基于LCMV算法的天线方向图零陷.pdfVIP

基于LCMV 算法的天线方向图零陷加宽方法 王俊勇 武汉理工大学，武汉 (430070) E-mail：wjy93253@ 摘 要：本文讲述在LCMV 波束形成中，增加最优权目标拟合函数，得到的方向图能保证 期望信号方向增益最大，干扰方向形成零点并且副瓣形状、增益与期望静态方向图非常接近。 用对角加载方法解决了小快拍数下收敛速度慢的问题。 关键词：自适应波束形成（ADBF ）， 线性最小方差约束（LCMV ）， 零陷加宽 1．引言 在干扰环境快速变化时，系统对突然出现的干扰无能为力，在新的自适应权形成之前， 接收性能很差，性能大大降低。如果在自适应零点形成的同时进行低副瓣控制，可在一定程 度上抵消自适应权不能适应突变干扰而带来的性能下降，这就是自适应方向图控制 [2-5] (APC: Adaptive Pattern Control) 。本文对自适应方向图控制进行了研究，在LCMV波束形成 中，增加最优权目标拟合函数，得到的方向图能保证期望信号方向增益最大，干扰方向形成 零点并且副瓣形状、增益与期望静态方向图非常接近，文中推导并证明在一定条件下给出的 最优化问题可以简化，在LCMV基础上只需增加一个简单的约束就既能抗干扰又能副瓣保 形。由于本方法最优权计算不需要迭代，因此计算复杂度和计算时间都较小，而且也不存在 迭代计算时的收敛性问题。小快拍时旁瓣起伏较大，当对角加载后，副瓣能很快收敛于稳定 值，增加了本方法实际应用的可行性。 2 ．LCMV方法描述 [1] 我们先来看线性最小方差约束 （LCMV ：Linearly constrained Minimum Variance ）波束 形成器： min W H RW W （1） s.t. CH W f 上式解为： −1 W R−1C (CH R−1C) f （2 ） 设静态方向图综合得到的权为W ，问题变为怎样使自适应方向图除了在干扰方向形成 0 零点，又具有静态方向图的特点，比如低副瓣或特定形状的副瓣形状甚至固定零点等，也就 是在保证LCMV 约束基础上，使求出的权值尽量的逼近静态综合权W 。设符合上面要求的 0 自适应方向图控制权为W ，则W 为下面约束问题的解： N N min W H RW 2 s.t. CH W f （3 ） min W −W 0 F 约束问题（3 ）等价于 -1- min W H RW ⎡ ⎤H f （4 ） W ⎡ ⎤ s.t. ⎢C, H 0 ⎥ W ⎢ ⎥ W W 1 ⎣ 0 0 ⎦ ⎣ ⎦ 即 min W H RW