王 勇 刘宏伟 纠 博 杨晓超

（西安电子科技大学雷达信号处理国家重点实验室，陕西 西安710071）

引 言

近年来，自适应阵列被广泛地应用于无线通信、声纳、雷达和医疗成像中［1］。由于非理想的阵列校正、互耦、相干或非相干的局部散射等因素的影响，自适应阵列往往存在各种误差，如角度误差［2］、校正误差［3］、通道幅相误差［4］等，这会对方向图综合的性能产生显著的影响［5］。因此，稳健的方向图综合技术是自适应阵列的一项重要研究内容。

根据加权方式的不同，稳健的方向图综合方法可以分 为 向 量 加 权 方 法［2，6－9］和 矩 阵 加 权 方 法［10－12］两类。对于向量加权方法来说，对角加载的采样矩阵求逆算法（LSMI）［13］是最常见的稳健算法之一。该算法通过对采样协方差矩阵加载一数量矩阵，能提高自适应算法的收敛速度和稳健性。但该算法最大的问题是加载量不容易简单地确定。基于最差性能优化的思想，文献［2］给出了一种基于二阶锥规划（SOCP）的稳健波束形成算法。该算法虽然能够对任意的导向矢量误差进行稳健处理并获得较高的信干噪比（SINR），但是该算法忽略了功率估计中的尺度模糊问题，功率估计性能较差［14］。与基于SOCP的稳健波束形成算法不同，稳健的Capon波束形成算法（RCB）通过约束导向矢量的l2范数解决了功率估计中的尺度模糊问题，因此，能够准确地估计出感兴趣信号的功率［14］。

虽然向量加权方法能够获得较高的SINR和较准确的功率估计，但其方向图参数，比如主瓣宽度和旁瓣电平，不能精确地控制或根据不同的需要进行灵活地调整［11］。……