金 偉，賈維敏，張峰干，姚敏立

（1.第二炮兵工程大學(xué)，陜西 西安 710025；2.解放軍96265部隊，河南 南陽 473139）

0 引言

自適應(yīng)波束形成可以增強期望信號，并對噪聲和干擾信號進行有效抑制，已被廣泛應(yīng)用于雷達、聲納、射電天文、地震學(xué)、通信和醫(yī)療成像等領(lǐng)域［1］。然而，當(dāng)陣列導(dǎo)向矢量和接收數(shù)據(jù)協(xié)方差矩陣存在失配誤差時，自適應(yīng)波束形成器性能惡化，因此，如何增強自適應(yīng)波束形成器的魯棒性一直是學(xué)者們研究的一個熱點問題［2］。

針對Capon波束形成器這一典型的自適應(yīng)波束形成器［3］，目前提出了許多種魯棒波束形成算法。在傳統(tǒng)方法中，較具代表性的是對角加載算法［4］和特征子空間法［5］，但前者存在加載量難以選取的問題，而后者在信噪比較低和信號加干擾維數(shù)較高時性能受到限制。近年來，基于不確定集理論發(fā)展起來的魯棒自適應(yīng)波束形成算法，具有清晰的理論架構(gòu)，是目前公認的較為有效的魯棒算法，其典型代表為最差性能最優(yōu)法（Worst－Case，WC）［6］和魯棒 Capon波束法（Robust Capon Beamformer，RCB）［7］。該類方法通過對導(dǎo)向矢量的失配誤差進行建模，將其限定在球體或橢球體內(nèi)，從而將問題轉(zhuǎn)化為凸優(yōu)化問題或?qū)ψ顑?yōu)加載量的數(shù)值求解問題，后續(xù)許多算法都是對這類算法的改進和再創(chuàng)新［8－9］。另外，由于大多數(shù)魯棒波束形成算法不能對波束形成器主瓣進行精確控制，文獻［10—11］提出了可以自由控制主瓣魯棒響應(yīng)區(qū)寬度和紋波水平的魯棒波束形成器，文獻［12］將之推廣至寬帶魯棒波束形成。

然而，上述魯棒波束形成方法基本上都是基于多通道陣列接收系統(tǒng)進行設(shè)計的，它們都需要知道接收數(shù)據(jù)協(xié)方差陣，才可以對問題進行建模求解。為得到接收數(shù)據(jù)協(xié)方差陣，每一個陣元對應(yīng)接收機的一個通道，即一個陣元接一個接收機，隨著陣元數(shù)的增加，接收機數(shù)量也要增加，因此陣元一多，造價就會很昂貴［13－17］。為減小硬件規(guī)模，降低系統(tǒng)成本，基于單通道接收機的陣列信號處理方法近年來得到發(fā)展，但其大多用于 DOA 估計［14－17］和無約束的波束形成［13］，并未用于帶有約束處理的魯棒波束形成。

針對以上問題，本文提出了基于單通道接收機的最差性能最優(yōu)魯棒Capon波束形成算法。

1 問題描述

對一個具有M個陣元的線性陣列，其輸出通?？杀硎緸椋?/p>

式（1）中，w ＝ ［w1，w2，…，wM］T為自適應(yīng)陣列加權(quán)矢量，y（k）為陣列輸出，k代表采樣時刻，（·）T和（·）H分別表示轉(zhuǎn)置和共軛轉(zhuǎn)置運算，x（k）為M×1維接收數(shù)據(jù)矢量，可表示為：

式（2）中，s（k），i（k），n（k）分別為期望信號、干擾信號和高斯白噪聲分量，s（k）為期望信號波形，θ0為期望信號方向，a（θ0）為期望信號對應(yīng)的導(dǎo)向矢量。

1.1 最小方差無失真響應(yīng)波束形成器

最小方差無失真響應(yīng)波束形成器是一種典型的自適應(yīng)波束形成器，通常可表示為［3］：

由于這一式子的最優(yōu)解最早是由Capon求出的，因此又稱為Capon波束形成器。式（3）中，Ri＋n表示干擾加噪聲協(xié)方差矩陣，由于在實際中難以得到，一般都用陣列輸出的采樣協(xié)方差矩陣代替，取采樣快拍數(shù)為N，則采樣協(xié)方差矩陣可表示為：

實際中真實的θ0難以精確獲得，常用假定值θ－0代替。由于與θ0之間存在一定的失配誤差，導(dǎo)致假設(shè)的期望導(dǎo)向矢量與真實值存在失配誤差，因此期望信號有可能被當(dāng)作干擾而抑制掉，且這種情況隨著期望信號功率的增加愈加嚴重，此時Capon波束器的性能嚴重惡化。

為提高Capon波束形成器的魯棒性，學(xué)者們提出了多種魯棒波束形成算法。對角加載算法（Loaded Sample Matrix Inversion，LSMI）是一種較為常用的魯棒波束形成算法，可以描述為［4］：

通過引入對角加載矩陣，LSMI算法對噪聲子空間的擾動具有一定的抑制能力，從而在一定程度上提高了波束形成器的魯棒性。該算法的關(guān)鍵問題就是加載因子λ難以選擇，其中一個經(jīng)驗取法就是λ等于10倍的噪聲功率［4］。但是，這種參數(shù)選擇方法具有很大的隨意性，其效果也有限。許多優(yōu)秀的不確定集方法都被證明是一種廣義對角加載算法，它們之所以效果較好是因為能夠找到一個在某種意義上最優(yōu)的對角加載因子［7］。

1.2 單通道接收機系統(tǒng)

為縮減硬件規(guī)模，降低系統(tǒng)成本，削弱通道幅相特性不一致問題對系統(tǒng)性能的影響，學(xué)者們提出用單通道接收機來進行陣列信號處理［13－17］。

圖1給出了典型的單通道接收機系統(tǒng)示意圖［13］。在多通道陣列接收系統(tǒng)中，每個陣元接收的射頻信號均由一路通道完成下變頻，成為基帶信號，而后進行采樣合并。單通道接收機系統(tǒng)則不一樣，如圖1所示，單通道接收機系統(tǒng)在射頻階段進行信號合并，只需要一路接收系統(tǒng)對信號進行下變頻。相比于傳統(tǒng)的多通道陣列接收系統(tǒng)，單通道接收機系統(tǒng)硬件數(shù)量大為減少，系統(tǒng)成本大為降低，同時，也克服了多通道接收系統(tǒng)的通道幅相不一致問題。在單通道接收機系統(tǒng)中，可以進行測量的信息僅為陣列的輸出功率，每個陣元接收的基帶信號卻難以獲得以形成接收數(shù)據(jù)協(xié)方差矩陣，因此需要先對協(xié)方差矩陣進行估計。

圖1 單通道接收機Fig.1 Single－channel receiver

2 基于單通道接收機的最差性能最優(yōu)魯棒波束形成

提出的RCB－SPR算法可分為兩步：首先對單通道接收機的輸出功率運用權(quán)微擾算法估計出接收數(shù)據(jù)協(xié)方差矩陣，然后將問題轉(zhuǎn)化為最差性能最優(yōu)的魯棒Capon波束形成，從而對真實導(dǎo)向矢量進行估計。

2.1 協(xié)方差矩陣估計

采用權(quán)微擾算法［14－15］對協(xié)方差矩陣進行估計。對平穩(wěn)隨機信號來說，集合平均和時間平均等效，假設(shè)接收機接收的信號為平穩(wěn)隨機信號，則有：

對輸出功率來說，則有：

對權(quán)矢量進行微小擾動，取w＋＝w0＋Δw和w－＝w0－Δw，式中Δw為權(quán)w0附近的微擾，利用兩次擾動后的陣列輸出功率，可得

不失一般性，取矩陣R為赫米特陣，即R＝Rr＋iRj，式（9）中Rr是對稱的（Ri＝），Rj為反對稱的（Rj＝－）。給定Δw＝Δwr＋iΔwj，則有：

適當(dāng)選擇Δw、R的各元素可以通過接收機的輸出y（t）估計得到［15］，即

1）置Δwr＝ei（ei＝ ［0…1…0］T，1在位置i上）和Δwi＝0，則Rr的第i個對角線元素等于ΔwHRΔw；

2）置Δwr＝ei＋ej和Δwi＝0，Rr的元素（i，j），j＞i，可由［ΔwHRΔw－Rr（i，i）－Rr（j，j）］／2求得；

3）Rr剩下的元素可通過對稱性求得；

4）由于反對稱性，Ri的對角線上元素等于零；

5）置Δwr＝ej和Δwi＝ei，Ri的元素（i，j），j＞i，可由［ΔwHRΔw－Rr（i，i）－Rr（j，j）］／2求得；

6）Ri剩下的元素可通過反對稱性求得。

如此，我們就可以對陣列輸出的協(xié)方差矩陣進行估計。

2.2 最差性能最優(yōu)的魯棒波束形成算法

在實際中，由于快拍數(shù)量有所限制，再加上由權(quán)微擾算法估計協(xié)方差矩陣過程中引入的誤差，最終估計的協(xié)方差矩陣與真實值R之間存在一定的失配誤差。因此，我們可將式（3）的Capon波束器轉(zhuǎn)化為：

式（11）的優(yōu)化問題可轉(zhuǎn)化為：

此時，式（12）的最優(yōu)解為：

同文獻［7］一樣，可以將式（12）的優(yōu)化問題進行轉(zhuǎn)化，令其目標函數(shù)為期望信號功率最大化（即令式（14）分母最小化）。同時，為了有效克服導(dǎo)向矢量失配誤差對自適應(yīng)波束形成器的影響，可以將導(dǎo)向矢量約束在一個以假定值為中心的不確定球集內(nèi)（其半徑為γ）。這樣，問題可以描述為：

如此，可以采用凸優(yōu)化工具箱，或者類似于文獻［7］采用的數(shù)值解方法對式（15）進行求解，從而對真實的導(dǎo)向矢量進行估計。

需要說明的是：1）經(jīng)權(quán)微擾算法估計出協(xié)方差矩陣，再經(jīng)本文的最差性能最優(yōu)式（11）處理后，也可適用于其他魯棒波束形成算法，如文獻［6］的算法，在此不再贅述；2）僅看式（12）可以發(fā)現(xiàn)，它與式（5）的對角加載LSMI算法具有相同的形式。這表明最差性能最優(yōu)的思想本質(zhì)也就是找到一個在最差性能最優(yōu)意義下的最優(yōu)加載因子，這里關(guān)于參數(shù)ε的選擇我們參照文獻［11］，取為ε＝0.（1，1）（（1，1）指的是的第一行第一列元素）。如此一來，ε可隨信號功率的變化而變化，能夠較好地對的失配誤差進行有效約束。

3 實驗仿真及結(jié)果分析

假設(shè)陣列為間隔半波長的均勻線陣，陣元數(shù)為10，均為全向陣元。加載的噪聲為零均值、單位方差的空間高斯白噪聲。假設(shè)兩個干擾信號分別從－40°和60°入射，功率均為30dB。假設(shè)期望信號來波方向為3°。實驗對對角加載算法LSMI［4］、最差性能最優(yōu)法（Worst－Case，WC）［6］、魯棒 Capon法RCB［7］和本文提出的RCB－SPR算法進行比較。除本文RCB－SPR算法外，其他算法均采用多通道接收機采樣的數(shù)據(jù)進行計算。實驗采用100個快拍，實驗結(jié)果來自100次獨立的蒙特卡羅實驗。WC算法中不確定集大小取為文獻［6］推薦的0.3 M，RCB和本文RCB－SPR算法不確定集大小取為4。

3.1 實驗1：歸一化方向圖比較

該實驗主要比較幾種算法的歸一化方向圖。實驗中期望信號功率為10dB。期望信號真實方向為0°。圖2給出了幾種算法的歸一化方向圖。

圖2 歸一化方向圖Fig.2 Normalized beampatterns

從圖2可知：SMI算法在真實信號方向形成了較深的零陷，這表明SMI算法將真實信號當(dāng)成干擾進行抑制，實際上期望信號功率越大，這種抑制作用會越明顯，因此在真實信號方向形成的零陷就會越深。LSMI算法具有一定的魯棒性，在真實信號方向形成的零陷不如SMI深，但其魯棒性并不是特別強。從方向圖比較來看，RCB－SPR算法效果較好。

3.2 實驗2：期望信號方向失配時不同SNR下的輸出SINR比較

該實驗主要檢驗RCB－SPR算法在期望信號存在方向失配時不同輸入信噪比（Signal to Noise Ratio，SNR）下的輸出信干噪比（Signal to Interference and Noise Ratio，SINR），并與現(xiàn)有方法比較。實驗中期望信號真實方向為0°。圖3給出了幾種算法的輸出SINR隨輸入SNR變化的情況。

圖3 SINR與SNR關(guān)系圖（存在方向失配）Fig.3 Output SINR versus SNR （no DOA mismatch）

從圖3可以看出，SMI算法基本不具備魯棒性。LSMI算法在低SNR時具備一定的魯棒性，但隨著SNR的增加，LSMI的魯棒控制能力變得很差，輸出SINR明顯下降。WC算法、RCB算法和本文的RCB－SPR算法魯棒性較好，且本文在單通道接收機環(huán)境下的RCB－SPR算法與在多通道陣列接收環(huán)境下的 WC、RCB算法性能相當(dāng)，從系統(tǒng)成本角度來看，本文算法優(yōu)勢更為明顯。

3.3 實驗3：期望信號和干擾同時存在隨機方向失配時不同SNR下的輸出SINR比較

該實驗主要檢驗期望信號和干擾同時存在隨機方向失配時RCB－SPR算法的性能。實驗中，期望信號、干擾信號的隨機方向失配誤差在［－3°，3°］內(nèi)服從均勻分布。也就是說，期望信號DOA在［0°，6°］內(nèi)均勻隨機分布，兩個干擾信號DOA分別在［－43°，－37°］和［57°，63°］內(nèi)均勻隨機分布，但在每次蒙特卡羅實驗中，信號DOA均保持恒定。圖4給出了該條件下幾種算法的輸出SINR與輸入SNR的關(guān)系圖。

圖4 SINR與SNR關(guān)系圖（隨機方向失配）Fig.4 Output SINR versus SNR （random DOA mismatch）

從圖中可以看出，SMI算法基本不具備魯棒性，而LSMI算法的魯棒性隨SNR增加而下降。本文的RCB－SPR算法與WC、RCB算法性能相當(dāng)，都能較好地克服隨機方向失配對自適應(yīng)波束形成器的影響。

4 結(jié)論

本文提出了基于單通道接收機的最差性能最優(yōu)魯棒Capon波束形成算法。該算法基于低成本的單通道接收機環(huán)境，使用權(quán)微擾算法對協(xié)方差矩陣進行估計，然后將問題轉(zhuǎn)化為最差性能最優(yōu)的魯棒Capon波束形成器。仿真結(jié)果表明：提出的算法在單通道接收機條件下，對導(dǎo)向矢量失配誤差具有很強的魯棒性，其性能與基于多通道陣列接收環(huán)境下的優(yōu)秀的不確定集類方法性能相當(dāng)。提出的算法可以較好地適用于單通道接收機，有效節(jié)省系統(tǒng)成本，下一步將繼續(xù)以單通道接收機為背景，研究信號源DOA移動情況下的魯棒波束形成問題。

［1］Trees H L Van.Optimum array processing［M］.New York，USA：Wiley Press，2002.

［2］Li J，Stoica P.Robust adaptive beamforming［M］.New Jersey，USA：Wiley，2005.

［3］Capon J.High－resolution frequency－wavenumber spectrum analysis［J］.Proceedings of the IEEE，1969，57（8）：1 408－1 418.

［4］Carlson B D.Covariance matrix estimation errors and diagonal loading in adaptive arrays［J］.IEEE Transactions on Aerospace and Electronic Systems，1988，24（4）：397－401.

［5］Feldman D D，Griffiths L J.A projection approach for robust adaptive beamforming［J］.IEEE Transactions on Signal Processing，1994，42（4）：867－876.

［6］Vorobyov S A，Gershman A B，Luo Z Q.Robust adaptive beamforming using worst－case performance optimization：a solution to the signal mismatch problem［J］.IEEE Transactions on Signal Processing，2003，51（2）：313－324.

［7］Li J，Stoica P，Wang Z S.On robust capon beamforming and diagonal loading［J］.IEEE Transactions on Signal Processing，2003，51（7）：1 702－1 715.

［8］Shahbazpanahi S，Gershman A B，Luo Z Q，et al.Robust adaptive beamforming for general－rank signal models［J］.IEEE Transactions on Signal Processing，2003，51（9）：2 257－2 269.

［9］Jin W，Jia W M，Yao M L，et al.Iterative doubly constrained robust Capon beamformer［J］.Electronics Letters，2011，47（25）：1 372－1 373.

［10］Yu Z L，Ser W，Er M H，et al..Robust adaptive beamformers based on worst－case optimization and constraints on magnitude response［J］.IEEE Transactions on Signal Processing，2009，57（7）：2 615－2 628.

［11］Liao B，Tsui K M，Chan S C.Robust beamforming with magnitude response constraints using iterative secondorder cone programming［J］.IEEE Transactions on Antennas and Propagation，2011，59（9）：3 477－3 482.

［12］陳明建，羅景青.基于幅度響應(yīng)約束的穩(wěn)健自適應(yīng)寬帶波束形成［J］.探測與控制學(xué)報，2011，33（5）：34－40.CHEN Mingjian，LUO Jingqing.Robust adaptive broadband beamforming based on constraints magnitude response［J］.Journal of Detction and Control，2011，33（5）：34－40.

［13］Fakharzadeh M，Jamali S H，Mousavi P，Safavi－Naeini S.Fast beamforming for mobile satellite receiver phased arrays：theory and experiment［J］.IEEE Transactions on Antennas and Propagation，2009，57（6）：1 645－1 654.

［14］趙益民，鞠德航.協(xié)方差矩陣的微擾權(quán)算法［J］.電子學(xué)報，1996，24（3）：125－127.ZHAO Yimin，JU Dehang.A wight perfurbation algorithm of the covariance matrix［J］.Acta Electronica Sinica 1996，24（3）：125－127.

［15］趙益民，鞠德航.單通道接收機實施空間譜估計測向［J］.通信學(xué)報，1997，18（2）：7－11.ZHAO Yimin，JU Dehang.The spatial spectrum estimation direction finding via a single port receiver［J］.Journal of China Institute of Communications，1997，18（2）：7－11.

［16］葉中付，吳濤.用單通道接收機實現(xiàn)方位超分辨的一種方法［J］.信號處理，2001，17（2）：192－194.YE Zhongfu，WU Tao.A method for super－resolution direction finding with single channel receiver［J］.Signal Processing，2001，17（2）：192－194.

［17］張珂，馬鵬，張劍云.單通道陣列無失真空時二維譜估計算法［J］.數(shù)據(jù)采集與處理，2011，26（6）：654－660.ZHANG Ke，MA Peng，ZHANG Jianyun.Distortionless space－time spectrum estimate algorithm in switch antenna array system［J］.Journal of Data Acquisition and Processing，2011，26（6）：654－660.