基于子空间跟踪递推稳健自适应波束形成.docVIP

基于子空间跟踪递推稳健自适应波束形成 　　摘 要:为了解决实时系统应用中,通用秩信号模型的稳健自适应波束形成算法受计算复杂度高的限制这一问题,基于子空间跟踪理论,运用梯度下降法提出了一种递推稳健自适应波束形成算法,有效降低了计算量,提高了系统性能,改善了阵列输出的信干噪比。仿真结果表明,该算法具有快速收敛性与优越的稳健性。 　　关键词:稳健自适应波束形成; 通用秩信号模型; 子空间跟踪; 梯度下降; 计算复杂度 　　中图法分类号:TN911.7文献标志码:A 　　文章编号:1001-3695(2010)06-2260-04 　　doi:10.3969/j.issn.1001-3695.2010.06.075 　　 　　Recursive robust adaptive beamforming 　　 　　WANG Zhi??qiao, HUANG Hua 　　 　　(School of Electrical Engineering Information, Sichuan University, Chengdu 610065, China) 　　 　　Abstract:The robust adaptive beamforming, based on general??rank signal models, is restricted by the great computational complexity in the real??time systems. Based on subspace tracking theory, this paper proposed a recursive robust adaptive beamforming by gradient descent method.The proposed algorithm decreased computational complexity, developed online implementations, made the mean output array SINR. Simulations results demonstrate that the proposed method can converg rapidly and has excellent robust performance. 　　Key words:robust adaptive beamforming; general??rank signal models; subspace tracking; gradient descent; computational complexity 　　 　　0 引言 　　波束形成是阵列信号处理的关键技术之一[1]。传统自适应波束形成算法假定训练序列中不含期望信号,当系统有误差时,期望信号会被当做干扰抑制,系统性能严重下降[1,2]。为使系统存在误差时仍能保持良好的性能,出现了大量稳健自适应波束形成算法,主要有线性约束波束形成算法(LCMV)、对角加载波束形成算法(LSMI)、特征空间波束形成算法。目前,基于最差情况下优化和显式系统误差建模的稳健自适应波束形成算法得到了广泛深入的研究[2~12]。文献[5]中,考虑信道散射效应和信号协方差阵与数据协方差阵存在误差时,推导出基于通用秩信号模型的稳健自适应波束形成算法。 　　上述稳健自适应波束形成算法都是批处理算法,即每次数据快拍到来时,需计算波束形成器权向量,计算时要对数据协方差阵求逆或特征值分解,其计算复杂度为??O(M3)??。文献[13]在LCMV波束形成器基础上降秩,得到低计算成本的迭代波束形成器;文献[14]用约束卡尔曼滤波器降低了文献[4]中算法的复杂度。这两种算法只适用于点信源(信号协方差阵秩为1)。为了得到一般信源情况下低计算复杂度的稳健自适应波束形成算法,本文运用信号子空间跟踪理论,推导出一种梯度下降的递推稳健自适应波束形成算法。 　　 　　1 理论基础 　　1.1 信号模型 　　窄带波束形成器输出 　　y(n)=wHx(n) (1) 　　其中:n是时间下标;x(n)是M×1维阵列观察数据的复向量;w是M×1维波束形成器的复值权向量,最优权向量由最大化信干噪比(SINR)获得;M是阵元个数;(#8226;)T与(#8226;)H分别代表转置与共轭转置。阵列观察数据向量为 　　x(n)=s(n)+i(n)+n(n) (2) 　　其中:s(n)、i(n)与n(n)分别是期望信号、干扰信号与噪声。假设期望信号、干扰信号与噪声互不相关,且期望信号与干扰信号为平稳信号,噪声为高斯白噪声。 　　最大化信干噪比(SINR)为 　　SI