采用空间谱加权稀疏约束的稳健Capon波束形成方法

针对标准Capon波束形成器旁瓣级高以及期望信号方向存在误差时,性能会严重下降的问题,提出一种基于噪声及干扰空间谱加权的稀疏约束Capon波束形成方法。该方法利用波束响应本身具有的稀疏特性,以及在稀疏重构算法中l₁范数具有抑制较大值保护较小值的特性,使用噪声及干扰的空间谱对不同角度的波束响应进行加权,然后施以稀疏约束。仿真、水池试验与湖上试验中,与其它几种方法比较表明该方法可以降低波束形成器的旁瓣级,获得较深的零陷,提高了阵列输出信干噪比与抗导向向量误差的能力。     

一种基于矢量水听器阵的归一化加权Capon波束形成方法

矢量水听器同时拾取声场的标量信息声压和矢量信息振速。本文在分析了各向同性噪声场下矢量水听器阵Capon波束形成方位谱的基础上，提出了一种归一化加权Capon波束形成的改进算法，并给出了方位谱的表达式。本方法不需要特征分解，并且得到的是通常意义上的功率谱(可用于估计信号的能量)。仿真计算表明，此方法的性能优于Capon法，可大大提高方位估计的精度。     

基于自适应加权约束最小二乘法的麦克风阵列稳健频率不变波束形成算法

为了解决麦克风阵列通道失配时波束形成算法的稳健性问题, 提出一种基于自适应加权约束最小二乘法的麦克风阵列稳健频率不变波束形成算法. 该算法在分析无通道失配和通道失配时阵列模型特点基础上, 深入研究了通道失配时约束最小二乘频率不变波束形成算法存在的问题及其产生的原因; 将麦克风特性的概率密度函数作为稳健因子加入到约束最小二乘频率不变波束形成算法后, 其频率不变性的稳健性得到了一定的提高, 但稳健性仍较差. 为了进一步提高约束最小二乘法频率不变波束形成算法的稳键性, 通过定义代价函数中控制频率不变性的动态加权系数来调节旁瓣频谱能量, 大大提高了频率不变波束形成算法的稳键性, 将频率不变的频带范围内同一到达角度上不同频率所形成的阵列响应的最大值与最小值之比定义为波动误差, 并作为比较本文算法与约束最小二乘稳健波束形成算法和minmax稳健波束形成算法在通道失配时频率不变性稳键性的评价指标. 算法实例验证结果表明, 在麦克风阵列通道失配时, 本文算法的波动误差最小、频率不变波束形成稳健性最好, 而且适用于任意结构的阵列.     

一种低复杂度的稳健自适应波束形成

稳健自适应波束形成可以解决经典自适应波束形成在非理想条件下(如存在方位失配、阵元位置误差、非平面波传播等)性能下降的问题,因而受到广泛关注,但目前多数稳健自适应波束形成方法计算复杂度高,在高信噪比时性能下降。为此,研究提出了一种分别重构干扰协方差矩阵和噪声协方差矩阵的低复杂度的稳健自适应波束形成方法,以减小计算量,提高稳健性。仿真实验表明,该算法能获得近似最优的输出信干噪比和更好的稳健性。     

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。     

一种基于模式搜索算法的基阵波束优化方法

波束形成在声纳/雷达信号处理中占有重要的地位,而设计出满足要求的波束形状是声纳/雷达信号空间处理的重要内容。自适应波束形成算法理论上可以获得最优的工作性能,但其计算复杂度高、宽容性差等缺点严重地限制了这些算法的实际应用。本文采用基于模式搜索的波束优化算法,获得了与实际接收数据无关的、类似于窗函数的幅度权系数。与加窗波束形成算法相比,这种方法可以在保证主瓣宽度不展宽的情况下,有效降低旁瓣级,并且,这种方法对基阵的几何形状没有任何限制。     

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。     

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。     

逆波束形成的旁瓣抑制

为了降低普通逆波束形成旁瓣,提出了一种新的旁瓣抵消技术。该技术利用指向性函数中的旁瓣部分去估计声场的响应,然后从基阵估计的声场减去这部分指向性函数旁瓣估计的声场,从而得到最终的声场估计。由于较多的旁瓣响应被估计的声场扣除,最终估计的声场中的旁瓣大大降低。利用该技术可有效地抑制干扰,同时又可保持普通逆波束形成的方位高分辨力。湖试结果显示了该技术的有效性和可行性。     

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).     

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     

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。     

具有终端角度约束的自主水下航行器鲁棒制导律

针对具有末端角度约束的自主水下航行器(Automatic Underwater Vehicle,AUV)的制导问题,提出一种变结构导引方法。综合考虑自主航行器与目标的交会几何关系,采用近似零化视线角速度和随距离接近末端角度快速收敛向约束要求的准则,设计滑模控制器,实现对视线角速度和末端角度的控制。仿真证明了设计的制导算法可以实现水下自主航行器在具有末端角度约束条件下与目标的高精度交会,系统对目标机动具有较好的鲁棒性。     

基于信号子空间重构的鲁棒子区域Frost波束形成

本文针对一个感兴趣子区域内的宽带波束形成问题, 提出一种基于信号子空间重构的鲁棒Frost波束形成算法. 该算法的基本思想是利用一个矩阵滤波器从所估计的信号加干扰子空间中提取感兴趣信号(SOI)的特征分量; 然后利用该特征分量重构信号子空间; 最后利用重构的信号子空间构造一组线性约束最小方差(LCMV)准则, 来保证SOI近似无失真通过. 与现有的其他鲁棒Frost波束形成算法相比, 本文算法的一个显著优点是在未知SOI实际波达方向与频带等先验信息的情况下, 其导向与带宽均能够自适应地匹配SOI. 因此在整个感兴趣子区域内, 它都能获得接近最优值的输出信干噪比. 理论分析与仿真研究验证了算法的有效性.     

采用L1/2稀疏约束的梅尔倒谱系数语音重建方法

提出了一种利用L_1/2稀疏约束从梅尔倒谱系数重建语音时域信号方法。从梅尔倒谱系数估计语音幅度谱是一个欠定问题,现有的方法均采用幅度谱最小均方误差估计或采用L1正则化进行幅度谱的稀疏约束。相比于L₁正则化模型,L_1/2的稀疏约束特性更强,为此,本文在从梅尔倒谱系数估计语音幅度谱时引入L_1/2正则化约束,并利用求解的稀疏幅度谱估计相位谱,最后利用估计的频谱重建时域语音信号。实验结果表明,与幅度谱最小均方误差法相比,本文算法所估计出的语音信号具有更高的语音质量;在噪声环境下进行语音重建实验,与L₁正则化幅度谱估计方法相比,本文算法重建的语音质量更好,表现出更好抗噪性。     

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.     

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。