.png){kind=icon}
返回
Distributionally Robust Adaptive Beamforming
.png){kind=icon}
PRE
AI
DOI：10.1109/TSP.2025.3587521.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为阵列信号处理的一项基础技术，波束形成在放大感兴趣信号（SoI）的同时，对干扰加噪声（IPN）进行抑制，发挥着关键作用。当信号模型中存在不确定性或快照数据量有限时，波束形成器的性能会显著下降。本文全面研究了针对假设快照或IPN协方差不确定性的鲁棒波束形成的概念系统、理论分析和算法设计。由于这种鲁棒性针对的是快照或IPN信号的概率不确定性，因此被称为分布鲁棒性。具体而言，提出了四种分布鲁棒波束形成的技术方法，包括局部分布鲁棒波束形成、全局分布鲁棒波束形成、正则化波束形成和贝叶斯非参数波束形成。此外，我们研究了这四种技术方法之间的等价性，并提出了一种统一的分布鲁棒波束形成框架。而且，我们证明，通过融入子空间方法的特点，利用分布鲁棒波束形成进行功率谱估计的分辨率可以得到显著提升，从而提高IPN协方差重构的精度，尤其是在干扰源靠近SoI时。因此，基于IPN协方差估计的波束形成器的鲁棒性可以得到进一步增强。
Keyword:
Robust beamforming
distributional robustness
regularization
Bayesian nonparametrics
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
引用论文
分享收藏
Comments on "Theory and application of covariance matrix tapers for robust adaptive beamforming" [with reply]对“Covariance Matrix Tapers的理论与应用：用于稳健自适应波束形成”的评论[附回复]
PREAI
分享收藏Robust Adaptive Beamforming Maximizing the Worst-Case SINR Over Distributional Uncertainty Sets for Random INC Matrix And Signal Steering Vector.png)
ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容