第四章部分自适应阵列信号处理：零基础快速复习

适用课程：西安电子科技大学《阵列信号处理》
目标：围绕当前课程大纲，快速掌握部分自适应的概念、阵元空间降维、波束空间 Gabriel/Adams 方法、理论性能极限、广义旁瓣相消器 GSC 及阻塞矩阵构造，并具备完成填空、选择、简答、矩阵构造和推导题的能力。
资料优先级：当前课程大纲 > 2026 年第四章 A～F 课件 > 第四章主讲义 > 2021/2022 年真题 > 扫描旧题汇编。
本文统一采用列向量，(H) 表示共轭转置。

0. 使用方法与范围

0.1 掌握等级

【必须掌握】：能脱离资料写出定义、矩阵维数、关键公式，并完成构造或推导。
【熟悉】：能解释方法适用场景、优缺点和性能变化。
【了解】：知道基本思想、构造步骤和 MATLAB 实现即可。

0.2 时间紧时的学习路线

如果只有约 3 小时：

背第 1 节“一页必背清单”。
学第 3～6 节：降维模型、(T) 矩阵、数字复用/射频功分、子阵栅瓣。
学第 8～10 节：Butler、Gabriel、Adams 和理论极限。
学第 11～14 节：GSC 结构、推导、阻塞矩阵构造。
做第 18 节真题型训练和第 19 节自测。

如果有半天：

按顺序完整学习。
手写一遍 2022 年 (T) 矩阵选择题。
独立推导一次 GSC 自适应权。
用 MATLAB 验证 (\mathbf C_n^H\mathbf C=\mathbf0)。
自测达到 80 分以上。

0.3 当前大纲与复习深度

大纲要求	应达到的程度	常见考法	重要度
部分自适应概念	会与全自适应比较	填空、简答	★★★★
阵元空间降维模型	会写 (\mathbf y=\mathbf T^H\mathbf x) 及维数	填空、推导	★★★★★
降维矩阵 (\mathbf T) 构造	能从拓扑图写出矩阵	选择、计算	★★★★★
数字复用与射频功分	会写 (1/\sqrt K) 幅度系数	选择、填空	★★★★★
子阵划分与栅瓣抑制	会说出三条途径	简答、判断	★★★★
Morgan 阵元级部分自适应	会解释自由度与干扰数关系	简答、判断	★★★
Butler 多波束	会写 DFT 形式及正交特性	填空、简答	★★★★
Gabriel 方法	会判断辅助主瓣对消主天线旁瓣	填空、简答	★★★★★
Adams 方法	会判断辅助旁瓣对消主天线旁瓣	填空、简答	★★★★★
理论 IF 与输出 SINR	会在线性值和 dB 间转换	计算、填空	★★★★★
GSC 结构与信号关系	会写各支路输入输出	简答、推导	★★★★★
GSC 最优权推导	会独立推导 (\mathbf w_A)	推导题	★★★★★
阻塞矩阵条件	会写 (\mathbf C_n^H\mathbf C=\mathbf0)	填空、推导	★★★★★
两阵元对消构造	会写相邻对消矩阵	简答、构造	★★★★
特征矢量正交构造	会写组合系数与列向量	简答	★★★
Householder 构造	知道步骤、维数与适用条件	简答、判断	★★★

0.4 本章资料边界

A～F 补充课件直接服务于第四章。
G 补充课件“调零保形”在当前大纲中被列入第三章，已在第三章复习文档中详细整理；本章不重复展开。
第四章主讲义后部的“频率-波数处理”未被当前第四章大纲列为考试重点，本次不展开。

1. 一页必背清单

1.1 全自适应与部分自适应

全自适应：对全部可利用通道进行自适应控制，使用全部自由度。

部分自适应：只对部分阵元、子阵输出或部分波束进行自适应控制，只使用部分自由度。

对比项	全自适应	部分自适应
自由度	多	少
运算量	大	小
所需训练快拍	多	少
收敛速度	较慢	较快
理想性能上限	较高	一般有损失

1.2 降维模型

原始阵列数据：

$$ \mathbf x(t)\in\mathbb C^{N\times1} $$

降维矩阵：

$$ \mathbf T\in\mathbb C^{N\times M}, \qquad M\le N $$

降维数据：

$$ \boxed{ \mathbf y(t)=\mathbf T^H\mathbf x(t)} $$

降维协方差：

$$ \boxed{ \mathbf R_y = \mathbf T^H\mathbf R_x\mathbf T} $$

降维导向矢量：

$$ \boxed{ \mathbf a_T(\theta) = \mathbf T^H\mathbf a(\theta)} $$

变换域最优权：

$$ \boxed{ \mathbf w_T \propto \mathbf R_y^{-1}\mathbf a_T(\theta_0)} $$

等效阵元空间权：

$$ \boxed{ \mathbf w=\mathbf T\mathbf w_T} $$

1.3 数字复用与射频功分

若一个阵元数字信号被复用到 (K) 个通道：

理想数字复制不损失功率；
各支路矩阵系数按原权值填写。

若射频信号被理想等功分为 (K) 路：

$$ \boxed{ \text{每路功率}=\frac1K, \qquad \text{每路幅度}=\frac1{\sqrt K}} $$

1.4 三阵元、两子阵必背例子

数字复用：

$$ \boxed{ \mathbf T_{\text{digital}} = \begin{bmatrix} 1&0\\ 1&1\\ 0&1 \end{bmatrix}} $$

阵元 2 射频二功分：

$$ \boxed{ \mathbf T_{\text{RF}} = \begin{bmatrix} 1&0\\ 1/\sqrt2&1/\sqrt2\\ 0&1 \end{bmatrix}} $$

1.5 子阵栅瓣抑制

均匀划分时，使第二级等效相位中心间距：
$$ \boxed{d'=Kd} $$
并使两级波束指向一致，让第二级栅瓣落在第一级子阵方向图零点。
采用非均匀子阵划分，破坏周期性栅瓣。
对非均匀阵的相位中心位置进行稀疏优化。

1.6 Butler 多波束

标准归一化 Butler/DFT 权矩阵：

$$ \boxed{ [\mathbf B]_{n,m} = \frac1{\sqrt N} \exp\left(j\frac{2\pi nm}{N}\right)} $$

其中阵元序号 (n=0,\ldots,N-1)。波束序号应采用中心化整数集合，例如：

$$ \boxed{ m=-\left\lfloor\frac N2\right\rfloor, \ldots, N-\left\lfloor\frac N2\right\rfloor-1} $$

当使用未中心化的 (m=0,\ldots,N-1) 时，超过半区的序号应按 DFT 周期解释为负空间频率。

波束指向满足：

$$ \boxed{ \sin\theta_m = s_{\mathrm{sign}}\frac{\lambda m}{dN}} $$

其中 (s_{\mathrm{sign}}=\pm1) 由导向矢量指数、DFT 矩阵正负号以及输出写成 (\mathbf B\mathbf x) 还是 (\mathbf B^H\mathbf x) 决定。实际应选择使 (|\sin\theta_m|\le1) 的中心化波束序号；考试按题目或课件约定取符号。

1.7 Gabriel 与 Adams

Gabriel：

用辅助波束的主瓣接收干扰，去对消主波束的旁瓣干扰。

特点：

先粗略估计干扰方向；
选择指向干扰方向的波束；
适合方向可估计的稀疏干扰。

Adams：

用目标邻近辅助波束的旁瓣，去对消主波束的旁瓣。

特点：

选择目标方向附近若干波束；
利用 Butler 波束在旁瓣区的共同零点形成宽凹口；
适合密集干扰或连片杂波。

1.8 理论性能极限

课程给出的理想关系：

$$ \boxed{ \operatorname{IF}_{\max} = N\operatorname{INR}_{\text{in}}} $$

$$ \boxed{ \operatorname{SINR}_{\text{out,max}} = N\operatorname{SNR}_{\text{in}}} $$

dB 形式：

$$ \boxed{ \operatorname{IF}_{\max,\text{dB}} = 10\log_{10}N + \operatorname{INR}_{\text{in,dB}}} $$

$$ \boxed{ \operatorname{SINR}_{\text{out,max,dB}} = 10\log_{10}N + \operatorname{SNR}_{\text{in,dB}}} $$

1.9 GSC

LCMV：

$$ \begin{aligned} \min_{\mathbf w}\quad& \mathbf w^H\mathbf R\mathbf w\\ \text{s.t.}\quad& \mathbf C^H\mathbf w=\mathbf f \end{aligned} $$

GSC 权分解：

$$ \boxed{ \mathbf w=\mathbf w_0-\mathbf C_n\mathbf w_A} $$

固定权满足：

$$ \boxed{ \mathbf C^H\mathbf w_0=\mathbf f} $$

阻塞矩阵满足：

$$ \boxed{ \mathbf C_n^H\mathbf C=\mathbf0} $$

各支路：

$$ \boxed{ m(t)=\mathbf w_0^H\mathbf x(t)} $$

$$ \boxed{ \mathbf y(t)=\mathbf C_n^H\mathbf x(t)} $$

$$ \boxed{ z(t)=\mathbf w_A^H\mathbf y(t)} $$

$$ \boxed{ e(t)=m(t)-z(t) = (\mathbf w_0-\mathbf C_n\mathbf w_A)^H \mathbf x(t)} $$

最优辅助权：

$$ \boxed{ \mathbf w_A = (\mathbf C_n^H\mathbf R\mathbf C_n)^{-1} \mathbf C_n^H\mathbf R\mathbf w_0} $$

1.10 GSC 自由度

若：

$$ \mathbf C\in\mathbb C^{N\times L} $$

有 (L) 个独立约束，则：

$$ \boxed{ \mathbf C_n \in \mathbb C^{N\times(N-L)}} $$

全 GSC 辅助支路最多具有：

$$ \boxed{N-L} $$

个自适应自由度。

进一步降维：

$$ \mathbf B=\mathbf C_n\mathbf T \in\mathbb C^{N\times P}, \qquad P\le N-L $$

需要：

$$ \boxed{ \mathbf B^H\mathbf C=\mathbf0} $$

理想情况下，为抑制 (J) 个独立干扰，通常要求：

$$ \boxed{P\ge J} $$

2. 部分自适应的概念与核心矛盾

2.1 学到什么程度

【必须掌握】

能准确区分全自适应和部分自适应。
能解释为什么部分自适应收敛更快、运算量更小。
能说明部分自适应的设计目标。

来源

当前课程大纲：PDF 第 8 页，4.1。
第四章主讲义：PDF 第 1～4 页。
第四章 A：PDF 第 2～4 页。

2.2 定义

部分自适应是只选择部分阵元、部分子阵输出或部分波束进行自适应处理，从而用较少的自由度换取较低运算量和较快收敛速度。

当前大纲的简洁定义：

利用部分单元或降维波束域数据做自适应处理，称为部分自适应。

2.3 为什么要部分自适应

全维 SMI 等方法需要对 (N\times N) 协方差矩阵求逆：

$$ \text{计算复杂度数量级约为 }O(N^3) $$

若降到 (M) 维：

$$ \text{求逆复杂度约为 }O(M^3), \qquad M\ll N $$

训练快拍需求也主要随处理维数增加。第三章中全维 SMI 常用经验是：

$$ M_{\text{snap}}\gtrsim2N $$

降维后，相同经验可近似变成：

$$ M_{\text{snap}}\gtrsim2M $$

因此部分自适应通常收敛更快。

2.4 核心矛盾

部分自适应并非“维数越低越好”。

降维太少：运算量仍大；
降维太多：可能丢失干扰子空间，自由度不足；
设计目标：在可接受性能损失下，尽可能降低维数和复杂度。

2.5 什么时候降维不一定损失性能

若降维矩阵的列空间完整包含最优全维权：

$$ \mathbf w_{\text{full,opt}} \in \mathcal R(\mathbf T) $$

则存在 (\mathbf w_T) 使：

$$ \mathbf w_{\text{full,opt}} =\mathbf T\mathbf w_T $$

此时降维处理仍可能达到全维最优性能。

一般情况下，(M<N) 会限制可实现权向量的空间，因此存在性能损失；损失大小取决于：

干扰数；
干扰与目标的角度间隔；
(\mathbf T) 是否保留了主要干扰子空间；
阵列误差和训练快拍数。

3. 阵元空间降维模型

3.1 学到什么程度

【必须掌握】

会写降维数据、协方差、导向矢量和等效权。
能检查所有矩阵维数。
能说明 (N=M) 与 (N>M) 的区别。

来源

第四章主讲义 PDF 第 5～7 页。
第四章 B：PDF 第 3～5 页。

3.2 降维变换

原始数据：

$$ \mathbf x(t)\in\mathbb C^{N\times1} $$

降维矩阵：

$$ \mathbf T\in\mathbb C^{N\times M} $$

降维数据：

$$ \boxed{ \mathbf y(t) = \mathbf T^H\mathbf x(t) \in\mathbb C^{M\times1}} $$

维数记忆法：(\mathbf T) 每一列代表一个子阵输出或一个降维通道。

3.3 降维协方差

$$ \begin{aligned} \mathbf R_y &= E[\mathbf y(t)\mathbf y^H(t)]\\ &= E[ \mathbf T^H\mathbf x(t) \mathbf x^H(t)\mathbf T]\\ &= \boxed{ \mathbf T^H\mathbf R_x\mathbf T} \end{aligned} $$

维数：

$$ (M\times N)(N\times N)(N\times M) =M\times M $$

3.4 降维导向矢量

若：

$$ \mathbf x_s(t) = \mathbf a(\theta_0)s(t) $$

则：

$$ \mathbf y_s(t) = \mathbf T^H\mathbf a(\theta_0)s(t) $$

所以：

$$ \boxed{ \mathbf a_T(\theta_0) = \mathbf T^H\mathbf a(\theta_0)} $$

3.5 降维最优权

变换域 LCMV/MVDR 权方向：

$$ \boxed{ \mathbf w_{T,\text{opt}} \propto (\mathbf T^H\mathbf R_x\mathbf T)^{-1} \mathbf T^H\mathbf a(\theta_0)} $$

变换域输出：

$$ \begin{aligned} d(t) &= \mathbf w_T^H\mathbf y(t)\\ &= \mathbf w_T^H\mathbf T^H\mathbf x(t)\\ &= (\mathbf T\mathbf w_T)^H\mathbf x(t) \end{aligned} $$

所以等效阵元空间权为：

$$ \boxed{ \mathbf w=\mathbf T\mathbf w_T} $$

3.6 全维特例

当：

$$ M=N $$

且 (\mathbf T) 可逆时，变换没有丢失信息，理论上可与变换前全维处理等价。

但此时没有真正降维，因此失去了部分自适应降低复杂度的意义。

4. 从网络拓扑构造降维矩阵 (\mathbf T)

4.1 学到什么程度

【必须掌握】

能从“哪个阵元连接哪个输出”直接写出 (\mathbf T)。
会判断矩阵应为 (N\times M)，不能把转置抄反。
会处理共享阵元的数字复制和射频功分系数。

来源

当前课程大纲 PDF 第 8 页，4.2。
第四章 A PDF 第 5～8 页。
2022 年试题 PDF 第 3 页选择题。

4.2 通用构造规则

设有 (N) 个阵元、(M) 个降维输出：

$$ \mathbf T= \begin{bmatrix} t_{11}&\cdots&t_{1M}\\ \vdots&\ddots&\vdots\\ t_{N1}&\cdots&t_{NM} \end{bmatrix} $$

其中：

$$ t_{nm} = \text{第 }n\text{ 个阵元到第 }m\text{ 个输出的复权} $$

未连接：(t_{nm}=0)；
直接连接：常写 (t_{nm}=1)；
有相移或幅度权：写对应复数；
射频 (K) 路等功分：每条支路幅度为 (1/\sqrt K)。

4.3 三阵元两输出

子阵 1 使用阵元 1、2，子阵 2 使用阵元 2、3。

数字复用

阵元 2 的数字数据复制给两个输出，不发生理想功率损失：

$$ \boxed{ \mathbf T = \begin{bmatrix} 1&0\\ 1&1\\ 0&1 \end{bmatrix}} $$

于是：

$$ \mathbf y = \mathbf T^H\mathbf x = \begin{bmatrix} x_1+x_2\\ x_2+x_3 \end{bmatrix} $$

射频二功分

阵元 2 的信号功分到两路：

$$ \boxed{ \mathbf T = \begin{bmatrix} 1&0\\ 1/\sqrt2&1/\sqrt2\\ 0&1 \end{bmatrix}} $$

$$ \frac1{\sqrt2}\approx0.707 $$

4.4 2022 年真题

7 个阵元形成两个射频子阵：

阵元 1、2 只进入输出 1；
阵元 3、4、5 同时进入两个输出，需要二功分；
阵元 6、7 只进入输出 2。

因此：

$$ \boxed{ \mathbf T = \begin{bmatrix} 1&0\\ 1&0\\ 1/\sqrt2&1/\sqrt2\\ 1/\sqrt2&1/\sqrt2\\ 1/\sqrt2&1/\sqrt2\\ 0&1\\ 0&1 \end{bmatrix}} $$

试卷选项将它写成一个 (2\times7) 矩阵再整体转置，正确答案为：

$$ \boxed{\text{D}} $$

4.5 高频陷阱

功率二等分不是幅度 (1/2)，而是幅度 (1/\sqrt2)。
(\mathbf y=\mathbf T^H\mathbf x)，因此 (\mathbf T) 必须是 (N\times M)。
一个阵元进入两个数字通道时可以各写 1；射频功分则必须写幅度损失。
若功分不是等分，应按每路功率比例 (p_k) 写幅度 (\sqrt{p_k})。

5. 两级普通波束形成与子阵方向图

5.1 学到什么程度

【熟悉】

知道三种两级波束形成方法。
能解释为什么第一级与第二级必须指向一致。
能写总方向图是两级方向图的乘积。

来源

第四章 A PDF 第 10～19 页。

5.2 三种方法

方法 1

第一级使用全局导向矢量对应的阵元级权；
第二级对子阵输出直接全 1 求和。

方法 2

第一级使用各子阵的局部导向矢量；
第二级根据各子阵等效相位中心构造导向矢量。

这是最容易保证两级波束指向一致的方法。

方法 3

第一级对子阵内使用全 1 权；
第二级使用降维导向矢量。

当波束偏离法线方向时，第一级没有完成所需的子阵内相位补偿，可能产生指向不一致和性能损失。

5.3 总方向图

对于规则相同的均匀子阵，可把合成方向图理解为：

$$ \boxed{ B_{\text{total}}(\theta) = B_{\text{subarray}}(\theta) B_{\text{phase-center}}(\theta)} $$

即：

总方向图 = 子阵内部方向图 × 子阵等效相位中心阵列方向图。

这一乘积关系正是利用第一级零点消除第二级栅瓣的基础。

6. 子阵栅瓣与抑制方法

6.1 学到什么程度

【必须掌握】

会解释为什么子阵等效相位中心间距大时出现栅瓣。
能背出当前大纲列出的三条抑制途径。
熟悉“第二级栅瓣落在第一级零点”的条件。

来源

当前课程大纲 PDF 第 8 页。
第四章主讲义 PDF 第 7～11 页。
第四章 A PDF 第 11～18 页。

6.2 均匀子阵

每个子阵有 (K) 个阵元，阵元间距为 (d)。

第一级子阵方向图的第一零点满足：

$$ \boxed{ \frac{dK}{\lambda} (\sin\theta-\sin\theta_0) =1} $$

第二级等效相位中心间距为 (d')，第一个栅瓣满足：

$$ \boxed{ \frac{d'}{\lambda} (\sin\theta-\sin\theta_0) =1} $$

要使第二级第一个栅瓣与第一级第一个零点重合：

$$ \boxed{d'=Kd} $$

若子阵均匀、连续且每个子阵含 (K) 个阵元，其相位中心间距本来就是 (Kd)。

还需保证：

第一级和第二级波束形成指向同一个 (\theta_0)。

否则零点与栅瓣位置会错开。

6.3 非均匀划分

让各子阵阵元数不同，可破坏栅瓣的严格周期性，使各子阵栅瓣不在同一角度叠加。

代价：

子阵方向图不完全一致；
设计和校准更复杂；
不一定彻底消除所有高旁瓣。

6.4 非均匀阵稀疏优化

通过优化阵元或子阵相位中心位置，使：

栅瓣能量分散；
最大旁瓣受控；
保留需要的孔径和自由度。

当前大纲要求知道思想，不要求完成具体优化算法。

7. Morgan 阵元级部分自适应与自由度

7.1 学到什么程度

【熟悉】

知道 SLC、MSC 与全自适应的关系。
会判断辅助阵元数是否足以抑制给定干扰数。
知道辅助阵元位置会影响性能。

来源

第四章主讲义 PDF 第 12～14 页。
第四章 B PDF 第 5～21 页。

7.2 基本思想

Morgan 方法只选择 (M) 个阵元做自适应控制，其余阵元采用固定权。

$$ \begin{cases} M=1,&\text{单旁瓣相消器 SLC}\\ M>1,&\text{多旁瓣相消器 MSC}\\ M=N,&\text{全自适应} \end{cases} $$

7.3 自由度与干扰数

一个独立复权自由度通常最多形成一个独立干扰零陷。

理想条件下，若有 (J) 个独立干扰：

$$ \boxed{M\ge J} $$

更有希望完成抑制。

若：

$$ M<J $$

则自由度不足，部分干扰无法同时被有效抑制。

7.4 辅助阵元位置

课件比较了：

居中选取；
左侧选取；
两侧选取。

结论不是“任意位置都完全一样”。性能与下列因素有关：

干扰方向；
辅助阵元形成的有效孔径；
空间相关性；
阵列误差；
目标与干扰是否处在同一主瓣内。

考试时可答：

阵元位置会影响辅助通道对干扰的观察能力和空间相关性，因此会影响部分自适应性能。

8. Butler 多波束基础

8.1 学到什么程度

【熟悉】

会写 Butler/DFT 矩阵。
知道 (N) 阵元最多形成 (N) 个正交波束。
能解释方向投影均匀、角度不均匀。
知道加窗和幅相误差会破坏波束正交性。

来源

第四章 C：PDF 第 3～15 页。
第四章主讲义 PDF 第 15～17 页。

8.2 名称说明

标准英文名称是：

$$ \boxed{\text{Butler matrix / Butler beamforming network}} $$

部分课件文件名和程序名写作 Bulter，复习时应知道二者指同一内容。

8.3 DFT 权矩阵

课件给出的未归一化形式：

$$ [\mathbf B]_{n,m} = \exp\left( j\frac{2\pi nm}{N} \right) $$

为了使矩阵酉正交，通常写为：

$$ \boxed{ [\mathbf B]_{n,m} = \frac1{\sqrt N} \exp\left( j\frac{2\pi nm}{N} \right)} $$

此时：

$$ \boxed{ \mathbf B^H\mathbf B=\mathbf I} $$

8.4 波束指向

ULA 相邻阵元空间相位的模为：

$$ 2\pi\frac d\lambda\sin\theta $$

与第 (m) 个 DFT 波束的相位递进：

$$ \frac{2\pi m}{N} $$

匹配空间频率可得：

$$ \frac mN = s_{\mathrm{sign}} \frac d\lambda\sin\theta_m $$

所以：

$$ \boxed{ \theta_m = \arcsin\left( s_{\mathrm{sign}} \frac{\lambda m}{dN} \right)} $$

这里必须使用中心化波束序号。若仍以 (m=0,\ldots,N-1) 编号，则应先将 (m>N/2) 的序号换成 (m-N)。符号 (s_{\mathrm{sign}}) 的含义与第 1.6 节相同。

8.5 正交特性

无加窗、无误差时：

(N) 个 DFT 波束互相正交；
第 (i) 个波束主瓣中心是其余 (N-1) 个波束的零点；
波束中心在方向投影 (u=\sin\theta) 上均匀分布；
因为 (\theta=\arcsin u)，在角度轴上不均匀分布。

8.6 加窗与系统误差

加窗后：

单个波束旁瓣降低；
不同波束不再严格是同一酉 DFT 基；
邻近波束互相关增大；
原本重合的“他波束零点”和“本波束主瓣中心”发生偏离。

幅相误差、互耦和阵元位置误差也会导致：

正交性恶化；
波束间泄漏增加；
辅助通道中可能泄漏期望信号。

9. Gabriel 与 Adams 波束空间部分自适应

9.1 学到什么程度

【必须掌握】

能一句话准确区分 Gabriel 和 Adams。
会写主波束减去辅助波束预测量的模型。
知道二者适用的干扰类型。

来源

当前课程大纲 PDF 第 8～9 页，4.3。
第四章主讲义 PDF 第 16～21 页。
第四章 D：PDF 第 3～5、8～29 页。

9.2 通用辅助波束对消模型

主波束输出：

$$ y_0(t)=\mathbf w_0^H\mathbf x(t) $$

选择 (P) 个辅助波束：

$$ \mathbf W_{\text{aux}} = \begin{bmatrix} \mathbf w_1&\cdots&\mathbf w_P \end{bmatrix} $$

辅助输出：

$$ \mathbf y_{\text{aux}}(t) = \mathbf W_{\text{aux}}^H\mathbf x(t) $$

对消输出：

$$ \boxed{ e(t) = y_0(t) - \boldsymbol\alpha^H \mathbf y_{\text{aux}}(t)} $$

最小化：

$$ E|e(t)|^2 $$

得到：

$$ \boxed{ \boldsymbol\alpha_{\text{opt}} = \mathbf R_{\text{aux}}^{-1} \mathbf r_{\text{aux},0}} $$

其中：

$$ \mathbf R_{\text{aux}} = E[ \mathbf y_{\text{aux}} \mathbf y_{\text{aux}}^H] $$

$$ \mathbf r_{\text{aux},0} = E[ \mathbf y_{\text{aux}}y_0^*] $$

等效阵元空间权：

$$ \boxed{ \mathbf w_{\text{eq}} = \mathbf w_0 - \mathbf W_{\text{aux}} \boldsymbol\alpha_{\text{opt}}} $$

9.3 Gabriel 方法

步骤：

粗略或精确估计干扰方向；
选择主瓣指向各干扰方向的辅助波束；
用辅助波束输出预测主波束中的旁瓣干扰；
从主波束中减去预测干扰。

记忆句：

Gabriel = 辅助主瓣对消主天线旁瓣。

优点：

干扰方向已知时选波束直接；
对稀疏点干扰有效；
只需选择少量辅助波束。

局限：

需要估计干扰方向；
干扰方向误差过大时，辅助波束不能充分接收干扰；
密集干扰若只对应少量 Butler 波束，处理维数可能不足。

9.4 Adams 方法

步骤：

不直接对准每一个干扰；
在目标方向邻近选择若干辅助波束；
利用这些波束的旁瓣与主波束旁瓣的相关性进行对消；
在旁瓣区形成较宽凹口。

记忆句：

Adams = 辅助旁瓣对消主天线旁瓣。

优点：

可用较少波束对付密集干扰、连片杂波；
不必逐个精确估计所有密集干扰方向。

局限：

辅助波束靠近期望方向，更容易含有期望信号；
阻塞或选择不当时可能产生期望信号自相消。

9.5 何时二者相同

若 Gabriel 按干扰方向选出的辅助波束，恰好与 Adams 在目标邻近选出的辅助波束相同，则两者的辅助数据空间相同，算法可等价。

10. 改善因子与输出 SINR 理论极限

10.1 学到什么程度

【必须掌握】

会直接使用大纲给出的两个理论关系。
会将线性倍数换算成 dB。
知道这些是理想极限关系。

来源

当前课程大纲 PDF 第 9 页，4.3。

10.2 改善因子

定义：

$$ \operatorname{IF} = \frac{ \operatorname{SINR}_{\text{out}}} { \operatorname{SINR}_{\text{in}}} $$

课程给出的强干扰理想极限：

$$ \boxed{ \operatorname{IF}_{\max} = N\operatorname{INR}_{\text{in}}} $$

注意右侧 (N) 和 (\operatorname{INR}_{\text{in}}) 都是线性值。

更严格地，若单个输入通道的
(\operatorname{SINR}_{\text{in}}
=\operatorname{SNR}_{\text{in}}/(1+\operatorname{INR}_{\text{in}}))，
并假设理想地完全抑制干扰、对白噪声获得 (N) 倍阵列增益，则：

$$ \boxed{ \operatorname{IF}_{\max} = N\left(1+\operatorname{INR}_{\text{in}}\right)} $$

当 (\operatorname{INR}_{\text{in}}\gg1) 时，才近似为课程使用的
(N\operatorname{INR}_{\text{in}})。考试若直接要求“按课程公式”计算，仍使用后者。

10.3 输出信干噪比

在理想干扰被完全抑制、白噪声相干合并条件下：

$$ \boxed{ \operatorname{SINR}_{\text{out,max}} = N\operatorname{SNR}_{\text{in}}} $$

它反映 (N) 阵元空间匹配处理带来的阵列增益。

10.4 dB 形式

因为：

$$ 10\log_{10}(ab) = 10\log_{10}a + 10\log_{10}b $$

所以：

$$ \boxed{ \operatorname{IF}_{\max,\text{dB}} = 10\log_{10}N + \operatorname{INR}_{\text{in,dB}}} $$

$$ \boxed{ \operatorname{SINR}_{\text{out,max,dB}} = 10\log_{10}N + \operatorname{SNR}_{\text{in,dB}}} $$

10.5 例题

设：

$$ N=16, \quad \operatorname{INR}_{\text{in}}=30\text{ dB}, \quad \operatorname{SNR}_{\text{in}}=-5\text{ dB} $$

阵列处理增益：

$$ 10\log_{10}16 =12.041\text{ dB} $$

改善因子极限：

$$ \boxed{ \operatorname{IF}_{\max} =42.041\text{ dB}} $$

输出 SINR 极限：

$$ \boxed{ \operatorname{SINR}_{\text{out,max}} =7.041\text{ dB}} $$

10.6 适用条件

上述是课程中的理论极限，实际性能会受以下因素影响：

自由度是否足够；
干扰与目标空间相关性；
样本协方差误差；
阵列幅相误差和互耦；
期望信号是否泄漏到辅助支路；
降维矩阵是否保留干扰子空间。

11. 为什么需要 GSC

11.1 学到什么程度

【必须掌握】

能说出普通 SLC 的不足。
能说明 GSC 相比 SLC 的改进。
知道 GSC 与 LCMV 等价。

来源

当前课程大纲 PDF 第 9 页，4.4。
第四章主讲义 PDF 第 22～29 页。
第四章 E：PDF 第 3～7 页。
2021 年试题 PDF 第 6 页。

11.2 普通旁瓣相消器的不足

普通 SLC 希望辅助通道只包含干扰和噪声。

如果训练样本或辅助通道中含有较强期望信号，则自适应滤波器会把期望信号也当成需要预测和对消的成分，出现：

$$ \boxed{\text{期望信号自相消}} $$

结果是：

期望方向响应下降；
输出 SINR 恶化；
信号越强，错误对消可能越严重。

11.3 GSC 的改进

GSC 将处理分成两条支路：

固定主支路：满足期望方向或多个方向的线性约束；
自适应辅助支路：先阻塞期望信号，只保留干扰和噪声，再预测主支路中的干扰。

这样把原来的 LCMV 约束优化转化成辅助权的无约束最小化问题。

11.4 一句话标准答案

普通旁瓣相消器在辅助训练数据中含有较强期望信号时，会将期望信号一起对消。GSC 增加了满足约束的固定主支路和信号阻塞矩阵，使期望信号只从主支路通过，辅助支路主要含干扰和噪声，并把 LCMV 约束优化转化为无约束自适应问题。

12. GSC 结构、信号关系与维数

12.1 学到什么程度

【必须掌握】

能根据结构图写出四个输入输出关系。
会写固定权、阻塞矩阵和辅助权的维数。
会证明总权满足原 LCMV 约束。

来源

当前课程大纲 PDF 第 9 页。
第四章 E PDF 第 4～7 页。
2021 年试题 PDF 第 6 页。

12.2 符号与维数

$$ \mathbf x(t)\in\mathbb C^{N\times1} $$

$$ \mathbf C\in\mathbb C^{N\times L} $$

$$ \mathbf f\in\mathbb C^{L\times1} $$

$$ \mathbf w_0\in\mathbb C^{N\times1} $$

$$ \mathbf C_n \in \mathbb C^{N\times(N-L)} $$

$$ \mathbf w_A \in \mathbb C^{(N-L)\times1} $$

12.3 固定主支路

固定权满足：

$$ \boxed{ \mathbf C^H\mathbf w_0=\mathbf f} $$

主支路输出：

$$ \boxed{ m(t)=\mathbf w_0^H\mathbf x(t)} $$

12.4 阻塞辅助支路

阻塞条件：

$$ \boxed{ \mathbf C_n^H\mathbf C=\mathbf0} $$

辅助数据：

$$ \boxed{ \mathbf y(t) = \mathbf C_n^H\mathbf x(t)} $$

若单目标约束：

$$ \mathbf C=\mathbf a(\theta_0) $$

则：

$$ \mathbf C_n^H\mathbf a(\theta_0)=\mathbf0 $$

理想情况下，期望信号被辅助支路完全阻塞。

12.5 自适应对消

辅助输出：

$$ \boxed{ z(t)=\mathbf w_A^H\mathbf y(t)} $$

最终输出：

$$ \boxed{ e(t)=m(t)-z(t)} $$

代入：

$$ \begin{aligned} e(t) &= \mathbf w_0^H\mathbf x(t) - \mathbf w_A^H \mathbf C_n^H\mathbf x(t)\\ &= (\mathbf w_0-\mathbf C_n\mathbf w_A)^H \mathbf x(t) \end{aligned} $$

总权：

$$ \boxed{ \mathbf w = \mathbf w_0-\mathbf C_n\mathbf w_A} $$

12.6 总权满足约束

$$ \begin{aligned} \mathbf C^H\mathbf w &= \mathbf C^H\mathbf w_0 - \mathbf C^H\mathbf C_n\mathbf w_A\\ &= \mathbf f-\mathbf0\\ &= \boxed{\mathbf f} \end{aligned} $$

因此无论 (\mathbf w_A) 如何变化，总权始终满足 LCMV 约束。

13. GSC 最优辅助权推导

13.1 学到什么程度

【必须掌握】

能脱离资料完成完整推导。
知道为什么约束可被消除。
会写最终权和输出。

来源

当前课程大纲 PDF 第 9 页。
第四章 E PDF 第 5～7 页。
2021 年试题 PDF 第 6 页第（2）问。

13.2 原 LCMV 问题

$$ \begin{aligned} \min_{\mathbf w}\quad& \mathbf w^H\mathbf R\mathbf w\\ \text{s.t.}\quad& \mathbf C^H\mathbf w=\mathbf f \end{aligned} $$

采用：

$$ \mathbf w = \mathbf w_0-\mathbf C_n\mathbf w_A $$

并满足：

$$ \mathbf C^H\mathbf w_0=\mathbf f, \qquad \mathbf C_n^H\mathbf C=\mathbf0 $$

则约束对任何 (\mathbf w_A) 自动成立。

13.3 无约束代价函数

$$ \boxed{ J(\mathbf w_A) = (\mathbf w_0-\mathbf C_n\mathbf w_A)^H \mathbf R (\mathbf w_0-\mathbf C_n\mathbf w_A)} $$

展开：

$$ \begin{aligned} J =\;& \mathbf w_0^H\mathbf R\mathbf w_0 - \mathbf w_0^H\mathbf R\mathbf C_n\mathbf w_A\\ &- \mathbf w_A^H\mathbf C_n^H\mathbf R\mathbf w_0 + \mathbf w_A^H \mathbf C_n^H\mathbf R\mathbf C_n \mathbf w_A \end{aligned} $$

13.4 对复权求导

对 (\mathbf w_A^*) 求导：

$$ \frac{\partial J} {\partial\mathbf w_A^*} = - \mathbf C_n^H\mathbf R\mathbf w_0 + \mathbf C_n^H\mathbf R\mathbf C_n \mathbf w_A $$

令导数为零：

$$ \mathbf C_n^H\mathbf R\mathbf C_n \mathbf w_A = \mathbf C_n^H\mathbf R\mathbf w_0 $$

所以：

$$ \boxed{ \mathbf w_A = (\mathbf C_n^H\mathbf R\mathbf C_n)^{-1} \mathbf C_n^H\mathbf R\mathbf w_0} $$

总权：

$$ \boxed{ \mathbf w_{\text{GSC}} = \mathbf w_0 - \mathbf C_n (\mathbf C_n^H\mathbf R\mathbf C_n)^{-1} \mathbf C_n^H\mathbf R\mathbf w_0} $$

13.5 推导题书写顺序

考试建议按以下 5 步：

写：
$$ \mathbf w=\mathbf w_0-\mathbf C_n\mathbf w_A $$
写：
$$ \mathbf C^H\mathbf w_0=\mathbf f, \quad \mathbf C_n^H\mathbf C=\mathbf0 $$
说明约束自动成立，问题变成无约束最小化。
展开二次型，对 (\mathbf w_A^*) 求导。
写最终：
$$ \boxed{ \mathbf w_A = (\mathbf C_n^H\mathbf R\mathbf C_n)^{-1} \mathbf C_n^H\mathbf R\mathbf w_0} $$

14. GSC 进一步降维

14.1 学到什么程度

【必须掌握】

会写合并阻塞降维矩阵 (\mathbf B)。
会写两个基本要求：阻塞信号、降低维数。
会判断自由度是否足够。

来源

当前课程大纲 PDF 第 9 页。
第四章主讲义 PDF 第 26～27 页。
第四章 E PDF 第 7～8 页。

14.2 合并矩阵

完整阻塞矩阵：

$$ \mathbf C_n \in \mathbb C^{N\times(N-L)} $$

再使用：

$$ \mathbf T \in \mathbb C^{(N-L)\times P} $$

得到合并矩阵：

$$ \boxed{ \mathbf B=\mathbf C_n\mathbf T \in\mathbb C^{N\times P}} $$

其中：

$$ P\le N-L $$

14.3 两个要求

阻塞约束信号：
$$ \boxed{ \mathbf B^H\mathbf C=\mathbf0} $$
降低辅助支路维数：
$$ \boxed{ \mathbf B\in\mathbb C^{N\times P}, \quad P<N-L} $$

14.4 降维 GSC 权

最终权写成：

$$ \mathbf w = \mathbf w_0-\mathbf B\mathbf w_A $$

最优辅助权：

$$ \boxed{ \mathbf w_A = (\mathbf B^H\mathbf R\mathbf B)^{-1} \mathbf B^H\mathbf R\mathbf w_0} $$

14.5 维数与干扰数

若有 (J) 个独立干扰，通常希望：

$$ \boxed{P\ge J} $$

若 (P<J)，辅助空间维度不足，无法为每个独立干扰提供足够对消自由度。

但“(P) 越大性能一定越好”不能无条件成立：

理论子空间更大，潜在性能更高；
但有限快拍下，维数增加会带来更慢收敛和更大估计误差；
因此应在自由度与样本支持之间折中。

15. 阻塞矩阵的构造方法

15.1 学到什么程度

【必须掌握】

会写核心检验条件：
$$ \mathbf B^H\mathbf C=\mathbf0 $$
熟悉两阵元对消构造。
了解特征矢量正交与 Householder 构造。

来源

当前课程大纲 PDF 第 9 页。
第四章 E PDF 第 7～8 页。
第四章 F：PDF 第 3～6 页。
2021 年试题 PDF 第 6 页第（3）、（4）问。

15.2 方法 1：零空间直接构造

对单个期望导向矢量：

$$ \mathbf C=\mathbf a_0 $$

求：

$$ \mathcal N(\mathbf a_0^H) $$

的一组标准正交基，作为 (\mathbf B) 的列：

$$ \boxed{ \mathbf B=\operatorname{null}(\mathbf a_0^H)} $$

则自动满足：

$$ \mathbf B^H\mathbf a_0=\mathbf0 $$

这是 MATLAB 中最稳妥、最直接的方法。

15.3 方法 2：相邻两阵元对消

设：

$$ \mathbf a_0 = \begin{bmatrix} a_1&a_2&\cdots&a_N \end{bmatrix}^T $$

构造：

$$ \boxed{ \mathbf B_{\text{cancel}}^H = \begin{bmatrix} 1&-\dfrac{a_1}{a_2}&0&\cdots&0\\ 0&1&-\dfrac{a_2}{a_3}&\cdots&0\\ \vdots&&\ddots&\ddots&\vdots\\ 0&\cdots&0&1&-\dfrac{a_{N-1}}{a_N} \end{bmatrix}} $$

第 (i) 行乘以 (\mathbf a_0)：

$$ a_i-\frac{a_i}{a_{i+1}}a_{i+1}=0 $$

因此：

$$ \boxed{ \mathbf B_{\text{cancel}}^H \mathbf a_0=\mathbf0} $$

优点：

构造简单；
可直接由相邻阵元数据形成差分辅助通道。

局限：

对阵元误差和导向失配敏感；
相邻阵元噪声经过差分后会改变协方差结构。

15.4 方法 3：特征矢量与导向矢量正交组合

以 (\mathbf v_1) 为参考特征矢量，(\mathbf v_{i+1}) 为当前特征矢量，构造：

$$ \mathbf b_i = \mathbf v_1+k_i\mathbf v_{i+1} $$

要求：

$$ \mathbf a_0^H\mathbf b_i=0 $$

所以：

$$ \boxed{ k_i = - \frac{ \mathbf a_0^H\mathbf v_1} { \mathbf a_0^H\mathbf v_{i+1}}} $$

得到：

$$ \boxed{ \mathbf b_i = \mathbf v_1 - \frac{ \mathbf a_0^H\mathbf v_1} { \mathbf a_0^H\mathbf v_{i+1}} \mathbf v_{i+1}} $$

把 (J) 个这样的列向量组成：

$$ \mathbf B = \begin{bmatrix} \mathbf b_1&\cdots&\mathbf b_J \end{bmatrix} $$

通常希望：

$$ J\ge\text{干扰数} $$

注意：若分母 (\mathbf a_0^H\mathbf v_{i+1}) 很小，数值会不稳定，应更换参考矢量或使用零空间方法。

15.5 方法 4：Householder 变换

目标是构造酉矩阵：

$$ \mathbf Q = \begin{bmatrix} \mathbf q^H\\ \mathbf B_H^H \end{bmatrix} $$

使：

$$ \mathbf Q\mathbf a_0 = \beta\mathbf e_1, \qquad |\beta|=\|\mathbf a_0\|_2 $$

于是后 (N-1) 行满足：

$$ \boxed{ \mathbf B_H^H\mathbf a_0=\mathbf0} $$

课程简化形式

课件在参考阵元相位满足特定条件时使用：

$$ \mathbf v = \mathbf a_0-\|\mathbf a_0\|_2\mathbf e_1 $$

$$ \boxed{ \mathbf Q = \mathbf I - 2\frac{\mathbf v\mathbf v^H} {\mathbf v^H\mathbf v}} $$

然后取：

$$ \boxed{ \mathbf B_H^H = \mathbf Q(2:N,:)} $$

一般复向量的稳定写法

令：

$$ \alpha = e^{j\arg(a_1)} \|\mathbf a_0\|_2 $$

$$ \mathbf v = \mathbf a_0+\alpha\mathbf e_1 $$

再构造：

$$ \mathbf Q = \mathbf I - 2\frac{\mathbf v\mathbf v^H} {\mathbf v^H\mathbf v} $$

可避免简单实数公式对参考阵元相位的限制。

对一般复向量，(\beta) 可能带一个单位模相位，不必恰好等于正实数 (|\mathbf a_0|_2)。这不影响后 (N-1) 行与 (\mathbf a_0) 正交，也不影响阻塞矩阵构造。

15.6 其他课件方法

第四章 E 还介绍了：

Gabriel 波束列；
Adams 邻近波束列；
主分量 PC：协方差矩阵大特征值对应特征矢量；
交叉谱 CS；
完整零空间 NS。

当前大纲重点仍是：

两阵元对消；
特征矢量正交；
Householder。

16. GSC 的误差、信号泄漏与稳健性

16.1 学到什么程度

【熟悉】

能解释为什么实际阻塞矩阵不能完全阻塞目标。
知道信号泄漏会导致自相消。
能列举常用改进方向。

来源

第四章主讲义 PDF 第 28～29 页。
第四章 E、F 的仿真结论。

16.2 理想条件

理想条件要求：

$$ \mathbf B^H\mathbf a_{\text{actual}}(\theta_0) =\mathbf0 $$

但设计时使用的是标称导向矢量：

$$ \mathbf a_{\text{nominal}}(\theta_0) $$

若存在：

阵元幅相误差；
阵元位置误差；
互耦；
DOA 误差；
有限快拍估计误差；

则：

$$ \mathbf a_{\text{actual}} \ne \mathbf a_{\text{nominal}} $$

导致：

$$ \mathbf B^H\mathbf a_{\text{actual}} \ne \mathbf0 $$

16.3 后果

期望信号泄漏到辅助支路后，自适应滤波器可能学习并对消它，尤其在高 SNR 时更明显。

这也是课件中部分 SMI、NS-GSC 在高 SNR 下性能下降的主要原因之一。

16.4 常见改进

对阻塞矩阵进行稳健设计；
用估计信号子空间修正标称导向矢量；
对协方差矩阵对角加载；
限制自适应权范数，提高白噪声增益；
人工注入适当噪声或加入正则化；
降低辅助维数，减少小特征值误差的影响。

17. MATLAB 考试与验证模板

17.1 从子阵连接构造数字复用 (\mathbf T)

N = 7;
M = 2;
T = zeros(N, M);

% 输出1使用阵元1:5
T(1:5, 1) = 1;

% 输出2使用阵元3:7
T(3:7, 2) = 1;

17.2 射频二功分

T = zeros(7, 2);
T(1:2, 1) = 1;
T(3:5, 1) = 1/sqrt(2);
T(3:5, 2) = 1/sqrt(2);
T(6:7, 2) = 1;

17.3 降维自适应权

% X: N x snapshots
% T: N x M
% a0: N x 1

Y = T' * X;
Ry = Y * Y' / size(Y, 2);
aT = T' * a0;

v = Ry \ aT;
wT = v / (aT' * v);

% 等效阵元空间权
w = T * wT;

17.4 Butler 矩阵

N = 8;
n = (0:N-1).';
m = -floor(N/2):(ceil(N/2)-1);

B = exp(1j*2*pi/N * (n*m)) / sqrt(N);

% 检查正交性
orth_error = norm(B' * B - eye(N), 'fro');

17.5 Gabriel/Adams 辅助波束对消

% w0: N x 1 主波束
% Waux: N x P 辅助波束
% X: N x snapshots

y0 = w0' * X;          % 1 x snapshots
Yaux = Waux' * X;      % P x snapshots

Raux = Yaux * Yaux' / size(X, 2);
r_aux0 = Yaux * y0' / size(X, 2);

alpha = Raux \ r_aux0;
w_eq = w0 - Waux * alpha;
e = w_eq' * X;

17.6 GSC：零空间阻塞矩阵

% C: N x L
% f: L x 1
% R: N x N

% 一个满足 C' * w0 = f 的固定权
w0 = C * ((C' * C) \ f);

% C' 的零空间，B: N x (N-L)
B = null(C');

% 辅助权
wA = (B' * R * B) \ (B' * R * w0);

% 总权
w = w0 - B * wA;

constraint_error = norm(C' * w - f);
blocking_error = norm(B' * C);

17.7 相邻两阵元对消矩阵

N = length(a0);
BH = zeros(N-1, N);

for k = 1:N-1
    BH(k, k) = 1;
    BH(k, k+1) = -a0(k) / a0(k+1);
end

B = BH';
blocking_error = norm(B' * a0);

17.8 Householder 阻塞矩阵

N = length(a0);
e1 = zeros(N,1);
e1(1) = 1;

alpha = exp(1j*angle(a0(1))) * norm(a0);
v = a0 + alpha * e1;

Q = eye(N) - 2 * (v*v') / (v'*v);

BH = Q(2:end, :);
B = BH';

blocking_error = norm(B' * a0);
unitary_error = norm(Q' * Q - eye(N), 'fro');

18. 历年题型专项训练

18.1 填空与简答

题 1

利用 __ 或降维波束域数据做自适应处理，称为部分自适应。

答案：部分单元。

题 2

数字信号复制到多个通道时理想情况下 ______；射频信号等功分为 (K) 路时，每路功率为 ______，幅度为 ______。

答案：

$$ \text{无功率损失}; \qquad \frac1K; \qquad \frac1{\sqrt K} $$

题 3

Gabriel 方法是用辅助天线的 __ 对消主天线的 ______。

答案：主瓣；旁瓣。

题 4

Adams 方法是用辅助天线的 __ 对消主天线的 ______。

答案：旁瓣；旁瓣。

题 5

若有 (L) 个独立线性约束，(N) 元全维 GSC 辅助支路自由度为 ______。

答案：

$$ N-L $$

题 6

GSC 阻塞矩阵与约束矩阵之间满足 ______。

答案：

$$ \mathbf C_n^H\mathbf C=\mathbf0 $$

18.2 选择题：2022 年 (T) 矩阵

7 元阵列形成两个射频子阵，阵元 3、4、5 被等分到两个输出，正确矩阵为：

$$ \mathbf T = \begin{bmatrix} 1&0\\ 1&0\\ 0.707&0.707\\ 0.707&0.707\\ 0.707&0.707\\ 0&1\\ 0&1 \end{bmatrix} $$

答案：D。

18.3 计算题：理论极限

8 元阵列，输入 INR 为 (25\text{ dB})，输入 SNR 为 (0\text{ dB})。求课程公式下的理论 IF 和输出 SINR。

阵列增益：

$$ 10\log_{10}8 =9.031\text{ dB} $$

所以：

$$ \boxed{ \operatorname{IF}_{\max} =34.031\text{ dB}} $$

$$ \boxed{ \operatorname{SINR}_{\text{out,max}} =9.031\text{ dB}} $$

18.4 2021 年 GSC 推导题

（1）SLC 有何不足，GSC 做了什么改进

标准答案要点

SLC 辅助训练样本中若含较强期望信号，会发生信号自相消；
GSC 使用固定权主支路保证期望响应；
阻塞矩阵使辅助支路不含理想期望信号；
自适应辅助支路预测并对消主支路干扰；
把 LCMV 约束优化转化为无约束优化。

（2）推导辅助权

写：

$$ J = (\mathbf w_0-\mathbf C_n\mathbf w_A)^H \mathbf R (\mathbf w_0-\mathbf C_n\mathbf w_A) $$

求导并令零：

$$ - \mathbf C_n^H\mathbf R\mathbf w_0 + \mathbf C_n^H\mathbf R\mathbf C_n\mathbf w_A =0 $$

所以：

$$ \boxed{ \mathbf w_A = (\mathbf C_n^H\mathbf R\mathbf C_n)^{-1} \mathbf C_n^H\mathbf R\mathbf w_0} $$

（3）阻塞关系

单目标：

$$ \boxed{ \mathbf C_n^H\mathbf a(\theta_0)=\mathbf0} $$

一般约束：

$$ \boxed{ \mathbf C_n^H\mathbf C=\mathbf0} $$

（4）至少一种构造

可答：

(\operatorname{null}(\mathbf C^H))；
相邻两阵元对消；
Householder；
特征矢量正交组合。

19. 第四章自测卷

建议限时 45 分钟，总分 100 分。

一、填空题（每题 5 分，共 30 分）

降维数据为 ______，降维协方差为 ______。
降维导向矢量为 ______。
射频 (K) 路等功分时每路幅度为 ______。
Gabriel 使用辅助波束的 __ 对消主波束的旁瓣。
GSC 总权为 ______。
有 (L) 个独立约束时，完整阻塞矩阵尺寸为 ______。

二、判断并改错（每题 5 分，共 20 分）

射频二功分时，每路幅度为 (1/2)。
部分自适应维数越低，性能一定越好。
Butler 波束在方向投影轴上均匀分布，但在角度轴上通常不均匀。
GSC 阻塞矩阵的作用是阻塞干扰信号，让辅助支路只剩期望信号。

三、简答题（每题 10 分，共 20 分）

比较 Gabriel 与 Adams 方法。
说明 GSC 为什么能把 LCMV 的约束优化转化成无约束优化。

四、构造与推导（每题 15 分，共 30 分）

4 个阵元形成两个射频子阵：子阵 1 使用阵元 1、2、3，子阵 2 使用阵元 2、3、4；阵元 2、3 均二功分。写出 (\mathbf T)。
推导 GSC 最优辅助权。

自测答案

一、填空

$$ \mathbf y=\mathbf T^H\mathbf x; \qquad \mathbf R_y=\mathbf T^H\mathbf R_x\mathbf T $$

$$ \mathbf a_T=\mathbf T^H\mathbf a $$

$$ 1/\sqrt K $$

主瓣。

$$ \mathbf w = \mathbf w_0-\mathbf C_n\mathbf w_A $$

$$ N\times(N-L) $$

二、判断

错。功率为 (1/2)，幅度为 (1/\sqrt2)。
错。维数降低可减小复杂度和快拍需求，但可能丢失干扰子空间。
对。
错。阻塞矩阵应阻塞期望信号，使辅助支路主要保留干扰和噪声。

三、简答

Gabriel 估计干扰方向并选择主瓣指向干扰的辅助波束，用辅助主瓣对消主波束旁瓣，适合稀疏点干扰；Adams 在目标邻近选择辅助波束，用辅助旁瓣对消主波束旁瓣，利用共同零点形成宽凹口，适合密集干扰或连片杂波。
选择满足 (\mathbf C^H\mathbf w_0=\mathbf f) 的固定权，并构造满足 (\mathbf C_n^H\mathbf C=\mathbf0) 的阻塞矩阵。于是 (\mathbf w=\mathbf w_0-\mathbf C_n\mathbf w_A) 对任意 (\mathbf w_A) 都满足原约束，只需无约束地优化 (\mathbf w_A)。

四、构造与推导

$$ \boxed{ \mathbf T = \begin{bmatrix} 1&0\\ 1/\sqrt2&1/\sqrt2\\ 1/\sqrt2&1/\sqrt2\\ 0&1 \end{bmatrix}} $$

见第 13 节，最终：
$$ \boxed{ \mathbf w_A = (\mathbf C_n^H\mathbf R\mathbf C_n)^{-1} \mathbf C_n^H\mathbf R\mathbf w_0} $$

20. 高频易错点

部分自适应不是“只接收部分阵元”，而是只使用部分自适应自由度。
降维矩阵尺寸是：
$$ \mathbf T:N\times M $$
因为：
$$ \mathbf y=\mathbf T^H\mathbf x $$
(\mathbf T) 的每一列对应一个降维输出。
数字复制理想无损；射频功分存在每支路功率分配。
功率除以 (K)，幅度除以 (\sqrt K)。
(0.707) 来自 (1/\sqrt2)，不是经验数。
降维后的导向矢量是：
$$ \mathbf T^H\mathbf a $$
不是 (\mathbf T\mathbf a)。
降维后的协方差是：
$$ \mathbf T^H\mathbf R\mathbf T $$
等效全维权是：
$$ \mathbf T\mathbf w_T $$
(N=M) 且 (\mathbf T) 可逆时没有信息损失，但也没有真正降维。
子阵相位中心间距大于半波长会带来第二级栅瓣。
均匀划分消栅瓣还要求两级指向一致。
Butler 波束在 (\sin\theta) 上均匀，不是在 (\theta) 上均匀。
课件中的 Bulter 通常指标准 Butler。
加窗可降低各波束旁瓣，但会破坏原 DFT 波束正交性。
Gabriel：辅助主瓣对消主旁瓣。
Adams：辅助旁瓣对消主旁瓣。
Gabriel 适合方向可估计的稀疏干扰；Adams 更适合密集干扰。
IF 和 SINR 理论公式中的 (N)、INR、SNR 先用线性值相乘。
dB 乘法关系变成加法：
$$ 10\log_{10}N+\text{输入 dB} $$
GSC 的总输出是上支路减下支路。
GSC 阻塞的是期望信号，不是干扰。
固定权满足：
$$ \mathbf C^H\mathbf w_0=\mathbf f $$
阻塞矩阵满足：
$$ \mathbf C_n^H\mathbf C=\mathbf0 $$
GSC 总权：
$$ \mathbf w=\mathbf w_0-\mathbf C_n\mathbf w_A $$
减号不能丢。
辅助权公式中的协方差必须被阻塞矩阵夹在中间：
$$ \mathbf C_n^H\mathbf R\mathbf C_n $$
(L) 个独立约束消耗 (L) 个自由度，剩余 (N-L)。
阻塞降维维数通常至少不小于独立干扰数。
“维数越高性能一定越好”在有限快拍条件下不成立。
理想阻塞矩阵遇到导向失配时仍可能泄漏期望信号。
相邻两阵元对消矩阵的系数必须保证每行与 (\mathbf a_0) 内积为零。
Householder 的简单公式对复向量相位条件敏感，程序中应采用相位感知的稳定形式或直接用 null。

21. 考前十分钟背诵版

部分自适应：只使用部分阵元、子阵或波束自由度。
优点：运算小、快拍少、收敛快；缺点：可能有性能损失。
降维：(\mathbf y=\mathbf T^H\mathbf x)。
(\mathbf T:N\times M)，每列一个输出。
(\mathbf R_y=\mathbf T^H\mathbf R_x\mathbf T)。
(\mathbf a_T=\mathbf T^H\mathbf a)。
等效权：(\mathbf w=\mathbf T\mathbf w_T)。
数字复用无理想功率损失。
射频 (K) 路功分：功率 (1/K)，幅度 (1/\sqrt K)。
均匀子阵消栅瓣：(d'=Kd)，两级指向一致。
其他方法：非均匀划分、相位中心稀疏优化。
Morgan：一个辅助阵元是 SLC，多个是 MSC。
自由度通常至少不小于独立干扰数。
Butler 是 DFT 多波束，归一化后 (B^HB=I)。
Butler 波束在方向投影上均匀，在角度上不均匀。
Gabriel：辅助主瓣对消主旁瓣。
Adams：辅助旁瓣对消主旁瓣。
理论 IF：(N\times INR_{\text{in}})。
理论输出 SINR：(N\times SNR_{\text{in}})。
GSC：(\mathbf w=\mathbf w_0-\mathbf C_n\mathbf w_A)。
固定权：(\mathbf C^H\mathbf w_0=\mathbf f)。
阻塞：(\mathbf C_n^H\mathbf C=0)。
主支路：(m=\mathbf w_0^H\mathbf x)。
辅助数据：(\mathbf y=\mathbf C_n^H\mathbf x)。
输出：(e=m-\mathbf w_A^H\mathbf y)。
(\mathbf w_A=(\mathbf C_n^H R C_n)^{-1}C_n^H Rw_0)。
(L) 个约束后，自由度为 (N-L)。
降维阻塞矩阵 (\mathbf B) 要同时满足 (B^HC=0) 和 (B:N\times P)。
三种重点构造：相邻对消、特征矢量正交、Householder。
阻塞失配会造成期望信号泄漏和自相消。

22. 资料索引与可靠性说明

资料	第四章用途	注意事项
20260605.pdf	当前第四章考试范围，PDF 第 8～9 页	最高优先级，明确要求 (T)、Gabriel/Adams、理论极限、GSC 推导与三类阻塞矩阵
第四章主讲义	全章概念、Chapman、Morgan、Gabriel、Adams、GSC	页码和图号沿用旧版“图 3.x”，不影响当前章知识
第四章 A	(T) 矩阵、数字/射频模式、两级波束形成、子阵栅瓣	(T) 的拓扑构造和 2022 真题直接相关
第四章 B	阵元级部分自适应、自由度、阵元选择与性能	具体仿真曲线用于理解，不建议死背各 SNR 分界
第四章 C	Butler/DFT 多波束、正交性、加窗和误差	文件名写 `Bulter`；标准拼写是 Butler
第四章 D	Gabriel、Adams 选波束方法和仿真比较	文件名 `Gabreil` 是 Gabriel 的拼写误差
第四章 E	GSC 结构、推导、NS/PC/CS/Gabriel/Adams 构造	GSC 主理论来源
第四章 F	相邻对消、特征矢量正交、Householder	Householder 简化式存在参考阵元相位条件，本文补充一般复数形式
2021 年试题.pdf>)	GSC 概念、推导、阻塞关系和构造	博士题 10 分，但完整覆盖当前大纲 GSC 要求
2022 年试题(1).pdf>)	射频功分 (T) 矩阵选择题	图片式 PDF，正确答案为 D
扫描旧题汇编	旧卷和手写推导交叉核对	重复多、手写答案质量不一，不高于当前大纲和新课件

22.1 本文采用的统一与纠错

统一使用：
$$ \mathbf y=\mathbf T^H\mathbf x, \quad \mathbf T\in\mathbb C^{N\times M} $$
标准名称使用 Butler，保留课件 Bulter 作为文件和程序名称。
标准人名使用 Gabriel，课件文件名 Gabreil 属拼写误差。
GSC 统一采用列约束：
$$ \mathbf C^H\mathbf w=\mathbf f $$
与课件中的：
$$ \mathbf w^H\mathbf C=\mathbf f^H $$
完全等价。
课件有时把阻塞矩阵写作 (\mathbf C_n)，进一步降维时又将 (\mathbf C_n\mathbf T) 合并记作 (\mathbf T)。本文为避免混淆，统一把合并矩阵记作 (\mathbf B)。
Butler 矩阵课件常省略 (1/\sqrt N)，本文区分未归一化 DFT 与酉归一化 DFT。
Householder 课件公式适合特定参考相位条件，本文补充了一般复向量稳定写法。

23. 本章最终达标标准

[ ] 能比较全自适应与部分自适应的自由度、运算量和收敛性。
[ ] 能写 (\mathbf y=\mathbf T^H\mathbf x)、(\mathbf R_y) 和 (\mathbf a_T)。
[ ] 能从网络拓扑独立构造 (N\times M) 的 (\mathbf T)。
[ ] 能正确处理数字复用和射频功分系数。
[ ] 能独立完成 2022 年射频功分矩阵题。
[ ] 能解释三种两级普通波束形成方法。
[ ] 能说出均匀划分、非均匀划分和稀疏优化三种栅瓣处理途径。
[ ] 能说明部分自适应自由度与干扰数的关系。
[ ] 能写 Butler 矩阵并解释波束正交性。
[ ] 能在 10 秒内区分 Gabriel 与 Adams。
[ ] 能使用课程公式计算 IF 和输出 SINR 理论极限。
[ ] 能画出或口述 GSC 的上下两条支路。
[ ] 能写 GSC 所有输入输出关系和矩阵维数。
[ ] 能证明 GSC 总权始终满足 LCMV 约束。
[ ] 能独立推导 GSC 最优辅助权。
[ ] 能写 (\mathbf C_n^H\mathbf C=\mathbf0)。
[ ] 能构造相邻两阵元对消阻塞矩阵。
[ ] 能说明特征矢量正交构造的系数来源。
[ ] 能说明 Householder 如何得到导向矢量的正交补。
[ ] 能解释阻塞失配为什么导致期望信号自相消。
[ ] 第 19 节自测达到 80 分以上。

第四章 部分自适应阵列信号处理：零基础快速复习

0. 使用方法与范围

0.1 掌握等级

0.2 时间紧时的学习路线

0.3 当前大纲与复习深度

0.4 本章资料边界

1. 一页必背清单

1.1 全自适应与部分自适应

1.2 降维模型

1.3 数字复用与射频功分

1.4 三阵元、两子阵必背例子

1.5 子阵栅瓣抑制

1.6 Butler 多波束

1.7 Gabriel 与 Adams

1.8 理论性能极限

1.9 GSC

1.10 GSC 自由度

2. 部分自适应的概念与核心矛盾

2.1 学到什么程度

2.2 定义

2.3 为什么要部分自适应

2.4 核心矛盾

2.5 什么时候降维不一定损失性能

3. 阵元空间降维模型

3.1 学到什么程度

3.2 降维变换

3.3 降维协方差

3.4 降维导向矢量

3.5 降维最优权

3.6 全维特例

4. 从网络拓扑构造降维矩阵 (\mathbf T)

4.1 学到什么程度

4.2 通用构造规则

4.3 三阵元两输出

数字复用

射频二功分

4.4 2022 年真题

4.5 高频陷阱

5. 两级普通波束形成与子阵方向图

5.1 学到什么程度

5.2 三种方法

方法 1

方法 2

方法 3

5.3 总方向图

6. 子阵栅瓣与抑制方法

6.1 学到什么程度

6.2 均匀子阵

6.3 非均匀划分

6.4 非均匀阵稀疏优化

7. Morgan 阵元级部分自适应与自由度

7.1 学到什么程度

7.2 基本思想

7.3 自由度与干扰数

7.4 辅助阵元位置

8. Butler 多波束基础

8.1 学到什么程度

8.2 名称说明

8.3 DFT 权矩阵

8.4 波束指向

8.5 正交特性

8.6 加窗与系统误差

9. Gabriel 与 Adams 波束空间部分自适应

9.1 学到什么程度

9.2 通用辅助波束对消模型

9.3 Gabriel 方法

9.4 Adams 方法

9.5 何时二者相同

10. 改善因子与输出 SINR 理论极限

10.1 学到什么程度

10.2 改善因子

10.3 输出信干噪比

10.4 dB 形式

10.5 例题

10.6 适用条件

11. 为什么需要 GSC

11.1 学到什么程度

11.2 普通旁瓣相消器的不足

11.3 GSC 的改进

11.4 一句话标准答案

第四章部分自适应阵列信号处理：零基础快速复习