基于半定规划和秩-1分解的稳健波束形成

针对标准Capon波束形成器在存在导向矢量失配时性能急剧下降问题, 提出了一种基于半定规划和秩-1分解的稳健波束形成算法. 该方法通过对实际导向矢量的估计提高自适应波束形成算法稳健性. 首先分别从干扰抑制和噪声抑制两个方面推导了新导向矢量应满足的约束条件, 并证明了利用矩阵滤波器构造约束条件的合理性; 构造了估计最优导向矢量的优化问题并将其转化为易于求解的松弛半定规划问题, 同时引入秩-1分解理论用于优化问题的求解. 仿真分析表明, 与目前较为常见的算法相比, 本文算法只需利用期望信号可能入射区间这一先验信息, 能获得更高输出信干噪比和功率估计精度. 关键词： 稳健自适应波束形成 半定规划 秩-1分解 导向矢量估计     

稳健的子带子阵级导向最小方差波束形成算法

导向最小方差(STMV)波束形成是一种利用导向协方差矩阵获得自适应权值的方法,具有快速收敛特性.常规的稳健导向最小方差(RSTMV)波束形成算法在处理宽频带信号时,性能下降明显.为了改善算法的性能,结合频域子带划分和空域子阵划分技术,提出一种多子带不确定集独立约束的稳健子阵级STMV波束形成算法。通过频域子带划分可对不同子带的导向向量误差范数边界进行约束,计算出各子带对应的对角加载量,得到稳健的子带级最小方差波束形成算法权向量;同时采用子阵技术进行降维处理,可进一步增加划分子带的数目,从而提高算法的性能并有效降低计算复杂度,最终得到一种稳健的子带子阵级STMV波束形成算法。理论分析和仿真结果表明,在阵列导向向量存在误差的情况下,该算法在干扰方向形成的零陷最深,且零陷波束宽度最窄,输出信噪比接近理论值,因此性能最佳.实际海试数据处理表明,在强干扰目标存在时,弱目标输出信干噪比较RSTMV算法可提高4 dB,较常规波束形成可提高10 dB,在角度分辨力和算法复杂度方面得到有效改善,同时可以保证目标功率无失真输出。      

利用导向向量旋转和联合迭代优化的自适应波束形成算法研究

针对大型阵列中自适应波束形成技术的实时性和鲁棒性问题,基于最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成的信号模型框架,提出一种通过对导向矢量进行处理以降低干扰的自适应波束形成算法——稳健联合迭代优化-导向自适应(Robust Joint Iterative Optimization-Direction Adaptive,RJIO-DA)算法。在联合迭代优化的基础上,将降维变换矩阵的每一个列向量看作独立的方向向量,引导子空间内每一个维度上的权值迭代,同时旋转导向向量,减小了由于导向误差的不确定性而导致的性能下降。仿真实验结果表明,与现有的降维算法相比,RJIO-DA算法计算复杂度低、收敛率高、鲁棒性好,可在期望方向上稳健地聚集波束,更好地形成干扰方向的自适应零陷。      

一种声矢量阵子空间拟合算法及其矩阵预滤波器设计

为了减少矩阵预滤波器通带响应畸变程度,提出了一种基于阻带约束通带最大k个误差范数和(k为约束点的数目)最小化准则的矩阵预滤波器设计方法,通过使通带内最大的k个响应误差范数和最小化,减少了通带响应畸变程度。同时针对声矢量阵方位估计算法计算量过大的问题,提出了一种基于矩阵预滤波的声矢量阵子空间拟合算法,通过对声矢量阵声压、振速信号子空间进行联合处理,将预滤波矩阵和拟合子空间矩阵均减少为M×M维(M为阵元数),从而减少矩阵预滤波器设计和方位搜索所需时间。仿真结果和分析表明该算法性能和预滤波MUSIC算法相当,但在计算量上有较大优势,矩阵预滤波方法能抑制阻带干扰,提高后续算法的分辨和估计性能。      

基于时频分析的多目标盲波束形成算法

针对现有盲波束形成算法适用范围较窄, 多目标信号分离级联模式结构复杂、并联模式稳定性较差等问题, 提出一种基于时频分析的多目标盲波束形成算法. 该算法首先利用时频分析技术给出信号导向矢量的不确定集, 然后优化求解导向矢量的最优估计, 最后利用Capon方法实现多目标信号的并行输出. 理论分析及仿真结果表明, 该算法对信号特性没有特殊要求, 适用性较广, 性能稳定, 且输出信干噪比高于其他盲波束形成算法, 接近于最优Capon波束形成器.     

一种高效的自适应波束域变换方法及应用研究

波束域变换将阵元域数据投影到一个低维的波束域空间, 不仅能够减小信号处理算法的运算时间, 提高算法性能, 还能够抑制干扰. 本文针对常规自适应波束域变换方法需要在线调整波束变换矩阵、更新波束域导向矢量由此导致实时实现困难的问题, 提出一种高效的自适应波束域变换方法. 该方法将波束域协方差矩阵与导向矢量均表示成不依赖自适应波束变换矩阵的闭合形式, 省去在线调整与更新过程, 使运算效率得到了显著提高. 最后将该方法应用到波达方向(DOA)的估计之中, 仿真研究表明, 本文方法获得了比常规自适应方法更好的DOA估计性能. 此外, 本文方法还具有另一个非常突出的优点, 即它可以有效抑制运动强干扰. 这是因为本文方法无需训练波束变换矩阵, 其当前运算结果与历史快拍数据无关, 这样可以有效避免常规自适应方法中因目标运动所导致的训练数据与应用数据失配的问题.     

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.     

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。      

矢量声纳高速运动目标稳健高分辨方位估计

针对水声矢量信号处理框架中的高速运动目标低信噪 比小快拍条件下的稳健高分辨方位估计问题, 将压缩感知技术应用于水声矢量信号空间谱估计模型中. 结合声矢量传感器结构特性, 探讨了基于声压振速联合处理的广义时域滤波方法; 结合矩阵空域预滤波理论, 设计了基于阻带约束通带均方误差最大值最小的空域滤波器, 研究了矢量声纳空域预滤波方法; 结合以上分析, 提出了基于压缩感知技术的时空联合滤波高分辨方位估计方法, 给出了方法的数学模型、物理解释及具体实施步骤.理论分析和计算机仿真试验表明, 新方法对于小快拍数 条件下的矢量声纳高速运动目标高分辨方位估计问题, 具有较低的双目标分辨门限和较高的估计精度, 有着良好的应用前景.湖上试验验证了方法的有效性. 关键词： 声矢量传感器 空间谱估计 时空滤波 压缩感知     

Iterative inverse beamforming algorithm and its application in multiple targets detection of passive sonar

With the increasing of detection ability of passive sonar,the weak signal detection problem in multiple interferences becomes more and more important.In the time/bearing record(TBR) display of sonar detection,when there exist traces of multiple interferences,the identification of weak signal is difficult or impossible.The adaptive noise cancellation technique provides the theoretical basis for suppressing strong interferences.But the solution for finding the steady-state optimum filter matrix is quite difficult due to the real time calculation of inverse matrix of input data correlation matrix.The iterative inverse beamforming(IBF) algorithm for solving the optimum filter vector,which is expressed by inverse matrix of the ocean environment data,is derived in this paper,by which,the optimum filter can be eventually expressed as a sum of series simple matrices of constructed from sensor data.Based on the algorithm proposed in this paper,some examples of at sea experiment are provided.The strong interferences are cancelled and the weak signal is emerged,even it didn't appear in the conventional beamforming(CBF) processing.     

Robust adaptive matched field processing with environmental uncertainty

The main challenges on detection and localization of quiet targets in littoral regions for passive sonar are the complicated acoustic propagation and the prevalence of loud ship interferences on the surface. Adaptive matched field processing can provide the ability to null surface interferences, but the mismatch between the computed and actual array steering vectors due to environment uncertainty, and the motion of both targets and interferences can result in loss of array gain significantly. To address the problem of environmental mismatch and target motion, a robust motion compensation algorithm and a system scheme for adaptive matched field processing have been developed. Both Numerical simulation and analysis of experimental data demonstrates that the robust AMFP scheme could suppress surface loud interferences and improve the detection performance for underwater weak moving targets in complex shallow water.     

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。      

使用同心多环阵提升声源定位鲁棒性*

房间混响带来的多径失真是影响声源波达方向估计精度的主要因素之一。应用于环形阵列的相干信号子空间方法可以降低相干反射声带来的不利影响。该方法对环形阵进行谐波展开,并利用环谐波域导向矢量的频率无关特性聚焦各频率下的空间相关矩阵。但单环阵列存在展开系数零点,这会导致严重的噪声放大而降低定位的鲁棒性。该文提出了一种环谐波域的最小模同心多环阵,来缓解系数零点处的噪声放大问题。设计了一套麦克风阵列系统,用于评估同心多环阵列定位的鲁棒性。仿真和实验结果均表明:与相同孔径和阵元数的单环阵相比,使用最小模准则设计的同心多环阵列可以显著提升混响场景下的声源定位的稳健性。     

An adaptive beamforming algorithm based on direction vector rotation and joint iterative optimization

An adaptive beamforming algorithm named robust joint iterative optimizationdirection adaptive(RJIO-DA) is proposed for large-array scenarios.Based on the framework of minimum variance distortionless response(MVDR),the proposed algorithm jointly updates a transforming matrix and a reduced-rank filter.Each column of the transforming matrix is treated as an independent direction vector and updates the weight values of each dimension within a subspace.In addition,the direction vector rotation improves the performance of the algorithm by reducing the uncertainties due to the direction error.Simulation results show that the RJIO-DA algorithm has lower complexity and faster convergence than other conventional reduced-rank algorithms.     

无源声呐多目标检测中反波束成形递推算法及其应用

随着声呐检测能力的提高,多目标干扰下微弱信号的检测问题日益突出。当声呐方位历程显示上出现多个干扰轨迹时,弱目标的检测显得十分困难。自适应噪声抵消(Adaptive Noise Canceling,ANC)技术为抑制多个干扰提供了理论基础,但是求解稳态最佳滤波矩阵存在着技术实现上的困难。本文提出用一种反波束成形(Inverse Beamforming,IBF)递推算法,在阵元域逐一抵消多个强干扰,从而增强并提取出微弱目标信号。文中给出了递推求解由逆矩阵所表达的最佳滤波矢量的理论推导和相应的公式。利用IBF算法处理海试数据得到了较好的结果,显著改善了强干扰下对微弱信号的检测,甚至在普通波束成形(CBF)中未能显示出来的信号都可以被检测出来。