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     

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.     

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。      

宽带波束域相干信号子空间高分辨方位估计

提出了宽带波束域相干信号子空间目标高分辨方位估计的频域处理与时域处理方法。分别设计出一组覆盖观察扇面的频域和时域低旁瓣恒定主瓣响应宽带波束形成器,然后对频域或时域波束形成器输出数据运用MUSIC方法估计目标方位。时域处理方法不需要进行频带分解,相对于频域处理需要较少的缓存和运算量。所提出的方法还可以在保证波束主瓣响应恒定的同时,通过在旁瓣区域形成期望宽度和深度的凹槽,用于抑制观察扇面外强干扰源。计算机仿真结果表明,本文的时域处理方法能够获得与本文频域处理方法相近的方位分辨与估计性能,它们都能够分辨相干信号源,且方位分辨与估计性能都高于已有方法。通过在干扰方位设计凹槽,较好地抑制了观察扇面外强干扰源,改善了对相干的弱信号源的方位分辨与估计性能。     

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.     

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。      

基于深度学习的逆向反射模型

为提高光度立体视觉技术处理各向同性非朗伯反射的能力，提出一种基于深度学习的逆向反射模型，通过提取与方位角差相关的图像特征，弥补共位光源逆向反射模型的理论不足，实现表面法向量高精度估计。该模型由三阶段子网络组成，分别是方位角差子网络、逆向反射模型子网络与法向量估计子网络，其中：第一阶段子网络与第二阶段子网络共同实现像素值到法向量以及入射光线方向点积的高精度映射；第三阶段子网络充分利用前两个子网络提取的特征，实现表面法向量高精度估计。仿真实验表明，所提方法对100种典型各向同性非朗伯反射均具有较好的处理能力；基于标准数据集的真实实验证明，所提方法能够取得平均5.90°的法向量估计精度，充分证明所提方法的有效性。     

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。     

子空间判决分析的强干扰抑制

针对海洋中存在的强干扰和环境噪声导致水下目标方位估计算法性能剧烈下降的问题,提出了一种子空间判决分析的强干扰抑制方法 (SSJ),可实现多个强干扰下的目标方位估计。根据常规波束形成粗估的目标角度区间,利用目标-干扰-噪声子空间与导向矢量的相关性,设置判决项和估计合适的判决阈值来分离和抑制样本协方差矩阵中的非目标信息,降低干扰和噪声的输出功率,同时提高输出信干噪比,为增强阵列的目标方位分辨能力提供方法支撑。仿真和海试数据处理结果显示,SSJ方法可抑制目标角度区间外的强干扰和噪声,明显降低了干扰的输出功率和目标主瓣附近的旁瓣级,提高了目标方位角度的分辨力。相比于现有的子空间干扰抑制方法,所提方法具有更加稳健的干扰抑制能力。     

有源声呐距离维波束形成方法

针对脉冲压缩处理所获得的距离分辨率和干扰抑制能力不足的问题,提出了有源声呐距离维波束形成方法。该方法从单个脉冲回波的频域输出中提取多组子带分量,每个子带分量的中心频率形成等差数列,对应的相移形成复指数等比数列(可类比于均匀直线阵的阵列流形向量)。根据这一特点,使用多组子带分量构建协方差矩阵,根据中心频率设计距离维加权向量,建立了距离维波束形成模型。给出了距离维常规波束形成和距离维自适应波束形成的表达式、处理流程,对距离分辨率和干扰抑制能力进行了分析。利用数值仿真和水池实验证明,距离维常规波束形成可获得与脉冲压缩处理类似的距离分辨率,而距离维自适应波束形成可获得更高的距离分辨率和更优的距离维干扰抑制能力。      

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。      

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.     

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。     

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).     

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。      

稳健的高精度单矢量传感器测向方法

针对单矢量传感器各通道之间的相位误差引起已有方法测向不准的问题,提出一种对相位误差稳健的高精度测向方法.该测向方法首先利用单矢量传感器接收信号协方差矩阵的主特征向量与其共轭向量做Hadamard积来构造空间谱,实现对水下目标的方位估计;由于Hadamard积消除了相位误差,此估计值与相位误差无关,但存在方位估计模糊。然后利用相位误差的估计值进行解模糊操作,从而得到正确的方位估计。该测向方法的测向性能独立于相位误差,估计精度高。仿真和试验数据处理结果验证了该测向方法对相位误差稳健;在相位误差条件下,其方位估计精度高于平均声强法、CAPON测向方法以及MUSIC测向方法。而且仿真结果表明,该测向方法的测向精度接近克拉美洛下界(CRB)。      

A fast signal subspace approach for the determination of absolute levels from phased microphone array measurements

Phased microphone arrays are used in a variety of applications for the estimation of acoustic source location and spectra. The popular conventional delay-and-sum beamforming methods used with such arrays suffer from inaccurate estimations of absolute source levels and in some cases also from low resolution. Deconvolution approaches such as DAMAS have better performance, but require high computational effort. A fast beamforming method is proposed that can be used in conjunction with a phased microphone array in applications with focus on the correct quantitative estimation of acoustic source spectra. This method bases on an eigenvalue decomposition of the cross spectral matrix of microphone signals and uses the eigenvalues from the signal subspace to estimate absolute source levels. The theoretical basis of the method is discussed together with an assessment of the quality of the estimation. Experimental tests using a loudspeaker setup and an airfoil trailing edge noise setup in an aeroacoustic wind tunnel show that the proposed method is robust and leads to reliable quantitative results.     

Robust direction-of-arrival estimation method with high accuracy for single vector sensor

The phase errors among the components of a single acoustic vector sensor cause the direction-of-arrival(DOA) estimation error of the existing methods.In order to address this issue,a DOA estimation method is proposed,which is robust to the phase errors.The proposed method first utilizes the Hadamard product of the principal eigenvector of the covariance matrix of the received signal by the single vector sensor and its conjugate vector to construct the spatial spectrum in order to estimate the DOA of the underwater target.Since the Hadamard product eliminates the phase errors,this estimation is independent of the phase errors.However,it is ambiguous.Afterwards,the phase-error estimate is explored to eliminate the ambiguity and get the correct DOA estimate.The proposed method performs independently of the phase errors and obtains high accuracy.The simulation results and the experimental result demonstrate the proposed method is robust to the phase errors.Furthermore,in the presence of the phase errors,it performs better than the average acoustic intensity method,the CAPON method,and the MUSIC method,in terms of estimation accuracy.In addition,the simulation results indicate that the estimation accuracy of the proposed method approaches to the Cramer-Rao bound(CRB).