论文部分内容阅读
作为自适应阵列信号处理的一个分支，鲁棒阵列信号处理能够克服传统阵列信号处理对模型误差敏感这一缺陷，使阵列在非理想环境下仍能有效工作.阵列误差、散射信源、波达方向(DirectionofArrival，DOA)的估计误差、信源和干扰的时变特性以及噪声的非白、非高斯性等因素会使传统阵列信号处理方法性能大幅下降，但采用鲁棒阵列处理方法的阵列则对这些非理想因素不敏感，并仍能保持较好的性能，因此鲁棒阵列处理的研究既具有理论意义也具有应用价值.基于以上原因，本文以鲁棒阵列处理为研究对象，针对鲁棒波束成形方法和鲁棒DOA估计中的具体问题进行了研究.
首先，第一章介绍了本文工作的研究背景并从鲁棒波束成形和鲁棒DOA估计两个方面简单回顾了鲁棒阵列处理的发展.
本文第二章主要解决存在突发干扰和指向误差条件下的鲁棒波束成形问题.为此我们提出了一种新的具有旁瓣控制能力的特征空间波束成形方法.对于这种方法，我们采用了可以有效控制旁瓣的惩罚函数方法，并将其引入到传统特征子空间波束成形中，这使得这种方法兼具特征空间波束成形方法和惩罚函数方法的优点，即阵列波束具有较低旁瓣，从而能较好抑制突发干扰，同时又对指向误差不敏感.另外，为了使我们的方法适用于时变环境，我们基于快速子空间追踪算法推导了这种波束成形方法的在线计算阵列权重的算法.最后通过仿真试验，比较了该方法与经典惩罚函数法、特征子空间波束成形方法，实验结果验证了这种方法的有效性.
本文第三章则针对存在阵列幅相误差条件下的鲁棒DOA估计问题，提出了贝叶斯框架下的，利用马尔科夫链蒙特卡罗方法(MarkovChainMonteCarlo，MCMC)的阵列误差和DOA联合估计算法.这种算法是一种迭代算法，但由于马尔科夫链蒙特卡罗方法的使用，与传统采用梯度优化方法的阵列校正方法相比，这种算法的性能对初始值不敏感，此外该算法能得到近似最小均方误差(MinimumMinimumSquareError，MMSE)估计，相对于经典阵列校正方法所采用极大后验概率准则，MMSE准则对于参数估计问题更加合理.该章最后通过仿真实验，将该算法与经典MUSIC方法相比，验证了该算法能有效的校正阵列误差从而提高DOA估计精度.
最后，本文的第四章简要总结了本文的工作，并对本文提出的方法所存在的问题进行了简单的讨论，对鲁棒阵列处理这一领域进一步的研究工作进行了展望.