基于可变对角加载的鲁棒自适应波束形成算法分析-analysis of robust adaptive beamforming algorithm based on variable diagonal loading.docxVIP

摘要自适应波束形成技术是阵列信号处理中需要普遍考虑的任务，凭借超强的空间分辨能力和抗干扰能力等优势，其在雷达，无线通信，声呐，声学，地理学，天文学，医药学等很多领域都有广泛的应用。理论研究背景下的波束形成能够达到较理想的效果，但是在实际应用中，各种复杂的环境和误差因素都可能导致性能下降甚至失效等情况，所以非常有必要对自适应波束形成算法的鲁棒性进行研究近几十年来，有很多鲁棒自适应波束形成算法被提出，其中一种很重要的方法就是对角加载，在此基础之上，本论文提出两点创新：第一点，考虑到目前很多国内外论文都没把导向矢量不确定集阵列响应纳入考虑之列，从该思路出发，本论文通过数学推导结合几何解释的方式，得出了不确定集阵列响应波动值的计算方法，并证明该波动约束和权值矢量约束是等价的，以此作为本论文提出算法的理论基础。第二点，本论文提出一种新的鲁棒自适应波束形成算法，基于权值矢量范数约束的可变对角加载算法，该算法把传统对角加载中注入的白噪声变成色噪声，实现了加载因子的计算以及可变对角加载，通过仿真实验验证了该算法较其他对比算法有效。本论文的主要研究内容如下：（1）介绍自适应波束形成基本理论研究背景和基础，搭建理论研究模型，详细介绍了一些经典的鲁棒算法，给出其较好的计算推导过程，并且选择的都是属于对角加载范畴的算法，对其计算复杂度和性能优缺点进行了分析。（2）提出一种新的基于权值矢量范数约束的可变对角加载算法，整体思路在上面的创新点中已经进行描述，根据该思路得到一个加载因子求解问题，经过数学推导得出加载因子对权值矢量范数约束是一个单调递减的函数，得出闭式解存在的结论，使用二分法迭代求得加载量的具体值。本算法中的加载量需要不确定集大小，阵元数目和不确定集阵列响应波动大小共同来决定。（3）把本论文提出的算法与已经提出的一些鲁棒算法进行仿真对比分析，结果表明本文所提算法在快拍数和输入信噪比方面性能接近理想最优性能表现，但在导向矢量误差敏感性方面还有改善余地。关键词：鲁棒自适应波束形成，可变对角加载，不确定集阵列响应，权值矢量范数约束ABSTRACTAdaptivebeamformingisconsideredacommontaskinarraysignalprocessingrelyingonitssuperiorspatialresolution,anti-jammingcapabilityandotheradvantages.Itiswidelyappliedtofieldsofradar,wirelesscommunications,sonar,acoustics,geography,astronomy,medicineandsoon.Beamformingcanachieveperfectperformancetheoretically,butinpracticalapplications,avarietyofcomplexenvironmentsanderrorfactorscouldcauseperformancedegradationorevenfailure,soitisverynecessaryforresearchrobustadaptivebeamformingalgorithm.Inrecentdecades,alotofrobustadaptivebeamformingalgorithmshavebeenproposed,diagonalloadingisaveryimportanttechniqueamongthem.Onthisbasis,thispapermakestwoinnovations:Firstly,givenmanycurrentdomesticandforeignpapersdidnottakethesteeringvectoruncertaintyarrayresponseintoaccount,sothispaperputsforwardthemethodofcalculatingthevalueofuncertaintyarrayfluctuationscombininggeometricinterpretationandmathematicalderivationandprovesthattheresponsefluctuationsareequaltoweightvectornormconstraint.Thisisthetheoreticalbasisoftheproposedalgorithm.Secondly,thispaperproposesanewrobustadaptivebeamformingalgorithmnamedweightvectornormconstraintvariab