文档介绍：摘要摘要空间信号自适应波束形成与参数估计是阵列信号处理中的两个主要研究内容。其在雷达、声纳、地震探测、电子侦察、射电天文等领域有广泛而重要的应用前景。本文研究了不同应用背景和实际环境中空间信号自适应波束形成和参数估计问题。给出了一些有效的算法,并通过理论分析和仿真实验进行了验证。主要工作包括以下几个方面:,将标准的Capon波束形成(StandardCaponBeamforming,SCB)算法的高维权向量分解成两个低维权向量的Kronecker积的形式,通过双迭代算法求解两个低维权向量,再还原成所需的高维权向量。由于使用的数据矩阵维数比SCB算法的相关矩阵维数大大降低,相同情况下用较小的快拍可得到较优的采样数据矩阵的估计,使得所给算法在小快拍下性能优于标准的SCB波束形成算法。分解的两个权向量维数明显降低,使用数据矩阵也避免了大维数采样协方差矩阵的求逆,计算量显著减小。理论上详细分析并对比了所提算法和经典Capon法的计算量。仿真实验对所给算法的收敛速度、方向图、信噪比及快拍变化下的输出信干噪比、指向误差变化下的输出信干噪比等性能进行了研究。,提出一种非酉联合对角化算法估计二维频率。利用二维数据的旋转不变性,构造四个具有对角结构的数据矩阵,在时域进一步扩展,形成一组对角结构的数据矩阵。通过数据矩阵组的联合对角化,实现二维频率的估计,所得二维频率能自动配对。相对最近提出的多阶段分解与重构算法,该方法每步迭代具有精确的最小二乘闭式解,消除了多阶段算法的累积误差,提高了估计精度。在理论上证明了所提算法的渐近收敛性。,并将其应用到波达方向估计和谐波恢复中。利用平移不变阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵。为抑制噪声、减少计算量并加快收敛速度,对矩阵组降维处理,利用降维后相关矩阵组的结构信息,基于非线性最小二乘建立二次代价函数,提出一种新的三迭代算法(T∽求解波达方向。谐波恢复中也有类似的结构信息,利用TIA算法同样可恢复谐波信号。所求的波达方向和恢复的谐波频率均不需要配对算法支持,能实现自动配对。仿真结果证实了所提算法的有效性。所提的TIA算法是上述非酉联合对角化算法的进一步推广,其右对角化因子矩阵具有多样性,可解决更广泛的一类问题。。由于引入了辅助变量,使得该算法可用于色噪声下的波达方向跟踪。该方法采用秩l更新结构,构造两个无约束的代价函数,求其递归最小二乘解获得信号子空间。为了简化运算,将推导过程进行了两次近似,运算复杂度显著降低。最后对跟踪结果正交化,获得了良好的正交性。理论上计算并对比了本章算法和经典的EIV-PAST算法的计算量。仿真实验在快变化和慢变化两种情况下对所提算法和EIV-PAST算法的跟踪结果进行了观察。对两种算法跟踪的信号子空间的误差、子空间夹角、正交性误差进行了对比。关键词:自适应波束形成,阵列信号处理,参数估计,波达方向,频率估计,谐波恢复,特征子空间,波达方向跟踪??≤????????????????,sonar,seismicexploration,,ete·thisdissertationaimsattheproblemsofadaptivebe锄formillgandestimationofsignalparametersindifferentpracticalenvironments,:I·Basedonthedatamatrix,)ISproposedtoimplementthetwo-dimension|(2一D)(SCB)