下载文档原格式
西工大《阵列信号处理》复习考点整理考试形式：一、8道问答题，每道题5分；二、六道大题，包括PPT 上老师给出的那一道。
一1. 均匀线列阵在波束扫描时，波束图怎么变化？当波束指向法线方向时，波束图具有最窄的主瓣宽度；随着阵元指向逐渐远离法线方向，主瓣一直指向所调方向并且展宽；除了指向法线方向外，主瓣都关于波束倾角轴不对称；当达到某一临界角时不能形成波束，但是在端射方向又可以形成波束。
且在端射方向形成一个较宽的主瓣。
2．DI 是什么？DI 表示指向性指数，其表达式为D 为方向性，是阵列和孔径的一个常用性能度量。
⎰⎰⋅=ππφθθφθπφθ200),(sin 41),(P d d P D T T 3. DC 加权的特点（1）旁瓣级给定时，主瓣宽度最小； （2）主瓣宽度给定时，旁瓣级最低； （3）等旁瓣级。
4. 频域快拍模型是什么，步骤是什么，常用的频域快拍取的时间有什么关系？ （1）记住《最优阵列处理技术》245页图5.1 （2）步骤：①把总的观测时间T 分为K 个不重叠的时间区域，区域长度为△T ； ②对时域快拍进行FT ；③对频域向量（频域快拍）进行窄带波束形成； ④对上述频域信号进行IFT 。
（3）△T 的选择准则①△T 必须远大于平面波通过阵列的传播时间；②△T 依赖于输入信号的带宽和信号的时域谱，16≥∆⋅T B （B*△T 足够大，选用频域快拍模型）。
5. 什么是均匀阵的瑞利限？常规波束形成分辨率的极限。
表达式为6. 空间白噪声的阵增益的相关计算。
阵列增益ωA 的定义为阵列的输出SNR 和一个阵元上的输入SNR 的比值。
下标“ω”表示空域不相关的噪声输入。
表达式如下：22101)()(--====∑nN n nin o SNR SNR A ωωωωω对于一个标准线阵（阵元间距为d=λ/2），白噪声阵列增益等于阵列的方向性D ； 对于一个均匀加权阵列，有ωn =1/N(n=0,…，N-1)，N A =ω(或单位为dB 时，为N log 10) 7. N 元ULA 可以分辨有多少来波？可以分辨N-1个来波个数（N 元阵有1个参考元，所以自由度为N-1）.二1. 对于阵元数N =5和N =6两种情况，推导并绘制标准均匀线列阵指向阵列法线方向，均匀加权得到的波束图)(u B ，注意旁瓣个数以及端射方向的波束形状。
信号子空间：设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑在无噪声条件下，()()()()()12,,,P x t span a a a θθθ∈称()()()()12,,,P span a a a θθθ为信号子空间，是N 维线性空间中的P 维子空间，记为P N S 。
P N S 的正交补空间称为噪声子空间，记为N P N N -。
正交投影设子空间m S R ∈，如果线性变换P 满足，()1),,,2),,,0m mx R Px S x S Px x x R y S x Px y ∀∈∈∀∈=∀∈∀∈-=且则称线性变换P 为正交投影。
导向矢量、阵列流形设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑，其中矢量()i ia θ称为导向矢量，当改变空间角θ，使其在空间扫描，所形成的矩阵称为阵列流形，用符号A 表示，即(){|(0,2)}a A θθπ=∈波束形成波束形成（空域滤波）技术与时间滤波相类似，是对采样数据作加权求和,以增强特定方向信号的功率，即()()()()HHy t W X t s t W a θ==，通过加权系数W 实现对θ的选择。
最大似然已知一组服从某概率模型()f X θ的样本集12,,,N X X X ，其中θ为参数集合，使条件概率()12,,,N f X X X θ最大的参数θ估计称为最大似然估计。
不同几何形态的阵列的阵列流形矢量计算问题假设有P 个信源，N 元阵列，则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元，其导向矢量()1[1]i a θ=然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ∆，则确定其导向矢量()2jn i a eπλθ∆=最后形成N 元阵的阵列流形矢量()11221N j j N Pe A e πλπλθ-∆∆⨯⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦ 例如各向同性的NxM 元矩形阵，阵元间隔为半个波长，当信源与阵列共面时：首先建立阵列几何模型：对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为(1)sin()(1)cos()mn i i n d m d θθ∆=---故：()1122(sin()cos())22((1)sin()(1)cos())11N j j d j j d N M NM P NM Pe e A e e ππθθλλππθθλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦而当信源与阵列不共面时： 首先将信源投影到阵列平面然后建立阵列模型对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为[(1)sin()(1)cos()]sin()mn i i i n d m d θθϕ∆=-+-故：()1122(sin()cos())cos()22((1)sin()(1)cos())cos()11N j j d j j d N M NM P NM Pe e A e e ππθθϕλλππθθϕλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦线性约束最小方差准则（LCMV ）的自适应波束形成算法： 对于信号模型：()()()0X t s t a J N θ=++， 波束形成输出：()()()()0()H H H yt W X t s t W a W J N θ==++LCMV 准则实际上是使()0HW a θ为一个固定值的条件下，求取使得()HWJ N +方差最小的W 作为最有权值，即：()0min .H X W HW R Ws t W a Fθ⎧⎪⎨⎪=⎩，其中F 为常数利用拉格朗日乘子法可解得：()10X opt W R a μθ-=当取1F =时，则()()11H X a R a μθθ-=，μ的取值不影响SNR 和方向图。
阵列信号处理是信号处理的一个年青的分支，属于现代信号处理的重要研究内容之一，其应用范围很广，可用于雷达、声呐、通信、地震勘察、射电天文和医用成像等众多领域。
阵列信号处理是将一组传感器在空间的不同位置按一定规则布置形成的传感器阵列（尽管采用的传感器的类型可以不同，如天线、水听器、听地器、超声探头、X射线检测器，但是传感器的功能是相同的，它是连接信号处理器和感兴趣的空间纽带），用传感器阵列发射能量和（或）接收空间信号，获得信号源的观测数据并加以处理。
阵列信号处理的目的是从这些观测数据中提取信号的有用特征，获取信号源的属性等信息。
目前，阵列信号处理在雷达及移动通信等领域有着广泛而重要的应用。
在相控阵雷达体制中，自适应波束形成技术在抑制杂波干扰方面起着关键的作用。
在移动通信中，基于阵列信号处理的波达方向估计技术，使移动通信进入一个崭新的阶段。
本论文首先介绍阵列信号处理的基础知识。
在此基础上，着重讨论阵列波束形成技术，非理想线性阵列的雷达信号波达方向和多普勒频率估计，均匀圆形阵列的信号波达方向估计和复杂信号的波达方向及参数估计等四方面内容。
这些内容都是阵列信号处理领域的研究热点。
它们无论对阵列信号处理的理论发展还是实际应用，都有重要的意义。
目前，人们普遍关注在阵列响应矢量未知情况下，自适应波束形成问题，即盲自适应波束形成技术。
本文第一方面介绍了最基本的阵列波束形成方法，即最小均方误差波束形成器，线性约束最小方差波束形成器和基于特征空间的波束形成器（ESB）。
在此基础上，提出一个基于特征空间的盲自适应波束形成算法。
此算法首先根据高分辨波达方向估计方法，估计信号源的波达方向，然后以此方向形成约束导向矢量，进而计算出ESB波束形成算法的最优权矢量，最后，对期望目标形成笔状波束。
此算法能够有效地抑制信号的对消现象，并且能够应用于在波束中有多个期望信号的场合。
当阵列存在各种误差时，一般高分辨波达方向估计方法（如MUSIC）的估计性能严重下降。
信号子空间：设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑在无噪声条件下，()()()()()12,,,P x t span a a a θθθ∈L称()()()()12,,,P span a a a θθθL 为信号子空间，是N 维线性空间中的P 维子空间，记为P N S 。
P N S 的正交补空间称为噪声子空间，记为N P N N -。
正交投影设子空间m S R ∈，如果线性变换P 满足，()1),,,2),,,0m mx R Px S x S Px x x R y S x Px y ∀∈∈∀∈=∀∈∀∈-=且则称线性变换P 为正交投影。
导向矢量、阵列流形设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑，其中矢量()i ia θ称为导向矢量，当改变空间角θ，使其在空间扫描，所形成的矩阵称为阵列流形，用符号A 表示，即(){|(0,2)}a A θθπ=∈波束形成波束形成（空域滤波）技术与时间滤波相类似，是对采样数据作加权求和,以增强特定方向信号的功率，即()()()()HHy t W X t s t W a θ==，通过加权系数W 实现对θ的选择。
最大似然已知一组服从某概率模型()f X θ的样本集12,,,N X X X K ，其中θ为参数集合，使条件概率()12,,,N f X X X θK 最大的参数θ估计称为最大似然估计。
不同几何形态的阵列的阵列流形矢量计算问题假设有P 个信源，N 元阵列，则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元，其导向矢量()1[1]i a θ=然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ∆，则确定其导向矢量()2jn i a eπλθ∆=最后形成N 元阵的阵列流形矢量()11221N j j N Pe A e πλπλθ-∆∆⨯⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦M 例如各向同性的NxM 元矩形阵，阵元间隔为半个波长，当信源与阵列共面时：首先建立阵列几何模型：对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为(1)sin()(1)cos()mn i i n d m d θθ∆=---故：()1122(sin()cos())22((1)sin()(1)cos())11N j j d j j d N M NM P NM Pe e A e e ππθθλλππθθλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦M M而当信源与阵列不共面时： 首先将信源投影到阵列平面然后建立阵列模型对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为[(1)sin()(1)cos()]sin()mn i i i n d m d θθϕ∆=-+-故：()1122(sin()cos())cos()22((1)sin()(1)cos())cos()11N j j d j j d N M NM P NM Pe e A e e ππθθϕλλππθθϕλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦M M线性约束最小方差准则（LCMV ）的自适应波束形成算法： 对于信号模型：()()()0X t s t a J N θ=++， 波束形成输出：()()()()0()H H H yt W X t s t W a W J N θ==++LCMV 准则实际上是使()0HW a θ为一个固定值的条件下，求取使得()HWJ N +方差最小的W 作为最有权值，即：()0min .H X W HW R Ws t W a Fθ⎧⎪⎨⎪=⎩，其中F 为常数利用拉格朗日乘子法可解得：()10X opt W R a μθ-=当取1F =时，则()()11H X a R a μθθ-=，μ的取值不影响SNR 和方向图。
在精确的方向矢量约束条件和相关矩阵精确已知的情况下，LCMV 准则与SNR 准则等效。
对于最有波束形成()1'0|n opt LCMV W R a μθ-=，其中n R 应不含信号分量。
SMI （采样协方差矩阵求逆）算法是在此准则上，用一批次采样数据(),1,2,,i X t i M =L 来估计得到n R ，()()()11MHn i i i R M X t Xt M∧==∑此估计为最大似然无偏估计，即：(),n n R M R M ∧→→∞()()()10n opt W M R M a μθ-∧=SMI 算法输出SNR 损失会随着M 的增加而减小，当M →∞，输出无损失；为了使性能损失不超过3dB ，一般取2M N >。
当精确的方向矢量约束条件和精确的相关矩阵已知的条件不满足时，直接使用()n R M ∧估计n R 求逆会产生信号相消的现象。
SMI 算法的收敛性受n R 特征值分散程度的影响，在超过一定临界值之后，若期望信号不含在R 中，则收敛较快，反之则会变慢；可利用对角加载改善收敛速度。
天线旁瓣相消问题（ASC ）自适应天线旁瓣相消器采用下面的结构，基于最小均方误差准则的最适应波束形成（MSE ）辅助天线增益小，与主天线旁瓣电平相当，无方向性，因此()yt 几乎仅为干扰信号，加在辅助天线的权矢量为1X Xd opt W R r -=；主天线与辅助天线对干扰信号接收输出信号相关性较好时，可获得好的干扰抑制性能。
广义天线旁瓣相消问题属于一种部分自适应设计，其结构框图如下：对于一般的最优波束形成有（LCMV 准则）()m t ()1x t ()2x t ()N x t()()t z t -()x t ()()Hn y t Cx t =()()HA z t W y t =0min :L 1C:N L L .HW H H H H A W RW F S t W C W C W C F⎧⨯⨯≥⎪⎨⎪ =-=⎩（1) 其权系数分为两部分：一部分为固定权0W （匹配滤波系数）；另一部分为自适应权A W ，依赖输入数据，计算最优权值时，只需要计算A W 。
令：00H HH A W C F W C ⎧=⎪⎨=⎪⎩ A n W C W =% 则：()0HHH A n n W C C W WC C ===%%，故有0HnC C = 而：0A W W W =-，故00()H H HH H A A W C W W C W C W C F =-=-=故：00A n W W W W C W=-=-%能满足约束方程，可将方程约束条件去掉 得：00min ()()HH n n WW RW W C W R W C W =--%%%，()()10H Hn n nW C RC CRW -=%信号被分成两个支路：上支路形成目标检测通道(0W 是匹配滤波权系数)；下支路形成辅助通道，用其加权求和去预测检测通道中的干扰信号进而对消掉。
对于输入信号()x t 有：()()()()()()0000n H H nnx t s t a x t C a C C C a θθθ=+===因为0Hn C C =，故有：()0()(()()())()()()HHH HH n n n n n n nn y t Cx t Cs t a x t C Cs t Cx t Cx t θ==+=+=所以下支路中()y t 不含目标信号，仅有干扰，n C 被称为信号阻塞矩阵（Block Matrix ），由n C 保证下支路中不含目标信号。
当精确的方向矢量约束条件或精确的相关矩阵未知时，会产生信号相消的现象。
而进行降维处理之后：()()()()()10HHA n n n W C T R C T C T RW -=令n C T T −−−→记为，则()()10HHA W T RT TRW -=其中T 称为降维处理矩阵，因为0HT C =，故T 可阻塞信号；且T 的维数p N L <- 进行降维处理之后的结构框图为：T 有三种设计方法：1、（Gabriel 法）：由指向干扰方向的波束作为权矢量构成的。
2、（Adams 法）：由指向目标方向邻近波束权矢量构成。
3、由R 的特征分解的特征矢量构成。
MUSIC 算法MUSIC 算法进行DOA 估计的步骤为：1、由阵列数据()i x t 估计相关矩阵，()()^11MHi i i R x t xt M==∑2、对^R 作特征分解，用其P 个大特征值对应的特征向量12,,,p v v v L 张成信号子空间PN S （或用其N P -个小特征值对应的特征矢量1,,p N v v +L 噪声子空间N PN N -）3、 用搜索矢量()a θ向PNS 作投影，得到()()1N P H i i n i P a v v a θθ-=⎡⎤=⎢⎥⎣⎦∑或用搜索矢量()a θ向N P NN-作投影()()1N H i i n i N P P a v v a θθ=-+⎡⎤=⎢⎥⎣⎦∑ 4、 计算谱峰：()()()21PHin i S P a a vθθθ===∑，谱峰对应的角度就是波束到达角度。
（或用()()()2111NHn ii P S P a av θθθ=+==∑计算谱峰）()e t ()X t ()1X t nCMUSIC 算法并不能适用于任何几何形态的阵列，不同阵列的()a θ是不一样的，而MUSIC 算法要求()a θ为满秩的范德蒙德矩阵，这个条件有可能不满足。
MUSIC 算法并不能适用于相干源，因为对于相干信源，其相关矩阵^R 有可能不满秩，这样既不能准确知道信源的个数P ，又不能得到准确的信号子空间PN S 和噪声子空间N PN N -。
但可以通过空间平滑法去相关，然后再用MUSIC 算法。
空间平滑法就是将N 元等距线阵分成L 个M 元子阵， 这样对于每一个M 元子阵有()()()()1i i Mi X t A D S t N t θ-=+其中：122sin 2sin 2sin 00Pd j d j d j ee D e πθλπθλπθλ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦O于是：()()()()122sin 12sin 22sin P dj d j md j P S te S t e D S t S t e πθλπθλπθλ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦M若信源中存在相干源，则采用这种方法后可破坏其相关性。
通过多个子阵，每个子阵相当于空间平移，因为不同信号由于方向不同，旋转因子不同，将多出的旋转因子归并到信号包络()i S t ，所以然后()i S t 便变得不相干了；然后将各子阵数据在相关域平均。
