阵列信号处理(Array Signal Processing)是信号处理中的一个分支,在雷达系统、无线通信和语音信号处理等诸多领域中有着较为广泛的应用。其顾名思义就是指将若干传感器作为阵元,并根据设计需求将它们排列成一个特定的阵列,最终通过算法...
详细信息
阵列信号处理(Array Signal Processing)是信号处理中的一个分支,在雷达系统、无线通信和语音信号处理等诸多领域中有着较为广泛的应用。其顾名思义就是指将若干传感器作为阵元,并根据设计需求将它们排列成一个特定的阵列,最终通过算法对阵列接收到的信号进行有针对性的处理与分析。阵列信号处理包括了波达方向估计(Direction of Arrival,DOA)和波束形成(Beamforming)两大主要方向。波束形成本质上属于一种空域滤波。它基于一定的数学准则来设计满足需求的波束形成权矢量,在空间中形成了与角度等空间信息相关的波瓣与零陷,并且使得波束主瓣对准期望信号的方向、.干扰信号刚好落在零陷中,从而实现所谓的空域滤波。著名的标准Capon自适应波束形成器在理论上被证明是最优的波束形成器。然而,实际场景下存在的各种误差使得干扰协方差矩阵和期望信号导向矢量无法被准确地估计,因此其性能往往不尽如人意。在过去的几十年里,波束形成的稳健性一直是学者们研究的热点。在现有的众多算法当中,基于矩阵重构的波束形成算法能够更好地减小协方差矩阵的估计误差,因而拥有较强的稳健性。本文围绕着基于干扰协方差矩阵重构的稳健自适应波束形成算法进行分析与研究,提出了两种新的波束形成算法,分别是基于干扰协方差矩阵重构和导向矢量搜索的稳健自适应波束形成算法、基于子空间估计干扰功率的互质阵稳健自适应波束形成算法。本文研究工作的具体内容与主要创新点如下:1.协方差矩阵的重构与对信号导向矢量的估计息息相关,因此本文针对导向矢量的准确估计进行了研究。首先从一个更加广义的角度分析传统的Capon功率谱,即将矢量看作自变量来分析Capon功率谱这一函数,并通过理论推导验证了残留噪声的存在,也证明了当导向矢量的估计越准确,其对应的Capon功率值越大;利用传统Capon功率谱来估计名义导向矢量,并在每个名义导向矢量邻域角度区间内构造超平面,将垂直于该超平面的矢量作为梯度矢量;接着以名义导向矢量为起点沿着梯度矢量方向在矢量空间内定向搜索,并且以Capon功率值为衡量标准,将对应最大Capon功率值的矢量作为导向矢量的最终估计,同时记录其对应的Capon功率值。最后基于Capon功率和所估计的导向矢量,重构干扰协方差矩阵。本方法与同类方法相比,能在同阶的计算复杂度下获得相对更高的输出信干噪比。2.目前基于互质阵列的稳健自适应波束形成方法研究尚处于起步阶段。由于互质阵的良好性质与波束形成问题本身有一定程度的不相容性,本文希望能够将较为成熟的基于均匀线阵的算法与互质阵的优势进行更好的结合。于是提出了一种基于子空间进行干扰功率估计的互质阵波束形成方法。该方法首先利用互质阵的性质进行孔径扩展,从而得到虚拟均匀线阵的接收协方差矩阵;然后利用基于均匀线阵的近似投影,去除协方差矩阵内的期望信号成分;基于矩阵的半正定性,在虚拟均匀线阵上通过子空间分解的方法对所有干扰功率和方向进行估计。最终根据真实互质阵列的结构重构干扰加噪声协方差矩阵。该方法与现有的主流互质阵波束形成方法相比具有更高的输出信干噪比和更好的稳健性。
暂无评论