يك الگوريتم شكل دهي پرتو وفقي مقاوم جديدكنترل شونده

برای بررسی مناطق مستعد فرونشست میدان های نفتی، روش های متعددی مانند ترازیابی دقیق یا سیستم اطلاعات جغرافیایی استفاده می شود. اما به دلیل هزینه بر بودن این روش ها و عدم دسترسی به مشاهدات در برخی شرایط خاص امكان بروزپدیده ی فرونشست توسط تكنیك تداخل سنجی راداری پیشنهاد می شود. همچنین اندازه گیری دقیق و مداوم ارتفاع و حجمسیالات موجود در مخازن ذخیره سازی, مخازن صادراتی واقع در پایانه های صادرات مواد نفتی, كشتی ها و تانكرهایی كه موادنفتی حمل می كنند, بسیار حائز اهمیت می باشد. از پركاربردترین روش های پیاده سازی الگوریتم های شكل دهی پرتو وفقی می توانبه الگوریتم های LCMV اشاره كرد. در این مقاله یك الگوریتم جدید و بسیار مقاوم ارائه می دهیم. الگوریتم MVDR و LCMV است. همچنین الگوریتم پیشنهادی سطح لوب فرعی كمتر و SIRN بیشتری نسبت به وقتیكه از بردار كنترل استفاده نمی كنیم دارد. در حالتی كه از روش بارگذاری قطری و بردار كنترل استفاده كنیم نیز شاهد سطح لوب فرعی كمتر و SINR بیشتر هستیم، اما باز هم به عملكرد الگوریتم پیشنهادی نخواهیم رسید.پیشنهادی به دو طریق، استفاده از ماتریس كواریانس نمو داده و بردار كنترل مقاوم میشود. این در صورتی است كه از پارامتر اضافه ای استفاده نكرده ایم. نتایج شبیه سازی نشان میدھند كه الگوریتم پیشنھادی بسیار مقاومتر از الگوریتمھای R-MVDRi i i ،MVDR است. ھمچنین الگوریتم پیشنھادی سطح لوب فرعی كمتر SI NRi بیشتری نسبت به وقتیكه از بردار كنترل استفاده نمی كنیم دارد. در حالتی كه از روش بارگذاری قطری و بردار كنترل استفاده كنیم نیز شاھد سطح لوب فرعی كمتر و SI NR بیشتر ھستیم؛ اما باز ھم به عملكرد الگوریتم پیشنھادی نخواھیم رسید.

In this paper, we propose a new robust adaptive beamforming algorithm for linear arrays based on Minimum Variance Distortion-less Response (MVDR) algorithm. In MVDR algorithm, the covariance matrix of data has an important role in the performance of the algorithm. In proposed algorithm, we use the covariance matrix of data increment instead of data covariance matrix in addition to a control vector during the optimization. The performance of the proposed algorithm is evaluated and compared with the MVDR and robust MVDR (RMVDR) algorithms. Although one of the most important algorithms in implementation of beamforming is MVDR algorithm, its sensitivity to accuracy of the estimate of covariance matrix is high. One of the most common methods to reduce this sensitivity is diagonal loading method. The accuracy of this method depends on a parameter that there is not a well-dined and accurate method to determine it. Although a control vector is used in the proposed algorithm, the simulation results show the performance of the algorithm is almost constant for various forms of this vector. In the presence of variance noise, the proposed algorithm is more robust than the MVDR and RMVDR algorithms. The proposed algorithm has better performance in the main lobe, higher SINR (signal to noise and interference ratio), lower side lobe level, and cancels signal interference well