CN109639332B - 一种基于导向矢量模型的稳健波束成形优化方法 - Google Patents
一种基于导向矢量模型的稳健波束成形优化方法 Download PDFInfo
- Publication number
- CN109639332B CN109639332B CN201910148068.7A CN201910148068A CN109639332B CN 109639332 B CN109639332 B CN 109639332B CN 201910148068 A CN201910148068 A CN 201910148068A CN 109639332 B CN109639332 B CN 109639332B
- Authority
- CN
- China
- Prior art keywords
- iteration
- equal
- beam forming
- optimization method
- array
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
- H04B7/0621—Feedback content
- H04B7/0634—Antenna weights or vector/matrix coefficients
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于导向矢量模型的稳健波束成形优化方法,首先构建各向同性传感器阵列,并初始化设置阵列的参数;然后再根据当前参数求解得到当前迭代的波束赋形、辅助变量以及拉格朗日乘子;最后判断是否满足迭代停止条件,若是则输出当前迭代的波束赋形,结束波束成形优化,否则令迭代次数i加1,返回步骤S2。本发明通过提供比有界球体更严格的导向矢量不确定集,提高了导向矢量模型的稳健性,进而可以得到更加优化的波速成形结果。
Description
技术领域
本发明属于无线通信和阵列信号处理技术领域,具体涉及一种基于导向矢量模型的稳健波束成形优化方法的设计。
背景技术
无线通信领域中,阵列方向图综合技术在抑制旁瓣的同时导向阵列主瓣方向,来达到增强期望信号、抑制干扰的目的,在各种电子系统中得到了广泛的应用。然而,由于导向矢量(SV)的缺陷,它在实际应用中存在严重的性能下降问题。
许多早期的稳健波束成形方法研究采用了简单的对角加载技术,其中引入了波束赋形的L2正则化来提高鲁棒性,然而由于导向矢量(SV)的不确定性,其性能不佳。为了提高模型的鲁棒性,在稳健波束成形方法中考虑导向矢量(SV)的不确定性分布,采用有界球体模型来描述导向矢量(SV)的不确定性,即导向矢量(SV)扰动的L2范数由某个给定的常数限定,然后基于最小方差准则建立模型。在此基础上,基于球体不确定模型建立了一般秩信号子空间的鲁棒模式综合方法,其中扰动矩阵(而不是扰动向量)的范数是有界的。除了将导向矢量扰动的范数作为一个整体进行限定外,还有方法进一步限制了阵列波束形成器和导向矢量(SV)中单元的不确定性,最终在波束成形优化问题的目标中得到L1正则化惩罚项。然而这些方法对导向矢量(SV)不确定性的限定条件仍然相对宽松,性能相对不高。
此外,尽管许多稳健波束成形方法已被证明是可以解决的,例如可以通过二阶锥规划(SOCP)进行问题求解,但仍然迫切需要开发计算效率高的算法,使这些稳健波束成形方法在实践中得以适用。
发明内容
本发明的目的是提出一种基于导向矢量模型的稳健波束成形优化方法,在相同的扰动场景中,提供比有界球体更严格的导向矢量不确定集,提高导向矢量模型的稳健性,进而得到更加优化的波速成形结果。
本发明的技术方案为:一种基于导向矢量模型的稳健波束成形优化方法,包括以下步骤:
S1、构建各向同性传感器阵列,并初始化设置阵列的参数。
S2、根据当前参数求解得到当前迭代的波束赋形、辅助变量以及拉格朗日乘子。
S3、判断是否满足迭代停止条件,若是则输出当前迭代的波束赋形,结束波束成形优化,否则令迭代次数i加1,返回步骤S2。
进一步地,步骤S1中初始化设置的阵列的参数包括:
主瓣方向θ0;
旁瓣方向Θ={θ1,θ2,…,θM};
最坏情况下的主瓣响应η,0≤η<<1;
惩罚因子ρ;
初始迭代次数i=1;
最大迭代次数imax;
最小误差err;
进一步地,步骤S2中的当前迭代的波束赋形的计算公式为:
wi=A-1bi-1
其中ti的计算公式为:
其中m=1,2,…,M。
其中n=1,2,…,N。
其中0≤m≤M。
其中1≤n≤N。
进一步地,步骤S3中的迭代停止条件为:波束赋形wi满足||wi-vi||2<err或者迭代次数i满足i>imax,其中||·||2表示二范数。
本发明的有益效果是:本发明提供的导向矢量模型分别研究了每个导向矢量(SV)单元的振幅和相位扰动,而不是将导向矢量(SV)扰动作为一个整体限定在L2范数范围内,该模型比现有的单元不确定性模型更实用;同时在相同的扰动场景中,本发明通过提供比常用的有界球体更严格的导向矢量不确定集,提高了导向矢量模型的稳健性,进而可以得到更加优化的波束成形结果。
附图说明
图1所示为本发明实施例提供的一种基于导向矢量模型的稳健波束成形优化方法流程图。
图2所示为本发明实施例提供的相同扰动情况下两种正则化方法的不确定性集对比示意图。
图3所示为本发明实施例提供的三种情况下最坏情况旁瓣电平对比示意图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解,附图中示出和描述的实施方式仅仅是示例性的,意在阐释本发明的原理和精神,而并非限制本发明的范围。
本发明实施例提供了一种基于导向矢量模型的稳健波束成形优化方法,如图1所示,包括以下步骤S1~S3:
S1、构建各向同性传感器阵列,并初始化设置阵列的参数。
步骤S1中初始化设置的阵列的参数包括:
主瓣方向θ0;
旁瓣方向Θ={θ1,θ2,…,θM};
最坏情况下的主瓣响应η,0≤η<<1;
惩罚因子ρ;
初始迭代次数i=1;
最大迭代次数imax;
最小误差err;
S2、根据当前参数求解得到当前迭代的波束赋形、辅助变量以及拉格朗日乘子。
步骤S2中的当前迭代的波束赋形的计算公式为:
wi=A-1bi-1
其中ti的计算公式为:
xi θm的计算公式为:
其中m=1,2,…,M。
其中n=1,2,…,N。
其中0≤m≤M。
其中1≤n≤N。
S3、判断是否满足迭代停止条件,若是则输出当前迭代的波束赋形,结束波束成形优化,否则令迭代次数i加1,返回步骤S2。
步骤S3中的迭代停止条件为:波束赋形wi满足||wi-vi||2<err或者迭代次数i满足i>imax,其中||·||2表示二范数。
下面以一个具体实施例对本发明提供的一种基于导向矢量模型的稳健波束成形优化方法的原理及效果作进一步描述:
本发明实施例中,构建的各向同性传感器阵列为具有半波长间隔的均匀线性阵列(ULA),主瓣方向θ0=90°,旁瓣区域指定为Θ=[0°,85°]∪[95°,180°],每间隔1°采样,M=172,传感器阵元个数N=30,推测的导向矢量惩罚因子ρ=1,最坏情况主瓣响应η=0.05。
导向矢量没有误差时波束成形问题可以表述为以下的最小最大问题:
其中w表示波束赋形矩阵,上标H表示Hermitian转置。然而,这种方法对推测和实际导向矢量之间的不匹配非常敏感,由于阵元位置误差、传感器校准失真和结构散射等原因,误差在实际应用中无法避免。
基于不确定集Cθ,鲁棒波束成形问题可以表述为:
接下来采用最坏情况标准来避免处理无限多个约束,基于最坏情况标准的鲁棒波束成形问题表示为:
其中η控制最坏情况下的主瓣响应,0≤η<<1。
上述问题等价为:
由于约束,上述最小最大问题仍然是非凸的。由于旋转w的相位不会改变最优性,因此问题可以等效为凸SOCP(二阶锥规划)问题:
v=w.
其中ρ为惩罚因子,λ=[λ0,λ1,…,λM]T,γ=[γ1,γ2,…,γN]T为拉格朗日乘子,Lρ(w,v,x,t,λ,γ)为增广拉格朗日函数,定义为:
其中上标*表示共轭转置,划分变量为两块进行求解:
其中i为迭代次数索引。
本发明所提出的稳健波束成形优化方法本质上属于L1正则化方法,而基于有界球体不确定性模型||Δaθ||2≤ε的方法属于L2正则化方法,其中Δaθ表示导向矢量aθ的扰动,ε表示惩罚因子。图2展示了N=2的情况下这两种方法的区别,由图2可知,本发明提出的稳健波束成形优化方法中|Δaθ,1|≤δ1,|Δaθ,2|≤δ2,基于有界球体不确定性模型中显而易见,本发明提出的稳健波束成形优化方法给出了一个更为严格的不确定性集,特别是当相互不同时。因此,对于相同的扰动情况,本发明所提出的稳健波束成形优化方法通常具有较低的最坏情况旁瓣电平。
下面对以下三种情况的最坏情况旁瓣电平进行对比:
(1)本发明提出的基于导向矢量模型的稳健波束成形优化方法;
(3)假设获得确定导向矢量的一般波束成形方法。
对比结果如图3所示,从图3中可以看到,在导向矢量(SV)不确定的情况下,最坏情况旁瓣电平随着两种稳健波束成形优化方法SV的不确定性增加而增加。同时可以观察到,本发明提出的方法优于L2正则化方法,因为本发明采用的单元SV不确定性模型给出了比有界球体模型更严格的不确定集,从而产生更低的最坏情况旁瓣电平,提高了导向矢量模型的稳健性,进而可以得到更加优化的波束成形结果。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种基于导向矢量模型的稳健波束成形优化方法,其特征在于,包括以下步骤:
S1、构建各向同性传感器阵列,并初始化设置阵列的参数;
S2、根据当前参数求解得到当前迭代的波束赋形、辅助变量以及拉格朗日乘子;
S3、判断是否满足迭代停止条件,若是则输出当前迭代的波束赋形,结束波束成形优化,否则令迭代次数i加1,返回步骤S2;
所述步骤S1中初始化设置的阵列的参数包括:
主瓣方向θ0;
旁瓣方向Θ={θ1,θ2,…,θM};
最坏情况下的主瓣响应η,0≤η<<1;
惩罚因子ρ;
初始迭代次数i=1;
最大迭代次数imax;
最小误差err;
8.根据权利要求3所述的稳健波束成形优化方法,其特征在于,所述步骤S3中的迭代停止条件为:波束赋形wi满足||wi-vi||2<err或者迭代次数i满足i>imax,其中||·||2表示二范数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910148068.7A CN109639332B (zh) | 2019-02-28 | 2019-02-28 | 一种基于导向矢量模型的稳健波束成形优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910148068.7A CN109639332B (zh) | 2019-02-28 | 2019-02-28 | 一种基于导向矢量模型的稳健波束成形优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109639332A CN109639332A (zh) | 2019-04-16 |
CN109639332B true CN109639332B (zh) | 2020-06-09 |
Family
ID=66066128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910148068.7A Active CN109639332B (zh) | 2019-02-28 | 2019-02-28 | 一种基于导向矢量模型的稳健波束成形优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109639332B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988854B (zh) * | 2019-12-24 | 2022-10-28 | 西安电子科技大学 | 基于交替方向乘子法的鲁棒自适应波束形成算法 |
CN111313948B (zh) * | 2020-02-14 | 2021-05-28 | 北京邮电大学 | 一种信号传输方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135026A (zh) * | 2017-04-11 | 2017-09-05 | 电子科技大学 | 未知互耦存在时基于矩阵重构的稳健波束形成方法 |
CN107728112A (zh) * | 2017-09-29 | 2018-02-23 | 西安电子科技大学 | 在目标导向矢量严重失配情况下的稳健波束形成方法 |
CN108872946A (zh) * | 2018-04-20 | 2018-11-23 | 西安电子科技大学 | 导向矢量和协方差矩阵联合迭代的稳健波束形成方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944624B (zh) * | 2014-03-25 | 2017-07-18 | 电子科技大学 | 基于迭代算法的稳健波束形成方法 |
CN108600133B (zh) * | 2018-04-19 | 2020-12-15 | 深圳大学 | 一种基于阵列天线的欠定相位恢复方法 |
-
2019
- 2019-02-28 CN CN201910148068.7A patent/CN109639332B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135026A (zh) * | 2017-04-11 | 2017-09-05 | 电子科技大学 | 未知互耦存在时基于矩阵重构的稳健波束形成方法 |
CN107728112A (zh) * | 2017-09-29 | 2018-02-23 | 西安电子科技大学 | 在目标导向矢量严重失配情况下的稳健波束形成方法 |
CN108872946A (zh) * | 2018-04-20 | 2018-11-23 | 西安电子科技大学 | 导向矢量和协方差矩阵联合迭代的稳健波束形成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109639332A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN107315162B (zh) | 基于内插变换和波束形成的远场相干信号doa估计方法 | |
CN106569181A (zh) | 基于协方差矩阵重构稳健Capon波束形成的算法 | |
CN107219511B (zh) | 波束-多普勒方向图稀疏约束的stap方法及装置 | |
CN109639332B (zh) | 一种基于导向矢量模型的稳健波束成形优化方法 | |
CN109959899A (zh) | 特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法 | |
Xiao et al. | MVDR algorithm based on estimated diagonal loading for beamforming | |
CN110888105B (zh) | 一种基于卷积神经网络和接收信号强度的doa估计方法 | |
CN111046591B (zh) | 传感器幅相误差与目标到达角度的联合估计方法 | |
CN105306123A (zh) | 一种抗阵列系统误差的稳健波束形成方法 | |
Zhang et al. | Robust quasi-adaptive beamforming against direction-of-arrival mismatch | |
Zhang et al. | Sidelobe suppression for adaptive beamforming with sparse constraint on beam pattern | |
CN109600152A (zh) | 一种基于子空间基变换的自适应波束形成方法 | |
CN108414993B (zh) | 基于重采样的cold阵列波达方向和极化参数联合估计方法 | |
CN115372925A (zh) | 一种基于深度学习的阵列稳健自适应波束形成方法 | |
CN113780533B (zh) | 基于深度学习及admm的自适应波束成形方法及系统 | |
Zhou et al. | Robust superdirective beamforming for HF circular receive antenna arrays | |
CN110895327B (zh) | 基于直接凸优化建模的鲁棒性自适应波束形成方法 | |
Ward et al. | A comparison of robust adaptive beamforming algorithms | |
Qiu et al. | Robust adaptive monopulse algorithm based on main lobe constraints and subspace tracking | |
CN106599551A (zh) | 一种用于阵列天线足球机器人的快速自适应波束形成算法 | |
Liu et al. | SVR-CMT algorithm for null broadening and sidelobe control | |
CN113050027A (zh) | 一种幅相误差情况下基于稀疏重构的波达方向估计方法 | |
CN114647931A (zh) | 一种基于期望信号消除和空间谱估计的稳健波束形成方法 | |
Song et al. | Robust adaptive beamforming under quadratic constraint with recursive method implementation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |