空间移动弱目标的信号子空间跟踪和估计研究(3)
迭代（Fast Approximated Power Iteration ，FAPI）算法[18]，鉴于其在移动干扰下
良好的鲁棒性和较小的计算复杂度， 我们会在后文中运用到它并且分析它的子空间跟踪性能。
本文中，我们对参考文献[19]所提出的波束形成器进行改造，使其适应移动的
强干扰这一客观条件。我们首先使用FAPI算法来在线估计强干扰的子空间，接
着运用贝叶斯方法来自适应估计投影波束形成权重。 这个方法能够在递归贝叶斯
估计的框架下进行自适应波束形成，并且在波束形成的过程中，干扰加噪声协方
差矩阵和信号功率均被假定为已知。通过将干扰假设为强信号，我们的目标是实
现自适应地跟踪一些变量，预测波束形成权重。本文中提出的方法是一种时间递归贝叶斯波束形成器，其优势在于它可以充分利用所有以前观测到的数据，而不
仅仅是近期的短时积分 （Short Time Integration， STI） 窗中包含的少量有效信息，
因此能够递归地估计波束形成权重以此来达到最佳性能。 与一般的波束形成器[16]，
[17]
相比较， 本文中所提出波束形成器的权重被建模为复高斯随机矢量， 而DOA的
不确定性被建模为一个随机变量。不同于DOA，波束形成权重的随机建模不仅
可以解决由于指向误差带来的不确定性，同时也可解决由于周围的源失准，阵列
变形， 不同增益和相位响应的散射传感器阵列等带来的不确定性。 与参考文献[16]，[17]相似，在假设强干扰远离所期望的波束形成器主瓣后，最大后验估计被用来确定波束形成权重。
下一篇：网络终端语音控制系统设计