论文部分内容阅读
由于稳健自适应波束形成算法可以在不理想因素存在时保持良好的性能,使得其成为信号处理的热点研究领域之一。然而绝大多数稳健自适应波束形成算法都只能适用于数据快拍中不含期望信号或者期望信号比较弱的情况,现有文献针对指向误差等不理想因素的稳健算法绝大部分都不适用于强期望信号背景。而国内外专注于强期望信号背景下的稳健波束形成算法的文献资料也还很少,对于这一问题的研究尚处于起步阶段。本文着眼于期望信号功率在较大的动态范围内且来波方向先验知识不够准确的情况,对多种算法进行了研究。本文首先从最简单也是最经典的标准Capon波束形成算法入手,讨论了期望信号功率对Capon波束形成算法的影响,并基于不同信噪比、干噪比以及快拍数对算法进行仿真,仿真结果显示当期望信号信噪比较大且来波方向存在失配时,Capon波束形成算法会把期望信号当作干扰置零,因而算法失效。文中也介绍了一些经典的稳健波束形成算法,这些算法相比于标准的Capon波束形成算法,虽然能够用于改善在弱期望信号情况下的稳健性问题,但是却并不适用于强期望信号背景下的稳健波束形成问题。鉴于普通稳健波束形成算法无法适用于强期望信号背景,本文介绍了一些最近几年来国内外学者提出的新的稳健波束形成算法,这些算法在尽力摆脱期望信号功率影响的同时,还能具有一定的对抗期望信号来波方向失配的稳健性。其中基于重构干扰噪声协方差矩阵思想的稳健波束形成算法,通过重新构造不含期望信号分量的干扰噪声协方差矩阵,避免直接使用样本协方差矩阵进行最优权值的计算,因而能够彻底摆脱期望信号功率的影响。本文还介绍了三种基于重构矩阵思想的校正算法,在构造出干扰噪声协方差矩阵以后对导向矢量进行校正,可以进一步提高算法性能。由于工程中最常用的依然是最简单的LMS迭代算法,因此在本文的最后,结合LM S迭代算法和重构干扰噪声协方差矩阵算法的思想,发展了适用于强期望信号背景下的迭代稳健波束形成算法。仿真结果显示,成功收敛后的迭代算法输出信干噪比非常接近最佳信干噪比。