,人们通过对采样协方差矩阵进行对角加载的方法来提升波束形成算法的鲁棒性,但是存在鲁棒性与干扰抑制能力的权衡问题。近二十年内产生了许多导向矢量不确定集约束来推导加载量的大小的方法,但是这些方法都可能导致干扰和噪声的抑制不足。直到近几年,学者们提出了采用波束形成的灵敏度的算法,通过减小自适应波束形成方法对于协方差矩阵扰动的敏感度,来提升算法的鲁棒性。本文研究了上述算法的推导过程及仿真结果,提出了基于灵敏度的鲁棒波束形成的方法。全文主要工作内容如下:(1)介绍了自适应波束形成的基础理论知识,介绍了对角加载、鲁棒Capon等经典算法及其推导,通过仿真分析了这两种算法的性能。同时介绍了波束形成灵敏度的定义及其在波束形成算法中的作用。(2)提出了一种新的基于灵敏度的鲁棒自适应波束形成算法。算法创新点主要有:一、引入了广义的灵敏度定义,提出在计算球形信号导向矢量的不确定集合中选择使灵敏度最小的经典Capon权矢量解,从而提升经典Capon波束形成算法的鲁棒性的方法;二、通过分析以往算法给出的白噪声灵敏度不适应采样协方差矩阵扰动的色噪声环境,以矩阵扰动理论为推导依据,给出了色噪声协方差定义的相关随机误差灵敏度;三、在以往算法推导的基础上,本文提出了更为直观的图形化的推导方法,将球形信号导向矢量不确定集转化为锥形导向矢量不确定集,并通过简单的拉格朗日方法对算法进行推导,得出权矢量的解,其计算复杂度与之前算法相当。(3)对本文提出的基于灵敏度的方法与之前方法进行了仿真对比,通过仿真结果分析得出基于灵敏度的算法性能较优的结论。