智能天线DOA估计技术和自适应波束形成技术研究

【摘要】：论文的研究工作围绕智能天线 DOA 估计技术和自适应波束形成技术展开,内容主要包括三大部分:阵列天线幅相参数和互耦系数单辅助源估计;恒模信号波达方向、阵列天线幅相参数和互耦系数的联合估计;利用非线性约束条件进行自适应方向图权向量的二次优化。 在利用单个辅助源校正均匀线阵和均匀圆阵互耦系数的研究中,提出了通过考察待求逆矩阵的最小条件数来决定辅助源的方位的算法,从而使互耦系数估计值具有最小的相对误差上限。算法解决了辅助源方位误差对估计结果精度的影响问题。 当辅助源方位不可知时,针对均匀圆阵提出了一种利用一个辅助源位于不同方位时的测量数据进行幅相参数或互耦系数估计的算法。该算法属于自校正类算法,不需要预先知道辅助源的位置。 针对信号复包络具有恒模特性的一类信号(如 FM、FSK、PSK 等),提出了一种联合估计恒模信号波达方向和阵列天线参数(包括幅相参数和互耦系数)的自校正算法,实现了恒模信号波达方向的在线估计。该算法是一种循环迭代算法,与 Friedlander B 提出的算法相比,新算法能够在更加复杂的入射信源组合下使迭代过程收敛。此外,还证明了 Friedlander B 提出的算法中的线性约束最小均方问题是新算法中非线性约束问题的一个特例。 用矩阵迭代的方法代替线性约束最小均方(LCMV)算法中的矩阵求逆运算,由于将对角加载合理而巧妙地运用到了矩阵分裂中,使得迭代算法的运算量明显低于直接求逆运算。并且由于得到的分裂矩阵是对角矩阵,因此条件数很小,从而减小了因矩阵求逆对结果数值稳定性带来的影响。 针对 Lee C C 等人提出的基于噪声子空间的鲁棒自适应波束形成算法中未能给出关键参数λ 的求解方法的缺陷,论文结合非线性约束条件给出了λ 存在唯一解的条件及相关证明。 提出了一种改进 RCB 算法。Li J 等人提出的 RCB 算法是一种可变对角加载算法。该算法为保证当期望信号导引向量存在误差时,阵列天线主波束仍能对准期望信号而牺牲了部分抑制干扰信号的能力。本文改进了 RCB 算法,在原算法的基础上对方向图权向量继续进行优化,通过进一步调整了自适应方向图的零陷深度以及零陷方位,改善阵列天线的输出 SINR。 针对 RCB 算法中对角加载值计算复杂的问题,提出了一种简便合理的可变对角加载算法。该算法利用接收信号相关阵的信号子空间向量与期望信号的相关性来决定对角加载值的大小,算法实现简便,在实际应用中可以替代 RCB 算法。 针对线性约束最小均方(LCMV)算法当期望信号导引向量存在误差且期望信号信噪比较高时,阵列天线的输出 SINR 明显恶化。论文提出了修改波束空间结合非线性约束的波束形成算法。该算法可以最大限度地消除信号子空间中的期望信号分量,明显提高算法对 干扰信号的抑制能力,从而改善阵列天线的输出 SINR。 此外,本文还将非线性约束条件引入盲周期平稳自适应波束形成算法,使得经二次优化后的 R-CAB 算法的输出 SINR 有了明显提高。