Л.И. Аверина1, А.Ю. Лафицкий2, Д.Ю. Чаркин3

1−3 АО «Концерн «Созвездие» (г. Воронеж, Россия)

Постановка проблемы. Задача адаптивного диаграммообразования в устройствах радиосвязи на основе цифровых антенных решеток является одной из ключевых при условии их функционирования в сложной электромагнитной обстановке. Данный вопрос подробно теоретически исследован для различных критериев оптимальности. Однако при практической реализации из-за неточности калибровки каналов антенной решетки, ошибки определения направления прихода полезного сигнала, искажения парциальных диаграмм антенных элементов и других дестабилизирующих факторов эффективность разработанных методов значительно снижается.  

Цель. Оценить степень влияния различных системных ошибок на параметры и характеристики радиомодема на основе кольцевой антенной решетки при различных алгоритмах пространственной фильтрации, а также представить эффективные практически реализуемые алгоритмические методы, повышающие помехоустойчивость адаптивной многоканальной системы в условиях сложной электромагнитной обстановки при наличии системных ошибок.

Результаты. С помощью имитационного моделирования выявлены основные преимущества и недостатки существующих методов адаптивного диаграммобразования с учетом наличия системных ошибок. Предложен робастный комбинированный метод пространственно-временной обработки сигнала, позволяющий эффективно компенсировать как аддитивные помехи различного типа, так и мультипликативные, возникающие из-за многолучевого распространения сигнала. Отмечено, что разработанный метод практически реализован в СВЧ-радиомодеме на основе кольцевой цифровой антенной решетки и экспериментально апробирован. Доказана необходимость повышения устойчивости адаптивных алгоритмов при функционировании устройства в условиях реального времени. Рассмотрена реализация данного алгоритма на основе метода стохастического градиента для снижения аппаратных затрат.

Практическая значимость. Применение рассмотренного регуляризирующего подхода с использованием комбинированного алгоритма адаптивного диаграммообразования многоканальной системы обеспечивает функционирование радиомодема на основе цифровой антенной решетки в сложной электромагнитной обстановке с удовлетворительной эффективностью и позволяет алгоритму устойчиво работать даже при наличии системных ошибок.

Аверина Л.И., Лафицкий А.Ю., Чаркин Д.Ю. Аспекты практической реализации пространственно-временной обработки сигналов в адаптивных антенных решётках в условиях сложной электромагнитной обстановки // Радиотехника. 2022. Т. 86. № 1. С. 81−92. DOI: https://doi.org/10.18127/j00338486-202201-13

1. Talisa S.H., O’Haver K.W., Comberiate T.M., Sharp M.D., Somerlock O.F. Benefits of digital phased array radars // Proceedings of the IEEE. 2016. V. 104. № 3. P. 530−543.
2. Razavi S.M. Unitary beamformer designs for MIMO interference broad-cast channels // IEEE Trans. Signal Process. 2016. V. 64.  № 8. P. 2090−2102.
3. Mansour A., Mesleh R., Abaza M. New challenges in wireless and free space optical communications // Opt. Lasers Eng. 2017.  V. 89. P. 95–108.
4. Van Trees H.L. Optimum array processing. New York: John Wiley & Sons. 2002. 1143 p.
5. Li J., Stoica P. Robust adaptive beamforming. New York, NY. USA: Wiley. 2005.
6. Liu Y.Q., Liu C.C., Hu D.X. Robust adaptive beamforming against random calibration error via interference plus noise covariance matrix reconstruction // Signal Processing. 2019. V. 158. № 5. P.107–115.
7. Zhang X.J., He Z.S., Liao B. Robust quasi-adaptive beamforming against direction-of-arrival mismatch // IEEE Trans. on Aerospace and Electronic Systems. 2018. V. 54. № 3. P.1197–1207. 
8. Jia W., Jin W., Zhou S., Yao M. Robust adaptive beamforming based on a new steering vector estimation algorithm // Signal Process. 2013. V. 93. № 9. P. 2539–2542.
9. Yi S., Wu Y., Wang Y. Projection-based robust adaptive beamforming with quadratic constraint // Signal Process. 2016. V. 122.  P. 65–74.
10. Vorobyov S.A. Principles of minimum variance robust adaptive beam-forming design // Signal Process. 2013. V. 93. P. 3264–3277.
11. Ai X.Y., Gan L. Robust adaptive beamforming with subspace projection and covariance matrix reconstruction // IEEE Access. 2019. V.7. P. 102149−102159.
12. Liu S., Zhang X., Yan F., Wang J., Jin H. Fast and accurate covariance matrix reconstruction for adaptive beamforming using GaussLegendre quadrature // Journal of Systems Engineering and Electronics. 2021. V. 32. № 1. P. 38−43.
13. Yang H., Wang P., Ye Z. Robust adaptive beamforming via covariance matrix reconstruction under colored noise // IEEE Signal Processing Letters. 2021. V. 28. P. 1759−1763.
14. Jalal B., Yang X., Liu Q., Long T., Sarkar T.K. Fast and robust variable-step-size LMS algorithm for adaptive beamforming // IEEE Antennas and Wireless Propagation Letters. 2020. V. 19. № 7. P. 1206−1210.
15. Akkad G., Mansour A., ElHassan B.A., Inaty E., Ayoubi R., Srar J.A. A pipelined reduced complexity two-stages parallel LMS structure for adaptive beamforming // IEEE Trans. On Curcuits and Systems. I: Regular Papers. 2020. V. 67. № 12. P. 5079−5091.
16. Griffiths L.J. An Alternative Approach to Linearly Constrained Adaptive Beamforming // IEEE Transactions on Antennas and Propagation. 1982. V. 30. P. 27−34.
17. Zhao W., Lin J. Q., Chan S.C., So H.K. A division-free and variable-regularized LMS-based generalized sidelobe canceller for adaptive beamforming and its efficient hardware realization // IEEE Access. 2018. V. 6. P. 64470–64485.