Most of the reconstruction-based robust adaptive beamforming(RAB)algorithms require the covariance matrix reconstruction(CMR)by high-complexity integral computation.A Gauss-Legendre quadrature(GLQ)method with the high...Most of the reconstruction-based robust adaptive beamforming(RAB)algorithms require the covariance matrix reconstruction(CMR)by high-complexity integral computation.A Gauss-Legendre quadrature(GLQ)method with the highest algebraic precision in the interpolation-type quadrature is proposed to reduce the complexity.The interference angular sector in RAB is regarded as the GLQ integral range,and the zeros of the threeorder Legendre orthogonal polynomial is selected as the GLQ nodes.Consequently,the CMR can be efficiently obtained by simple summation with respect to the three GLQ nodes without integral.The new method has significantly reduced the complexity as compared to most state-of-the-art reconstruction-based RAB techniques,and it is able to provide the similar performance close to the optimal.These advantages are verified by numerical simulations.展开更多
相比均匀线阵(Uniform Linear Array,ULA),相同阵元数目下稀疏线阵(Sparse Linear Array,SLA)的抗耦合效应更好,阵列孔径更大,到达方向(Direction of Arrival,DOA)估计的自由度(Degrees Of Freedom,DOF)更高,因而近年来得到了广泛的研...相比均匀线阵(Uniform Linear Array,ULA),相同阵元数目下稀疏线阵(Sparse Linear Array,SLA)的抗耦合效应更好,阵列孔径更大,到达方向(Direction of Arrival,DOA)估计的自由度(Degrees Of Freedom,DOF)更高,因而近年来得到了广泛的研究。为了可以进行高DOF的DOA估计,学者们开始研究SLA的差分虚拟阵元,差分虚拟阵元对应的协方差矩阵相比原阵元对应的协方差矩阵维度更大,因而估计的DOF更高。当SLA的差分虚拟阵元连续取值时,可以利用已有阵元的接收信息,得到SLA的协方差矩阵,在该矩阵的基础之上构建差分虚拟阵元的协方差矩阵进而进行DOA估计。然而,当SLA的差分虚拟阵元存在孔洞时,即差分虚拟阵元不能连续取值时,不能直接利用重构的协方差矩阵进行DOA估计,需要恢复完全增广协方差矩阵的信息再进行DOA估计。对于该问题,本文基于矢量化后原协方差矩阵和虚拟差分阵协方差矩阵的误差分布情况,并结合完全增广协方差矩阵的低秩特性和半正定特性来构建优化问题。通过求解该问题来恢复维度更高的完全增广协方差矩阵。最后对该矩阵进行奇异值分解,利用多重信号分类(Multiple Signal Classification,MUSIC)算法就可以获得多源的空间谱。本文最后通过数值仿真试验验证了所提算法可以实现高DOF的DOA估计,并且相比于现有算法,本文所提算法对欠定DOA估计的效果更好,多源DOA估计的精度更高,产生的误差更小。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
宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实...宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。展开更多
基金supported by the National Natural Science Foundation of China(618711496197115962071144)。
文摘Most of the reconstruction-based robust adaptive beamforming(RAB)algorithms require the covariance matrix reconstruction(CMR)by high-complexity integral computation.A Gauss-Legendre quadrature(GLQ)method with the highest algebraic precision in the interpolation-type quadrature is proposed to reduce the complexity.The interference angular sector in RAB is regarded as the GLQ integral range,and the zeros of the threeorder Legendre orthogonal polynomial is selected as the GLQ nodes.Consequently,the CMR can be efficiently obtained by simple summation with respect to the three GLQ nodes without integral.The new method has significantly reduced the complexity as compared to most state-of-the-art reconstruction-based RAB techniques,and it is able to provide the similar performance close to the optimal.These advantages are verified by numerical simulations.
文摘相比均匀线阵(Uniform Linear Array,ULA),相同阵元数目下稀疏线阵(Sparse Linear Array,SLA)的抗耦合效应更好,阵列孔径更大,到达方向(Direction of Arrival,DOA)估计的自由度(Degrees Of Freedom,DOF)更高,因而近年来得到了广泛的研究。为了可以进行高DOF的DOA估计,学者们开始研究SLA的差分虚拟阵元,差分虚拟阵元对应的协方差矩阵相比原阵元对应的协方差矩阵维度更大,因而估计的DOF更高。当SLA的差分虚拟阵元连续取值时,可以利用已有阵元的接收信息,得到SLA的协方差矩阵,在该矩阵的基础之上构建差分虚拟阵元的协方差矩阵进而进行DOA估计。然而,当SLA的差分虚拟阵元存在孔洞时,即差分虚拟阵元不能连续取值时,不能直接利用重构的协方差矩阵进行DOA估计,需要恢复完全增广协方差矩阵的信息再进行DOA估计。对于该问题,本文基于矢量化后原协方差矩阵和虚拟差分阵协方差矩阵的误差分布情况,并结合完全增广协方差矩阵的低秩特性和半正定特性来构建优化问题。通过求解该问题来恢复维度更高的完全增广协方差矩阵。最后对该矩阵进行奇异值分解,利用多重信号分类(Multiple Signal Classification,MUSIC)算法就可以获得多源的空间谱。本文最后通过数值仿真试验验证了所提算法可以实现高DOF的DOA估计,并且相比于现有算法,本文所提算法对欠定DOA估计的效果更好,多源DOA估计的精度更高,产生的误差更小。
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。
文摘宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。
