阵列信号处理技术

第 12 卷 第 1 期 2012 年 3 月 上 海 应 用 技 术 学 院 学 报(自 然 科 学 版) JOURNAL OF SHANGHAI INSTITUTE OF TECHNOLOGY(NATURAL SCIENCE) Vol． 12 No． 1 Mar． 2012 收稿日期:2011-09-24 基金项目:铁道部科技研究开发 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 项目(2011J011-E) 作者简介:袁 魁(1988-) ，男，在读硕士研究生，主要研究方向为信号处理与控制． 通讯联系人:沈希忠，Email:shen_sh@ yahoo． cn 文章编号:1671-7333(2012)01-0050-04 阵列信号处理技术 袁 魁1，2，沈希忠2 (1．上海海事大学 物流工程学院，上海 201306;2．上海应用技术学院 电气与电子工程学院，上海 201418) 摘要: 阵列信号处理(ASP)由于其广泛应用于雷达、通信、声学、生物信息处理等诸多领域而受 到了长期的关注，至今还是一个研究热点。现回顾了(ASP)的发展与研究现状，介绍了阵列信号 处理中主要的两大研究方法:波束形成法和空间谱估计法， 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 并提出了(ASP)的研究方向。 关键词: 阵列信号处理(ASP) ;自适应波束形成法;空间谱估计法 中图分类号:TN 911． 7 文献标志码:A A Survey of Array Signal Processing YUAN Kui 1，2，SHEN Xi-z hong2 (1． College o f Logistics Engineering，Shanghai Maritime University，Shanghai 201306，China; 2． School o f Electrical and Electronic Engineering，Shanghai Institute o f Technology，Shanghai 201418，China) Abstract:Array signal processing(ASP) ，because of its w ide use in radar，communication，acoustics， bio logical information processing and many other fields，has long been the concern，and it is still a research focus． In this paper，the history and current situation of ASP are review ed． And then beamforming and space spectrum estimation，tw o main research methods of ASP，are introduced． At last，the research direction of ASP in the future is summarized and proposed． Key words:array signal processing(ASP) ;adaptive beamforming algorithm;space spectrum esti- mation 阵列信号处理(ASP)作为信号处理的一个重 要分支，是在空间不同位置上以一定的规律布置 传感器，形成传感器阵列。阵列的配置由两部分 内容组成:一是每个阵元的天线方向图;二是阵列 的几何结构(即阵元的物理位置) ，通常我们将其 分成线性阵列、平面阵列和立体阵列三类［1］。 对于线性阵列，阵列的总长度和阵列的间隔 决定了阵列几何结构所产生的影响;而对于一个 平面阵列，阵列的边界和几何结构则显得十分重 要。首先采用传感器阵列采样接收空间信号，得 到离散的数据，然后再对这些离散信号进行处理。 采用阵列对信号进行处理是为了增强信号的信噪 比，获取信号的特征、定位传播方向及波形，分辨 多个信号源等。阵列信号处理研究的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 有很 多，主要包括波束形成、零点形成、空间谱估计、信 号源定位和信号源分离等。相比于普通的单个传 感器，由多个传感器组成的阵列具有波束控制灵 活、信号增益高、抗干扰能力强、空间分辨能力高 等优点，这些优点使得阵列信号处理技术受到越 来越多的关注，也使其理论得到了快速的发展［2］。 第 1 期 袁 魁，等:阵列信号处理技术 ASP被广泛应用于雷达、通信、声纳、测向、地震 探测、射电天文和电子医疗工程等领域。本文回顾 了 ASP的发展过程，介绍了其现状、方法研究等。 1 ASP的发展阶段 自上世纪 40 年代起，ASP 已经有近 70 年的 发展历史，根据典型技术的提出，ASP大致可分为 3 个阶段:起步阶段、发展阶段、成熟阶段。 ASP的提出最早可以追朔到 20 世纪 40 年代 自适应天线组合技术的应用，这一阶段进展缓慢， 主要应用于技术雷达、通信等领域，具有很大的局 限性。第二阶段经历了 20 世纪 60 年代至 90 年 代的发展，提出了波束形成算法及其相关的一些 理论与方法。例如:1965 年 Howells 提出了自适 应陷波的旁瓣对消器，随后 Applebaum 对 Howells 的研究成果进行扩展，提出主通道方向图可采用 一个高增益天线或用多个阵元构成的天线阵获 得，采用多个辅助天线和通道，同时提出了求权的 Howells-Applebaum算法，可在多个方向形成旁瓣 零陷。之后，他又提出了自适应阵列求最优权的 最大信干噪比(SINR)准则。1967 年Widrow提出 了最小均方(LMS)自适应算法。1969 年 Capon 提出了最小方差无失真响应(MVDR)波束形成 器，通过求解约束最优化问题来求权。Frost 将单 一的无失真响应约束推广为多个线性约束，提出 了线性约束最小方差波束形成器(LCMV) ，线性 约束由最初的方向约束推广到导数约束和特征向 量约束。VanVeen总结分析了 LCMV波束形成器 的有关问题。Griffiths 提出了线性约束最小方差 波束形成器的一种等效形式———广义旁瓣对消器 (GSC)。近几年出现的多级维纳滤波器(MWF) 是广义旁瓣对消器的进一步推广，多级维纳滤波 器与维纳滤波器完全等效，利用多级维纳滤波器 进行降秩处理可获得更好的降秩性能，且计算量 更低［3］。第二阶段后期人们开始关注空间谱估 计的研究，其中以 Schmidt 提出的多信号分类算 法(MUSIC)和 Roy 等人提出的信号参数估计旋 转不变技术(ESPRIT)最为著名。同时，随着电子 技术的快速发展，也加快了 ASP 硬件的发展与应 用。如今，阵列技术在超声成像检测、结构健康监 测等方面的研究开始成为热点［4-6］。 目前，ASP已经进入大规模发展阶段，传统的 处理技术如自适应天线技术、空间谱估计等算法 已经相当成熟，有学者开始考虑: (1)如何实现阵 列模块的高度集成; (2)如何实现高速且大容量 传输;(3)如何实现海量信号处理。阵列技术与 微系统、通信、计算技术的发展密切相关，其理论 的不断完善，将推动阵列信号处理向着更广、更深 的方向发展。这些问题的解决也必将使阵列处理 技术的发展迈向新的台阶。 值得一提的是，由于外界环境复杂多变，盲自 适应波束成形最近受到许多学者的广泛关注，并 形成了基于周期平稳信号特性的盲自适应波束形 成方法的研究热点，新算法层出不穷［7］。 2 国内外研究与应用现状 ASP已成功应用于大量武器装备和民用电子 设备与系统。如:美国休斯(Hughes)公司采用圆 片级的 3D 二次集成电路技术，按照单指令多数 据运算单元(SIMD PE)阵列的体系结构，于 1987 年 10 月就研制成功了一种 3D 阵列处理器。由 美国海军研究局赞助和支持，麻省理工学院林肯 实验室、海军研究实验室和海军作战中心等合作， 研制的集成自适应阵列信号处理技术的多功能数 字阵列雷达。英国防御评估研究局、西门子普莱 赛防务系统公司以及罗克马诺尔研究有限公司合 作 开 发 的 多 功 能 电 子 扫 描 自 适 应 雷 达 (MESAR)等。 国内研究也紧跟国际发展。如:南京电子研 究所研制了 CLC-3 高机动目标指示雷达，该设备 采用了一维相扫阵列天线和动目标检测(MTD) 信号处理技术，用于检测低空飞行目标，能在强杂 波下检测慢速飞行或悬停直升机，也可用于防空 网的低空补盲。西安电子科技大学于 20 世纪 80 年代后期在国内率先开展空时二维自适应信号处 理(STAP)技术的研究，并将其进一步推广应用于 其它运动平台雷达地面动目标检测技术。 3 阵列信号处理的方法 阵列信号处理主要的研究内容是空域滤波和 参数估计。空域滤波即波束形成(Beamforming， BF) ，参数估计则以波达方向(DOA)估计为代表。 3． 1 空域滤波 空域滤波技术与时域滤波类似，也是对采样 数据进行加权求和，通过对各阵元接收到的信号 15 上海应用技术学院学报(自然科学版) 第 12 卷 进行加权求和形成所需要的信号。从波束的角度 上看，这样做就形成了对方向的选择即波束形成， 这类似于时域滤波实现对频率的选择。 普通 BF是一个匹配滤波器，信号在主瓣方 向相干积累，实现简单，它在白噪声背景下表现最 佳。其缺点主要是方向角的分辨受波束宽度限 制;存在旁瓣，使得强干扰信号可以从旁瓣进入; 加窗处理带来的主瓣变宽等。总的看来，普通波 束形成技术依赖于阵列的几何结构和波达方向 角，而与信号环境无关，且固定不变，抑制干扰能 力差。因此，相对于普通的 BF，人们更关注自适 应的 BF技术，其基本框图如图 1 所示。自适应 BF是将维纳滤波理论应用于空域滤波中，它的权 矢量依赖于信号环境。 图 1 自适应波束形成基本框图 Fig ． 1 Basic block diagram of the adaptive beamforming Y(t)= WHX(t)= s(t)WHa(θ) (1) 式中:WH 表示加权值，X(t)表示空域采样信号，θ 表示方向角。若要实现对方向 θ0 的选择，则取 W = a(θ0) (2) BF方向图可表示为: P(θ)= WHa(θ)= a(θ0)a(θ)= ∑ N i =1 e j 2πd(i －1) λ (sinθ－sinθ0) = 1 － e j 2πdN λ (sinθ－sinθ0) 1 － e j 2πd λ (sinθ－sinθ0) (3) 则功率方向图表示为: P(θ) = sin N( － 0) 2 sin  － 0 2 (4) 其中:  = πsinθ 0 = πsinθ { 0 (5) 自适应研究的重点一直是自适应 BF 算法。 图 2 所示为自适应 BF算法的方向图。采用 16 个 阵元，阵元间隔半波长。在不同的快拍数情况下， 得到来波方向为 0°时的 BF方向图。 图 2 自适应波束形成算法的波束形成方向图 Fig ． 2 Pattern of adaptive beamforming algorithm 对自适应 BF算法的研究包括了较早的最小 均方法(LMS)、采样矩阵求逆法(SMI)、递归最小 二乘法(RLS)等。此外，人们还提出了基于特征 空间波束形成算法及其改进算法，此法具有较快 的收敛速度和较强的稳健性［8］。有人也提出了 采用投影算法的方法，此法通过对阵列数据降维， 来降低运算量，也提高了自适应波束形成的稳健 性［9］。基于神经网络、高阶统计量的盲波束形成 方法等［10-12］也存在着其各自的优势。 3． 2 DOA估计 DOA估计即波达方向估计，其基本问题主要 是确定同时处在空间某一区域内多个感兴趣的信 号的空间位置。波束形成实质上也是一个波达方 向估计问题。最早和经典的 DOA 估计方法是著 名的 MUSIC和 ESPRIT 方法，它们同属特征结构 的子空间方法。 采用 MUSIC算法，首先由阵列的接收数据得 到数据协方差矩阵 R。R表示为: R = 1 L∑ L i = 1 XXH (6) 式中:X表示接收信号矩阵。 然后对 R进行特征分解，根据 R 的特征值判 断信号源数;最后确定信号子空间特征矩阵 US 与噪声子空间特征矩阵 UN，根据信号参数范围由 式(7)进行谱峰搜索，极值点对应的角度即信号 入射方向。 θ = arg m inaH(θ)UN U H N a(θ) (7) 由于MUSIC 算法提出的时间较早，在一些应 25 第 1 期 袁 魁，等:阵列信号处理技术 用上已经受到局限。因此，人们在其基础上结合 空间平滑法原理提出了平滑 MUSIC 等一些新的 算法。图 3 为 MUSIC 算法的比较。 图 3 MUSIC算法的性能比较 Fig ． 3 Performance comparison of MUSIC algorithm 采用 6 个阵元，阵元间隔半个波长;信号源数 为 3 个;DOA 分别取 0°、30°、60°;快拍数为 200。 由图 3 可知，空间平滑 MUSIC 算法谱峰更尖锐， 旁瓣更低，其 DOA估计性能比 MUSIC更好。 近十几年来，人们在阵列布局［13］、非平稳信 号的 DOA 估计［14］，信号源的 DOA 估计［15-18］， DOA算法的稳健性和快速性等方面进行了积极 的研究，取得了一定成果。 4 结 语 本文主要回顾了 ASP 的发展史，提出了 ASP 在盲信号处理，非稳定信号、信号源等的 DOA 估 计，超声成像检测，结构健康监测等方面的研究热 点。同时，介绍了 ASP 的两个主要研究内容，给 出了自适应 BF的理论与仿真和 MUSIC算法原理 及其与空间平滑 MUSIC 算法的比较。在现有发 展的基础上，ASP 将会向着集成化、网络化、智能 化的方向稳步发展。 参考文献: ［1］ Trees H L V．最优阵列处理技术［M］．汤俊，译．北 京:清华大学出版社，2008． ［2］ 张小飞，汪飞，徐大专． 阵列信号处理的理论和应 用［M］．北京:国防工业出版社，2010． ［3］ 王永良，丁前军，李荣锋．自适应阵列处理［M］．北 京:清华大学出版社，2009． ［4］ Huang Sheng-Wen，Hou Yang，Ashkenazi Shai，et al． High-resolution ultrasonic imaging using an etalon de- tector array［J］． Applied Physics Letters，2008，93 (11) :113501-113501-3． ［5］ Chulhong Kim，Todd N Erpelding，Ladislav Jankovic， et al． Deeply penetrating in vivo photoacoustic imaging using a clinical ultrasound array system［J］． Biomed- ical Optics Express，2010，1(1) :278-284． ［6］ Malinowski P，Wandowski T，Trendafilova I，et al． A phased array-based method for damage detection and localization in thin plates［J］． Structural Health Moni- toring，2009，8(1) :5-15． ［7］ Tang H，Kon Max Wong，Gershman A B，et al． Blind adaptive beamforming for cyclostationary signals with robustness against cycle frequency mismatch［C］∥ Sensor Array and Multichannel Signal Processing Workshop Proceedings，Rosslyn，USA: ［s． n．］，2002， 8:18-22． ［8］ 张林让．自适应阵列处理稳健方法研究［D］．西安: 西安电子科技大学，1998． ［9］ Feldman D D． A projection apporach for robust adaptive beamforming ［J］． IEEE Trans Signal Processing，1994，4(4) :867-876． ［10］ He Z，Chen Y． Robust blind beamforming using neu- ral network［J］． Radar，Sonar and Navigation，IEE Proceedings，2000，147(1) :41-46． ［11］ Woo W L，Dlay S S． Neural network approach to blind signal separation of mono-nonlinearly mixed sources ［J］． Circuits and Systems I:Regular Papers，IEEE Transactions on，2005，52(6) :1236-1247． ［12］ Chi Chong-Yung，Chen Ching-Yung，Chen Chil- Horng，et al． Batch processing algorithms for blind e- qualization using higher-order statistics［J］． Signal Processing Magazine，IEEE，2003，20(1) :25-49． ［13］ Shoko Araki，Hiroshi Sawada，Ryo Mukai，et al． Un- derdetermined blind sparse source separation for arbi- trarily arranged multiple sensors［J］． Signal Process- ing，2007，87(8) :1833-1847． ［14］ Li J，Akagi M，Suzuki Y． A two-microphone noise re- duction method in highly non-stationary multiple- noise-source environments［J］． IEICE Transactions on Fundamentals of Electronics，Communications and Computer，2008，91(6) :1337-1346． ［15］ Bengtson M，Ottersten B． Low-complexity estimation for distributed sources［J］． IEEE Trans on SP，2000， 48(8) :2185-2194． ［16］ 袁静，万群，彭应宁．局部散射源参数估计的非线 性算子方法［J］．通信学报，2003，24(2) :102-107． ［17］ Shahbazpanahi S，Valaee S，Bastani M H． Distributed source localization using ESPRIT algorithm［J］． IEEE Trans on SP，2001，49(10) :2169-2178． ［18］ Ghogho M，Besson O，Swami A． Estimation of direc- tions of arrival of multiple scattered source［J］． IEEE Trans on SP，2001，49(11) :2467-2480． 35