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。     

一种稳健的柔性阵波束形成方法

由于航向、航速的改变以及水流、风浪等因素的影响,柔性线列阵在实际应用过程中阵型畸变是不可避免的。一方面,这种畸变使得许多假设阵型无畸变的波束形成方法的性能受到严重的影响;另一方面,目前很多的阵型估计方法仍不是很成熟,很难准确估计阵元的实际位置。本文提出将柔性阵列分为一段阵元位置已知的子阵和若干段阵元未知的子阵,利用不同子阵接收信号的互相关即可获得所需要的波束形成加权系数,从而在不需要知道阵元确切位置信息的情况下实现目标方法的估计。     

一种稳健的恒定束宽波束形成方法

考虑到信号的方向信息存在误差时,宽带聚焦变换波束形成方法的稳健性会急剧下降,为了克服这种缺点,将稳健的二阶锥规划波束形成用于聚焦变换方法中,提出一种稳健宽带恒定束宽波束形成方法并将其应用于声呐探测。二阶锥规划波束形成是通过对阵列流形进行约束求解得到准确的权值,从而减少聚焦数据误差,避免估计畸变,得到恒定束宽,提高了聚焦变换恒定束宽波束形成器的性能。借助计算机对圆环形传感器阵列在宽频段内进行恒定束宽波束优化设计,并进行了实验研究,结果表明该方法对信号信息误差有很好的宽容性,能实现我们期望得到的恒定束宽波束图,能应用于实际的声呐探测中。并且比传统的二阶锥恒定束宽方法有更高的稳健性。     

协方差矩阵重构的稳健自适应波束形成算法

针对协方差矩阵含有期望信号成分以及波束指向角失配时,传统自适应波束形成器性能严重下降的问题,提出了协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域与信号区域,先利用Capon波束形成器对干扰区域积分,由此构造出干扰协方差矩阵。然后,利用标准Capon波束形成器的波束域MUSIC谱估计法对信号区域积分,重构出信号协方差矩阵,以其主特征向量作为期望信号导引向量估计。由于算法重构了干扰加噪声协方差矩阵并对导引向量进行了修正,保证了自适应波束形成器的性能。理论分析和仿真实验结果表明,算法在训练数据含有期望信号成分和波束指向角度失配情况下具有良好的性能。     

一种加权稀疏约束稳健Capon波束形成方法

为了克服标准Capon波束形成器旁瓣级高以及存在角度失配时性能急剧下降等缺点, 在稀疏约束Capon波束形成器的基础上, 提出了一种加权稀疏约束Capon波束形成器. 该方法利用波束响应的稀疏分布特性, 在标准Capon波束形成优化模型中加入旁瓣区域波束响应稀疏约束(l₁ 范数约束), 使旁瓣区域波束响应向量中非零元素的个数最小化; 通过阵列采样数据协方差矩阵特征分解得到信号子空间及噪声子空间, 利用信号子空间与噪声子空间的正交特性, 构造加权矩阵对稀疏约束进行加权, 使得稀疏重构时波束响应向量中不同角度对应的元素得到不同程度的约束. 该方法有效地抑制了Capon波束形成器的高旁瓣级, 加深了干扰方位零陷, 提高了阵列输出信干噪比. 由于稀疏约束, 波束响应向主瓣集中, 期望信号方向附近的波束响应都较大, 从而也提高了阵列抗导向矢量角度失配的能力. 数值仿真和水池实验验证了所提方法的有效性.     

一种新的稳健波束形成算法及其一维搜索策略

存在条件失配时自适应波束形成器的性能急剧下降,凸优化技术的引入使稳健波束形成器的设计更加灵活,但同时带来了计算复杂度的增加和工程实现上的困难.针对上述问题,提出了一种基于最小二乘估计的稳健波束形成算法,并推导得到一种基于一维搜索的求解方法.首先利用广义旁瓣对消器的结构将标准Capon波束形成器转化为稳健最小二乘问题,并将该问题转化为二阶锥规划的形式.为了减少计算量,利用二阶锥规划问题的原始问题和对偶问题的关系,将求解过程转化为一维搜索,并利用牛顿迭代法获得最优解,从而获得与标准Capon波束形成相近的计算复杂度.仿真分析表明,该算法具有良好的抗导向矢量失配和快拍数不足的稳健性.     

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。     

时域宽带恒定束宽波束形成的实验研究

由于实际水声系统中的阵列模型往往与理想阵列模型失配,导致基于理想阵列模型设计的时域恒定束宽波束形成器所形成的波束图在实际应用中严重畸变,从而不能有效地抑制旁瓣干扰和无失真地接收宽带信号。本文利用水池实验说明阵列模型失配对基于理想阵列模型设计的时域恒定束宽波束形成器的影响,并提出一种有效的设计方法以减小这种影响,即通过实际测量,获得包含失配信息在内的实际阵列模型,并将该模型应用到时域恒定束宽波束器的设计当中。实验结果表明,基于实际阵列模型的设计可以有效地减小由于阵列模型失配带来的影响,这对设计实际系统可以使用的时域恒定束宽波束形成器具有重要的意义。     

质点振速传感器直线阵超指向性波束形成*

声矢量传感器及其组阵方式的研究已成为水声领域的热门课题。该文研究了当单自由度矢量传感器（质点振速传感器）的观测方向沿直线阵轴线方向时的空间均匀噪声场中两阵元的噪声相关系数,然后采用Gram-Schmidt模态波束分解与综合方法推导了高阶超指向性的最优解,得到了直线阵端射方向的指向性指数和稳健性水平。仿真研究表明,当d / λ < 0.5 (d为阵元间距,λ为波长)时,质点振速传感器直线阵（简称质点振速阵）采用超指向性方法在端射方向的指向性指数略高于声压传感器直线阵（简称声压阵）;而当d / λ > 0.5时,质点振速阵的指向性指数远远高于声压阵。该文的研究内容对水下声纳系统中质点振速传感器的有效组阵和实际应用具有一定的参考价值。     

一种自适应最小范数算法

运用特征子空间方法的关键在于信号子空间或噪声子空间的估计,实际上有些信号的统计特性随时间变化,于是要求得到参数的实时估计值,为此,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新。本文首先分析了一种自适应子空间估计算法,即MALASE(MaximumLikelihoodAdaptiveSubspaceEstimation)算法。然后,把MALASE算法与传统的最小范数(Mini-Norm)高分辨算法相结合,并应用零点跟踪技术,提出了一种自适应Mini-Norm高分辨算法,可用于对时变的信号波达方向(DOA)进行跟踪估计。计算机仿真结果验证了该算法的有效性。     

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.     

基于干扰协方差矩阵重构的恒定束宽鲁棒自适应波束形成

针对宽带波束形成中的恒定束宽波束响应优化设计问题与鲁棒性问题展开研究。首先,提出一种基于相位补偿的恒定束宽全局优化设计方法,通过对阵列流形向量进行相位补偿来设计恒定束宽波束,与现有的一些方法相比,该方法不仅能获得全局最优解,而且物理实现简单。同时,还提出一种基于协方差矩阵重构的鲁棒自适应宽带波束形成算法。该算法采用Capon估计器估计样本数据的空间一频率谱密度函数,然后对期望信号波达方向之外的角度区间进行积分来重构干扰加噪声协方差矩阵,最后利用重构的协方差矩阵设计自适应波束形成器权系数。该波束形成器设计问题被表述成凸优化问题求解。仿真结果表明,在整个输入信噪比范围内,该算法几乎都能获得接近理想值的输出信干噪比。     

子空间方法用于宽容的自适应波束形成

由于浅海波导和接收阵本身存在大量的不确实性,使得接收到的阵数据产生严重的失真,而常见的自适应波束形成方法如MVDR对失配很敏感。为此,本文提出了一种宽容性的自适应子空间波束形成方法。考虑一个具有空间特征的信号位于已知的子空间,但在子空间中的具体位置未知,并将干扰建模为子空间干扰。首先对未知参量进行最大似然估计,代入似然比检测中得到广义似然比检测(GLRT),从而得到子空间波束形成器。通过对不同失配情况下仿真以及实际海试数据处理验证了子空间波束形成器的性能,仿真和实验数据处理结果表明,子空间波束形成器比MVDR更宽容,比较明显提高检测和估计性能。     

矩阵预滤波器在抗运动干扰中的应用研究

自适应波束形成器容易受到运动干扰和观测方向偏差的影响,针对该问题提出了一种基于矩阵预滤波的零陷展宽稳健波束形成算法。首先分析了矩阵预滤波器在抗运动干扰时的适应性,并利用矩阵预滤波器在运动干扰所在区域形成凹槽。利用椭圆投影定理计算预滤波后的导向矢量不确定集,在新的导向矢量不确定集下利用稳健Capon波束形成算法(RCB)寻找最优导向矢量。仿真分析表明,和RCB算法相比,该算法不仅获得更高的输出信干噪比,还获得了预先设定的展宽零陷。     

可变不确定集约束的鲁棒自适应波束形成方法

自适应波束形成方法在存在协方差矩阵误差和导向向量误差的失配条件中性能严重下降。最差情况性能最优。(Worst-Case Performance Optimization,WCPO)方法可以显著增强失配条件下自适应波束形成的鲁棒性,但该方法存在系统性的信号功率过估计问题,并且限定协方差矩阵不确定集与导向向量不确定集的两个关键参数需要人为指定,缺乏具备明确物理意义的求解方法和数据自适应性.本文以WCPO方法为基础,给出了信号功率过估计的理论分析以及相应的改进方法,提出了基于矩阵重构的协方差矩阵不确定集参数的自适应估计方法,最终得到一种可变不确定集约束的鲁棒自适应波束形成方法(WCPO-PCVC).相比WCPO方法,该方法消除了信号功率估计的系统性偏差,且关键参数无需人为指定。数值仿真和海试数据处理结果表明,该方法在失配条件下具有良好的干扰与旁瓣抑制能力,与常规波束形成方法相比具有更好的信号到达角分辨能力,与自适应波束形成方法相比估计的信号功率更为精准。     

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).     

利用协方差矩阵拟合的阵列孔径扩展方法

提出了一种协方差矩阵拟合的阵列孔径扩展方法来提高小孔径均匀直线阵的分辨力。该方法分析了具有不同阵元个数的阵列采集信号协方差矩阵之间的关系, 并根据该关系构建阵列扩展的优化算法, 利用小孔径实际阵列协方差矩阵拟合得到大孔径虚拟阵列的协方差矩阵。仿真分析与湖试数据处理结果表明, 将拟合协方差矩阵用于现有方位估计方法中能够降低波束宽度, 提高分辨力, 并且随着虚拟阵元个数增加, 目标分辨概率同步提高。当阵列孔径较小或环境信噪比较低时, 本文方法可用于提高方位估计性能。     

一种适用于多输入多输出声呐的稳健空时自适应检测方法

针对多输入多输出声呐在水下探测场景中获得的空时快拍数量不足导致空时自适应检测性能下降的问题, 提出一种适用于小空时快拍数情况下的稳健空时自适应检测(STAD)方法。首先将斜对称特性推广到多输入多输出(MIMO)声呐空时自适应检测中, 并利用该特性将空时快拍数量扩展至原来的两倍; 然后利用迭代自适应方法实现对空时协方差矩阵的重构; 最后根据广义似然比检测(GLRT)准则推导出检验统计量。计算机仿真结果表明, 所提方法可以在小空时快拍数情况下准确估计空时协方差矩阵, 大幅减小空时自适应检测对空时快拍数量的需求, 提高多输入多输出声呐在小空时快拍数情况下的检测稳健性。     

基于数据协方差矩阵重构的MIMO声纳DOA估计*

实际多输入多输出(MIMO)声纳系统由于环境或人为因素,可能出现部分阵元失效,从而导致阵列自由度减少、方位估计精度下降。本文提出了一种数据协方差矩阵重构方法,该方法基于差分阵列性质,利用正常工作阵元的协方差矩阵元素来恢复失效阵元的矩阵元素,获得满秩的数据协方差矩阵,从而恢复到全阵元MIMO声纳的阵列自由度。与已有方法相比,降低了计算复杂度。仿真及海试实验数据处理结果表明,本文所提的数据协方差矩阵重构方法能够恢复因部分阵元失效而丢失的阵列自由度,应用于方位估计中,所能分辨的最大目标数与全阵元相同。