自適應(yīng)魯棒波束形成技術(shù)研究.pdf

1、自適應(yīng)魯棒波束形成是陣列信號(hào)處理領(lǐng)域的一個(gè)重要的問(wèn)題?，F(xiàn)有的魯棒波束形成算法主要分為特征子空間算法，對(duì)角加載算法，最壞情況最優(yōu)化算法，協(xié)方差矩陣重構(gòu)算法和智能波束形成算法等。
　　對(duì)角加載算法作為一種性能穩(wěn)定，算法結(jié)構(gòu)簡(jiǎn)單，計(jì)算量小的傳統(tǒng)魯棒波束形成算法，有著廣泛的應(yīng)用。該算法的重點(diǎn)在于計(jì)算加載因子。本文提出兩種對(duì)角加載因子計(jì)算方法：基于高斯分布的對(duì)角加載因子計(jì)算方法和基于概率約束的對(duì)角加載因子計(jì)算方法。基于高斯分布的計(jì)算方法通過(guò)

2、改進(jìn)GLC對(duì)角加載算法，有效地降低了加載因子的計(jì)算量，并且性能與GLC對(duì)角加載算法基本一致?；诟怕始s束的計(jì)算方法結(jié)合了對(duì)角加載算法和概率約束最壞情況最優(yōu)化算法的優(yōu)點(diǎn)，通過(guò)概率約束來(lái)確定對(duì)角加載因子。該算法需要設(shè)定概率參數(shù)，仿真表明，算法對(duì)該參數(shù)具有很強(qiáng)的魯棒性，可以將該參數(shù)固定（如0.2）。進(jìn)一步仿真表明，該算法性能明顯優(yōu)于現(xiàn)有對(duì)角加載算法和特征子空間算法。
　　在小快拍采樣數(shù)據(jù)下，協(xié)方差矩陣估計(jì)誤差會(huì)導(dǎo)致 SCB算法性能急劇下

3、降。已有分析表明，小快拍采樣協(xié)方差矩陣的信號(hào)子空間和噪聲子空間會(huì)發(fā)生交替，這是性能下降的關(guān)鍵原因。本文提出了互相關(guān)分析模型，對(duì)SCB算法性能下降原因進(jìn)行深入研究。通過(guò)該模型，成功地解釋了現(xiàn)有魯棒算法的魯棒原理，并推導(dǎo)出現(xiàn)有算法的理論性能，結(jié)果與已有文獻(xiàn)結(jié)論一致。
　　本文最后提出了基于協(xié)方差矩陣參數(shù)化估計(jì)的波束形成算法，該算法通過(guò)協(xié)方差矩陣的參數(shù)化估計(jì)，有效地避免了采樣協(xié)方差矩陣中的互相關(guān)項(xiàng)。從信息角度分析，該算法充分利用了空間陣