黄翔东, 赵一冉, 苗 笛

(1.天津大学电气自动化与信息工程学院, 天津 300072; 2.天津职业技术师范大学电子工程学院, 天津 300222)

0 引 言

鲁棒自适应波束形成(robust adaptive beamforming, RAB)一直是阵列信号处理领域的研究热题。通过调整权重,控制阵列中各个阵元输出,使其在期望信号方向形成增益;在干扰信号方向设置零陷,实现放大期望信号同时抑制干扰信号的目的。因而在雷达、声呐、移动通信、卫星导航等领域被广泛应用[1-4]。

传统标准Capon波束形成器[5](standard Capon beamformer, SCB)因其具有较高分辨率和较强抗干扰能力,而被作为基本模型广泛采用。然而当快拍数较少、期望信号失配、观测数据包含期望信号时,传统波束形成器的性能会严重下降。因此,提高期望信号的适配度和干扰加噪声协方差矩阵(interference plus noise covariance matrix, INCM)的估计精度是改善波束性能的根本途径。近年来,自适应波束形成器主要围绕两个方面进行改进:对角加载方法和基于子空间分解的方法。

对角加载方法是通过在样本协方差矩阵上增加一个尺度单位矩阵,或对方向向量施加二次约束而实现的[6],其优点在于可有效地降低波束形成器对快拍数的依赖度;但其缺陷在于:难以选择适用于不同环境下最优的对角加载因子,且当输入信噪比较高时,其性能下降严重[7-8]。

而基于子空间分解的思路是:对样本协方差矩阵做有效的处理,将观测空间分解为期望信号子空间、干扰子空间和噪声子空间,从中估计出INCM,再进一步结合标准SCB而完成波束形成器设计[9]。具体地,一方面,需要提升INCM的估计精度,另一方面,需要降低构造INCM的复杂度[10-11]。……