acompetitivemeansquarederrorapproachtobeamforming(翻译),波束形成.docVIP

一个竞争性均方误差波束形成方法 摘 要：我们对待信号估计的波束的问题，其目的是从数组中观察中估计设置一个信号幅度。 Conventional beamforming methods typically aim at maximizing the signal-to-interference-plus-noise ratio (SINR).常规波束形成方法通常着眼于将信干噪比（SINR）最大化。 However, this does not guarantee a small mean-squared error (MSE), so that on average the resulting signal estimate can be far from the true signal.然而，这并不能保证小均方误差（MSE），因此，平均产生的信号的估计会和真实信号相差甚远。 Here, we consider strategies that attempt to minimize the MSE between the estimated and unknown signal waveforms.在这里，我们考虑的策略是，以尽量减少估计值和未知之间的信号波形的MSE。 The methods we suggest all maximize the SINR but at the same time are designed to have good MSE performance.我们建议的所有的方法都是去最大限度地提高SINR，但在同一时间里，它们都被设计为具有良好的MSE性能。 Since the MSE depends on the signal power, which is unknown, we develop competitive beamforming approaches that minimize a robust MSE measure.由于MSE依赖于未知的的信号功率，我们开发出了具有竞争力的波束形成方法，最小化鲁棒的MSE估计。 Two design strategies are proposed: minimax MSE and minimax regret.两种设计策略被提出：极小化最大MSE，极小化最大遗憾。 We demonstrate through numerical examples that the suggested minimax beamformers can outperform several existing standard and robust methods, over a wide range of signal-to-noise ratio (SNR) values.通过数值例子表明，在一个很大的SNR范围内，我们所建议的极小化最大波束形成方法可以超越现有的一些标准鲁棒的的方法。.最后，我们应用我们的子带波束形成技术，并说明了宽带信号估计他们的优势。 关键词：极小化最大均方误差，极小化最大遗憾，稳健波束形成，子带波束形成。 Ⅰ简介 波束形成是一个为了时间估计，干扰消除，源的定位，经典谱估计的处理时间传感器阵列测量的经典方法。它已被应用于广泛的领域，无所不在，如雷达，声纳，无线通讯，语音处理和医疗成像等领域（详见，参考文献[1-4]）。 依赖波束形成器而设计数据的传统方法通常试图极小化最大信号与干扰加噪声比SINR需要干扰加噪声的协方差矩阵和阵列导向矢量的知识。由于协方差通常是未知的，它往往是由测量样本的协方差所代替，当信号在训练数据中时，这就导致了在高信噪比（SNR）的情况下，性能下降。有些波束形成技术是设计来减轻这种影响[5-8]，而另一些也需要去克服导向向量的不确定性[9-13]，[14]。在这里，我们假定导向矢量是确切的知道的，我们的目标是为信号估计设计一个波束形成器。 尽管事实上SINR已被用来作为衡量性能的标准和在许多波束形成设计方法的准则，最大化SINR或许也无法保证的一个很好的信号估计。在估计的环境下，我们的目标是设计一个波束形成，以获得一个信号振幅接近其真实价值的估计，使它会更有意义，选择权，并尽量减少相关的是客观的估计错误，即真实之间的信号和它的估计之间的区别，而不是SINR的差值。此外，它可能会更翔实考虑把估计错误作为比较不同的波束形成方法的性能尺度。 如果信号功率是已知的，那么最小均方误差（MMSE）的波束可以被设计。由此产生的波束可以表示为依赖功率的常数，这个常数乘以一个固定的权重向量是在SINR内的最佳值。由于信干噪比在缩放时不敏感，最小均方误差的方法也能最大化SINR。如