基于非圓信號(hào)的穩(wěn)健自適應(yīng)波束形成算法的研究.pdf

1、穩(wěn)健自適應(yīng)波束器是陣列信號(hào)處理領(lǐng)域中的一個(gè)非常重要的分支，它是利用多個(gè)傳感器組成的傳感器陣列來接收信號(hào)，進(jìn)而提取所需要的期望信號(hào)的信息，同時(shí)盡可能的減少干擾和噪聲成分對(duì)它的影響。在經(jīng)典的自適應(yīng)波束形成器中，我們通常采用的是可以用協(xié)方差矩陣來完全描述信號(hào)的統(tǒng)計(jì)特性即為圓信號(hào)。但是，在實(shí)際用到的大部分信號(hào)通常是非圓信號(hào)，即信號(hào)的偽協(xié)方差矩陣不等于零，此時(shí)在廣義線性波束形成器中，通過濾波器可以同時(shí)得到包含在接收信號(hào)和它的共軛中的期望信號(hào)的信息

2、。但是當(dāng)快拍數(shù)有限時(shí)，擴(kuò)充的采樣協(xié)方差矩陣特征值的范圍增大，導(dǎo)致波束形成器性能降低以及復(fù)雜度增大。
　　為了解決穩(wěn)健性的問題，本文提出了基于協(xié)方差矩陣重構(gòu)的廣義線性最小方差無失真響應(yīng)(Minimum Variance Distortionless Response,MVDR)波束形成算法和廣義線性最差性能(Wost-case,WC)波束形成算法，當(dāng)快拍數(shù)有限時(shí)，擴(kuò)充采樣協(xié)方差矩陣不再是真實(shí)的擴(kuò)充協(xié)方差矩陣的一致解，這兩種算法中都是

3、利用了MVDR空間譜估計(jì)來對(duì)擴(kuò)充協(xié)方差矩陣進(jìn)行重構(gòu)。然后再結(jié)合非圓系數(shù)以及導(dǎo)向矢量的估計(jì)量來得到擴(kuò)充的干擾噪聲協(xié)方差矩陣的重構(gòu)值，用重構(gòu)后的干擾噪聲協(xié)方差矩陣來代替擴(kuò)充的采樣干擾噪聲協(xié)方差矩陣，而且可以除去期望信號(hào)的影響。另外，這兩種波束形成算法分別對(duì)導(dǎo)向矢量和不確定性水平的估計(jì)采用了OAS(Oracle Approximating Shrinkage)和QCQP(Quadratic Constraint Qudratic Progra

4、m)。
　　為了解決基于最小均方(Least Mean Squares,LMS)的波束形成器收斂速度慢的問題，本文提出在SM(Set-membership)框架下的廣義線性LMS波束形成算法。它利用了統(tǒng)計(jì)梯度(Stochastic Gradient,SG)下降法和遞歸最小二乘法(Recursive Least Squares,RLS)來分別獲得降維矩陣和權(quán)矢量的聯(lián)合迭代優(yōu)化，然后再結(jié)合SM框架，得到降維矩陣和權(quán)矢量是每次選擇性更新