高增益对角减载波束形成方法研究

实际的海洋噪声包括不相关噪声成分和相关噪声成分,针对不相关噪声仅仅影响接收数据协方差矩阵对角元素的这一现象,提出一种基于对角减载技术的高增益最小方差无畸变响应法(minimum variance distortionless response,MVDR).在稳健性足够的前提下,首先,按照一定准则选取约束量,利用加权向量范数约束法保证方法的稳健性。然后,利用牛顿迭代法计算得到对角减载系数。最后,将减去对角减载系数的协方差矩阵应用到MVDR波束形成方法中。仿真和海试数据处理结果表明,对角减载MVDR波束形成方法在保证稳健性的同时,提高了阵增益和多目标分辨能力。通过调整减载系数,能够在稳健性与阵增益之间进行折中。      

柱形障板条件下声矢量圆阵相位模态域目标方位估计

提出了基于横向、纵向和对角排列的声压振速联合处理协方差矩阵构造的相位模态域最小方差无畸变响应(MVDR)目标方位估计方法。该方法利用弹性柱障散射声场模型,根据声矢量圆阵相位模态变换理论,构造声压与不同振速分量的互协方差矩阵,并进行相加、纵向、横向和对角排列得到扩展互协方差矩阵,将扩展互协方差矩阵分解重构后进行MVDR目标方位估计。理论分析与仿真结果表明,纵向排列互协方差矩阵具有更好的方位估计性能,相加互协方差矩阵具有较低的背景谱,对角和横向排列相对纵向排列较差。水池试验和湖试结果进一步验证了纵向排列互协方差矩阵具有较其他3种方法更好的方位估计性能。     

复杂噪声场下对角减载技术的原理及应用

实际水下噪声场是非常复杂的,它具有一定的相关性,且各阵元接收到的噪声的功率不相等,因此归一化的噪声协方差矩阵不是单位矩阵,会使得一些阵列信号处理算法的性能下降.针对这个问题,本文充分分析了复杂噪声场的物理特性,建立了噪声协方差矩阵的物理模型,提出了一种复杂噪声场下的协方差矩阵对角减载技术.首先将数据协方差矩阵减去一个减载系数矩阵,在使得波束输出信噪比达到最大的约束条件下,获得了减载系数矩阵的理论表达式和近似表达式.然后利用最小二乘方法,估计减载系数矩阵,并且理论分析了噪声场的相关性及输入信噪比对估计误差的影响.仿真实验和湖试数据处理结果表明,在复杂噪声场条件下,该算法提高了输出信噪比,改善了阵列信号处理算法的性能,并且该算法计算复杂度低,可以实时处理.     

一种改善逆波束形成显示效果方法

在低信噪比条件下,由于协方差矩阵中主对角元素相比其他元素所含噪声能量大,致使逆波束形成(IBF)所得空间谱中目标方位处能量与其他方位处能量差别小、显示效果不好。对此,本文采用对协方差矩阵主对角元素进行修正法来降低噪声对IBF的影响,进而扩大目标方位与其他方位处能量差别,改善空间谱显示效果。 Matlab数值仿真和湖试数据处理结果均表明：在低信噪比条件下,本方法可改善IBF所得空间谱的显示效果。本文所述方法简单有效,可满足实际工程应用,为改善方位历程显示效果提供一个参考。     

使用协方差矩阵分解的矢量阵声压振速联合处理波达方向估计

提出一种使用协方差矩阵分解(CMD)的声矢量阵声压振速联合处理方法。该方法将声压振速互协方差矩阵分解为观测方位系数矩阵和剩余协方差矩阵,将系数矩阵与导向矢量结合避免了观测方位的选择,对剩余协方差矩阵进行奇异值分解并重构厄米特协方差矩阵,最后对重构的协方差矩阵实施最小方差无失真响应(MVDR)方法处理。理论分析表明,使用重构的协方差矩阵能够获得更高的阵处理增益。数值仿真结果验证了本文方法的计算量与Nehorai处理方法相近,但较传统声压振速联合处理方法具有更高的阵处理增益和目标分辨能力。     

快速收敛最小方差无畸变响应算法研究及应用

常规最小方差无畸变响应(MVDR)自适应波束形成是一种高分辨窄带波束形成器,它是利用实际声场的窄带互谱密度矩阵(CSDM)估计出自适应波束形成权向量。在实际应用中,MVDR算法需要较长的观测时间估计协方差矩阵,不利于对高速运动目标进行定位;对于宽带目标信号,MVDR算法需要对每一个CSDM进行求逆运算,计算量较大;在相干源条件下,目标信号之间会发生"对消"现象,MVDR算法性能急剧恶化。本文提出了基于子带子阵处理的快速收敛MVDR自适应波束形成方法。首先将全频带划分成一组子带,将接收线阵划分成一组子阵,然后对每一子带计算降维的驾驶协方差矩阵(STCM),从而得到快速收敛MVDR自适应波束形成的权值和空间谱估计结果。同时采用双向空间平滑方法对相干源进行MVDR空间谱估计。仿真和海试数据处理结果表明该算法在保证高分辨力的同时,具有瞬时收敛的性能,双向空间平滑技术具有良好的解相干性能。      

互谱域MVDR自适应时延估计方法研究

针对窄带信号,通过构造互谱时间序列,在互谱域建立了平稳时间序列时延估计的最小方差无畸变响应(MVDR)滤波器模型;利用分段近似处理,类比空间MVDR自适应算法,给出了其具体算法(Algorithm of MVDR in cross spectral domain,CSMVDR);进行了数值仿真实验研究和海上实验数据处理。数值仿真与实验数据处理结果初步验证了CSMVDR时延估计对于舰船辐射噪声的适用性,CSMVDR时延估计有比相关检测更好的时延估计性能,能够提高信噪比增益和时延估计精度。     

声矢量圆阵宽带相干目标MVDR方位估计*

针对宽带相干目标的远程探测问题，本文提出一种基于声压振速联合处理和矢量重构的声矢量圆阵MVDR波束形成方法。该方法利用相位模态变换技术，将声矢量圆阵变换为与信号频率无关的虚拟线阵，并构建虚拟线阵声压与组合振速的互协方差矩阵，利用声压与振速各分量间的空间相关性有效地抑制各向同性环境噪声；并对宽带相干信号的互协方差矩阵进行矢量重构，即将最大特征值对应的特征向量划分为相互重叠的子向量，从而构建前/后向Hermitian矩阵；最后，基于MVDR波束形成器实现宽带相干目标的方位估计。仿真计算和实验数据处理结果表明，该方法具较强的解相干能力和噪声抑制能力以及较高的方位估计性能。     

拖线阵机动时的自适应波束形成

提出了一种MVDR(最小方差无失真响应)的改进算法,用以解决常规MVDR算法由于阵形时变而出现的性能下降问题。在获得时变阵形估计数据的基础上,该算法以统计时段内的平均阵形为基准阵形,在每个扫描方向上根据实际阵形和基准阵形的差异对阵列互谱矩阵多样本进行相位补偿,从而实现统计时段内的互谱矩阵多样本相干累加和目标检测。数值仿真与海上实验数据处理结果表明:与传统MVDR算法相比,改进算法有效缓解了时变阵形下的目标测向角度模糊问题,可提高拖线阵目标左右舷分辨性能、增强弱目标检测能力。      

确定峰度非高斯海洋环境噪声模型研究

针对非高斯海洋环境噪声仿真问题,利用对衰减正弦信号均匀采样方法,产生了具有特定谱特性同时具有特定峰度值的非高斯海洋环境噪声序列。在理论仿真条件下,通过对低峰度值和高峰度值的分别讨论发现,当峰度值高于3.0时总可以仿真得到较好的结果,而当峰度值低于3.0时,需通过降采样或降阶的方法解决不能仿真的问题。4种海上试验条件下的仿真结果表明,在安静环境、单一航船干扰环境、气枪声源干扰环境以及冲击性干扰环境下,都可以产生与目标谱特性、统计特性几乎相同的非高斯海洋环境噪声序列。      

传声器阵列波束比判决语音增强方法

针对单一波束形成器难以深度抑制空间相干干扰的问题,提出了一种综合了最小方差无畸变响应波束形成器与对称子阵延时求和波束形成器的语音增强方法。定义了一种波束输出比因子,根据该因子在目标声区域和干扰声区域的幅值变化,给出了采样协方差矩阵对角加载量的调整方法,并进一步利用该因子在后滤波环节对空间干扰进行判决滤波。文中对判决滤波时的上限阈值和下限阈值的实时更新方法给出了说明。所提出的算法能进一步抑制空间干扰和噪声,且可满足实时需要。在传声器圆阵上的实验表明,该方法在输出信干噪比及语音质量上,均优于经典对角加载算法及采样协方差矩阵扫描重构算法。      

Locating wide band acoustic sources using higher order statistics

The conventional array processing algorithms are effective when the propagation model and the array geometry are known and when the additive noise is white or with a known covariance matrix. In several real situations these assumptions are not verified, hence a degradation of their performances. To cope with this problem, we resort to the higher order statistics of the received signals. The interest of the published papers was the separation of the narrow band and uncorrelated acoustic sources. In this paper, we propose a cumulant based algorithm to characterize the wide band and fully correlated signals. This algorithm removes the additive Gaussian noise and then improves the existing narrow band array processing techniques. This method consists in combining the different information contained in the analysis band by using the optimal transformation matrices. The basic idea is based on both the fourth order statistics and the whitening processing of the received data. This leads to cleaned data and then to improve the source separation. The performance of the proposed algorithm is obtained by simulations for several test cases of interest.     

海洋环境噪声场对称性分析及噪声消除方法

实际的海洋环境是非常复杂的,存在着海洋自噪声、舰船噪声、生物发声等,阵元接收到的噪声信号存在一定的相关性,此时基于传统阵列信号处理的目标方位估计方法的性能将变差,针对这一问题,提出了一种实部消除方法.首先从阵元接收环境噪声的物理机理出发,将圆环阵接收的噪声场分解为对称噪声场和非对称噪声场,并且研究发现对称噪声场只影响数据协方差矩阵的实部.然后通过消除协方差矩阵实部,达到消除对称噪声场的目的,提高信噪比,但是同时产生了虚假声源.针对虚假声源的问题,提出了基于优化算法重构协方差矩阵实部的方法,消除了虚假声源的影响.仿真分析与海试数据处理结果表明:该方法明显消除了对称噪声,提高了信噪比,改善了阵列信号处理算法的性能.实部消除方法易于实现,有一定的工程应用价值.     

MASS-RAB: Robust adaptive beamforming for general-rank signal models via matched spatial spectrum processing

The wavefront of acoustic signal suffers from fast fluctuation after a long distance propagation in a random and inhomogeneous ocean channel, which makes the rank of the covariance matrix for the desired signal (signal of interest) remarkably higher than one. Consequently, the assumption of rank-one point signal model for existing adaptive beamforming algorithms is no longer suitable. In this paper, a matched spatial spectrum processing based robust adaptive beamforming (MASS-RAB) algorithm is presented for general-rank signal models. First, the interference-plus-noise covariance matrix and the desired signal covariance matrix are reconstructed using the matched spatial spectrum processing method. Second, the weight vector is directly calculated using these reconstructed covariance matrices for the minimum variance distortionless response (MVDR) algorithm, which is developed for the general-rank signal models. Due to covariance matrix reconstruction, the MASS-RAB algorithm is more robust than those methods relying on the sample covariance matrix. The cases of the rank-one point signal model and the full-rank non-point signal model are considered by several numerical examples. Experimental results have demonstrated the superiority of the proposed MASS-RAB method.     

一种最差情况下性能最优化的特征分析自适应波束形成方法

自适应波束形成在弱目标检测和空域滤波中应用广泛。然而在实际海洋环境中,失配情况比较普遍,往往会导致传统自适应波束形成方法性能明显下降。针对此问题,本文基于特征分析重构观测信号协方差矩阵来抑制干扰对弱目标检测的影响,在此基础上进一步利用凸优化算法来提高波束形成方法的鲁棒性。数值仿真和海试数据处理结果表明,本文所提方法在抑制干扰对弱目标影响的基础上,在阵元位置平均误差不超过入射信号中心频率对应波长的40%的情况下,仍可以鲁棒地检测目标信号。同时,该方法显著提高了自适应波束形成方法的输出信干噪比,且受对角加载量取值的影响较小。      

Robust adaptive acoustic vector sensor beamforming using automated diagonal loading

In this paper, a novel robust adaptive acoustic vector sensor beamformer based on shrinkage is derived. Unlike many existing methods, the proposed method is completely automatic (or so-called user parameter-free), which means, it do not need the choice of user parameters. The proposed diagonal loading algorithms use shrinkage-based covariance matrix estimates, instead of the conventional sample covariance matrix, in the standard Capon acoustic vector sensor beamforming formulation. The numerical results show that our method is robust against errors on the steering vector and small sample sizes, and meanwhile gives high output signal to interference plus noise ratio (SINR).     

波束空间能量约束的稳健自适应波束形成

为改善波束形成器在一定失配条件下的工作性能,提出了一种稳健自适应波束形成方法。该方法通过设计信号在波束空间能量分布的约束条件,利用阵列数据协方差矩阵,结合迭代二阶锥规化方法,实现信号驾驶向量的估计,最后利用该估计得到最小方差无失真响应波束形成器。该方法在较恶劣的失配条件下也可以自适应地准确估计信号驾驶向量并保证其成分无失真地通过,使系统的稳健性得到改善。数据仿真结果表明,该方法在理想条件下与成熟的对角加载法性能相当,在失配条件下则优于后者。      

低复杂度的MIMO声呐协方差矩阵重构方法*

多输入多输出声纳在对目标进行测向时会产生复杂的运算量,从而降低算法的测向效率。针对这一问题,提出了一种基于降维变换方法的低复杂度协方差矩阵重构方法。该方法能够抑制噪声,提高目标侧向性能。首先利用降维变换方法对接收信号进行波束形成,获得低维度的协方差矩阵,再对矩阵进行Toeplitz处理,抑制矩阵的相干性。所得到的新的协方差矩阵,通过特征分解获得噪声子空间和信号子空间,利用MUSIC方法进行测向。为了进一步降低运算复杂度,利用阵型所满足的旋转不变性,可以采用ESPRIT算法对目标进行波达方向估计。理论分析和实验结果表明,该方法有效降低了运算复杂度,提高了算法的测向性能。在有限快拍数的情况下,与传统测向方法相比,具有运算速度快,目标分辨力强的特点。