分类号:密级:
UDC:编号:
工学博士学位论文
水声阵列信号处理理论及实验研究
博士研究生:陈阳
指导教师:惠俊英教授
学位级别:工学博士
学科、专业:水声
工程
路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理
所在单位:水声工程学院
论文提交日期:2009年12月
论文
答辩
答辩ppt下载中国建筑转正答辩ppt下载民事答辩状范文下载毕业答辩毕业答辩模板
日期:2010年03月学位授予单位:哈尔滨工程大学
j●t童
ClassifiedIndex:U.D.C:
,
.一ADissertationfortheDegreeofD.EngTheoreticalandExperimentalStudyonUnderwaterAcousticArrayProcessingCandidate:ChenYangSupervisor:Prof.HuiJunyingAcademicDegreeAppliedfor:DoctorofEngineeringSpeciality:UnderwaterAcousticEngineeringDateofSubmission:December,2009DateofOralExamination:March,2010University:HarbinEngineeringUniversity
▲厂●弋,.
A
-
,哈尔滨工程大学学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由
作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的
内容
财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容
外,
作者(签字):体l划
日期:,2-of0年L卜月1日
哈尔滨工程大学
学位论文授权使用声明
本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(\啦授予学位后即可口在授予学位12个月后口解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。
作者(签字):俅碉导师(签字):力皱日期:声汐lu年L卜月1日71:/'o年红月2El本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
^-0,,.~、
水声阵列信号处理理论及实验研究
广
-摘要
,
阵列信号处理在很多应用领域具有重要作用。随着传感器和阵列技术的发展,与之相应的阵列信号处理成为近几十年的热点,受到广泛的关注。本文从阵列信号处理的目标检测、方位分辨和估计的角度,对现有算法做出改进,以提高算法性能。
空域匹配滤波是最大信噪比准则下的最优处理器,也是单目标白噪声情况下似然估计的等价处理器。利用最小均方误差准则下的维纳滤波对阵列快拍进行滤波,可以一定程度上抑制噪声。为了在空域进行噪声抵消,利用二阶锥规划实现维纳滤波。对算法进行仿真
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
,并在单目标白噪声条件下与最大似然估计(MaximumLikelihoodEstimating,MLE)和Bartlett波束形成进行比较。空域维纳滤波器的方位估计的信噪比门限要低于MLE,其低信噪比下的检测性能优于Bartlett波束形成,因而是一种良好的波束形成器。
最小方差无畸变响应(MinimumVarianceDistortionlessResponse,MvDR)是波束输出能量最小意义上的最优波束形成。对MVDR的约束条件进行分析,将其转换为二阶锥的形式,通过将£:范数最小条件改为匕范数最小条件,提出基于三。范数约束的最小方差无畸变响应(工。normconstraintMinimumVarianteDistortionlessResponse,L.MVDR)波束形成器。£。.MVDR的权向量波束能更好地抑制干扰,因而L.MVDR的方位分辨信噪比门限低于MVDR。对比分析MVDR和L。.MVDR的稳健性,当阵列存在失配时,MVDR和L。.MVDR的性能受影响,随着失配的增大,三。一MVDR比MVDR退化要快,因而L。.MVDR的分辨能力是以损失对失配的稳健性为代价的。
将宽带导向最小方差波束形成(SteeredMinimumVariance,STMV)算法扩
.’展到矢量阵,并与基于声矢量传感器均匀直线阵的Bartlett、非相干最小方差
(IncoherentMinimumVariance,ICMV)和空间重采样相干子空间最优(SpatiallyResampledMinimumV撕alice,SRMV)波束形成算法进行比较:分析标量阵与矢量阵指向性、抗左右舷模糊、主波束宽度和旁瓣级、空间欠采样,方位分辨力、相关信号源的分辨能力以及强干扰下的弱目标检测能力。
.,乏
r
canceling,theWienerfilteriSconstructedthroughSecond—OrderConeProgramming(SOCP).Thealgorithm
estimating(MLE)andBartlettisthencompared、ⅣitllmaximumlikelihoodSNRbeamformingthroughsimulation.ThethresholdofSpatialfilterislowerthanmaximumlikelihoodmethodinDOAestimation,andthedetectionperformanceisbetterprocessorinmono-sourceatlowSNR.Soitisaexcellentandwhitenoisecondition.
MinimumVarianceDistortionlessResponse(MVDR)is
output
totheoptimalresponseprocessorunderminiinBmpowerofcriterion.Itsconstraintscanbeamanddistortionlessconebetransformedsecond—orderforms.L。
normconstraintMinimumVarianceDistortionlessResponse(三。-MVDR)isproposedbyminimizingLnorminsteadof三2normofthepowerminimizing
repressinterferesconstraintinMVDR.Theweightsgeneratedby
isthecauseL。一MVDRbetterthanMVDR,whichofabetterbearingresolution.Analysethe
robustnessof6D曲algorithms
affectscomparatively.砀ethedisturbanceofarraymodelofthebeamformings’behaviors.With
deterioratesmorerapidlyincreasedisturbance,sacrificesitsL—MVDRthanMVDR.SoL。-MVDR
robustnesstogainbetterresolutionability.
arraySTeeredMinimum
analysisVarianceofBartlett,beamforming(VSTMV)ispropounded.Acomparative
Keywords:Beamforming;Second-orderconeprogramming;Varianceof
instantaneousfrequency;AcousticVectorarray;Widebandprocessing矗,●I,,●●一
水声阵列信号处理理论及实验研究
目录
第1章绪论………………………………………………………………………1
1.1立题背景和意义………………………………………………………….11.2水声换能器及阵列的发展……………………………………………~11.3阵列信号处理………………………………………………………….4
1.3.1数据无关的阵列加权设计………………………………………5
1.3.2自适应波束形成………………………………………………..6
1.3.3波达方位估计……………………………………………………8
1.3.4宽带阵列信号处理……………………………………………10
1.4矢量水听器及矢量信号处理…………………………………………101.5阵列与快拍的数学模型………………………………………………15
1.5.1阵列数学模型………………………………………………….15
1.5.2快拍数据模型………………………………………………….16
1.6二阶锥规划……………………………………………………………191.7论文的研究内容………………………………………………………21第2章二阶锥规划在阵列信号处理中的应用……………………………….23
2.1引言………………………………………………………………………………………….232.2目标方位CRB…………………………………………………………232.3目标方位最大似然估计…………………………………………………242.4
2.5MVDR………………………………………………………………………………………25MUSIC……………………………………………………………………………………。262.6基于维纳滤波的常规波束形成………………………………………一28
2.6.1空域维纳滤波原理…………………………………………….282.6.2数值仿真……………………………………………………….292.7基于三。范数约束的最小方差无畸变响应……………………………31
2.7.1基于三。范数约束的最小方差无畸变响应基本原理………….31
2.7.2数值仿真………………………………………………………..322.7.3基于£。范数约束的最小方差无畸变响应稳健性分析……….35
哈尔滨工程大学博士学位论文
2.7.4海试数据处理…………………………………………………37^}2.8Welch滑动窗法估计互谱密度矩阵…………………………………392.9本章小结……………………………………………………………..40第3章矢量阵导向最小方差波束形成……………………………………….42
3.1声矢量阵自然指向性………………………………………………。423.2声矢量均匀直线阵常规波束形成…………………………………..433.3声矢量阵宽带非相干最小方差波束形成…………………………..463.4基于空间重采样的矢量阵相干信号子空间最优波束形成………..503.5矢量阵导向最小方差波束形成……………………………………。563.6算法仿真与分析……………………………………………………。60
3.6.1声压阵与矢量阵波束形成比较………………………………603.6.2方位分辨能力…………………………………………………623.6.3强干扰中的弱目标检测………………………………………643.6.4方位估计性能…………………………………………………663.7矢量阵海试数据处理………………………………………………~673.8本章小结……………………………………………………………..73第4章频率方差加权波束形成检测器……………………………………….74
4.1引言……………………………………………………………………744.2瞬时频率方差…………………………………………………………754.3频率方差加权波束形成检测器……………………………………一79
4.3.1频率方差加权常规波束形成检测器…………………………8l4.3.2频率方差加权导向最小方差波束形成检测器………………824.4STMV递归算法……………………………………………………..834.5试验数据处理………………………………………………………一854.6多线谱处理…………………………………………………………一944.7本章小结……………………………………………………………..94结论…………………………………………………………………………………………………96参考文献…………………………………………………………………………..98攻读博士学位期间发表的论文和取得的科研成果……………………………110致谢………………………………………………………………………………………………。11l童-’
水声阵列信号处理理论及实验研究
附录………………………………………………………………………………………………..112
哈尔滨工程大学博士学位论文
一l
第1章绪论
凸优化在阵列信号处理中已有很多应用。文献[128]针对基于概率约束的稳健波束形成算法计算复杂度高,仍然需要加载因子的缺点,提出了一种新的稳健波束形成方法,它可以利用二阶锥优化迭代求解,在保证解的可靠性和稳健性前提下,显著降低了算法的计算复杂度。文献[129]利用二阶锥规划实现带旁瓣控制的MVDR,较传统的PenaltyFunction有更好的旁瓣控制性能。
1.7论文的研究内容
本文结合二阶锥规划、矢量阵和频率方差,从检测、方位估计和分辨的角度讨论阵列信号处理中若干算法的改进。主要内容如下:
1、二阶锥规划在阵列信号处理中的应用
介绍二阶锥规划的原理,二阶锥规划是凸优化数学规划理论中的重要组成部分,在阵列信号处理中已有许多应用。在Bartlett波束形成基础上,用最小均方误差准则替代最大信噪比准则,即利用二阶锥规划实现空域维纳滤波。由于维纳滤波具有一定抑制噪声的能力,可以提高波束形成的性能。随后在单目标情况下,将空域维纳滤波与最大似然估计和root.MUSIC算法进行方位估计性能的比较;分析传统单目标白噪声下最优检测器Bartlett波束形成和空域维纳滤波器的检测性能。
对MVDR的约束条件进行分析,将其转换为二阶锥的形式,通过将厶范数最小条件改为L范数最小条件,提出匕・MVDR波束形成器。£。一MVDR的权向量波束能更好地抑制干扰,因而L。.MVDR的方位分辨信噪比门限低于MVDR。并通过仿真对比分析了MVDR和L。.MVDR在阵列失配下的稳健性。
进行宽带阵列信号处理时,要通过信号分段作FFT来将宽带分为若干窄带。如果重叠地划分成时间段,虽然不会带来信噪比的增益,但重叠可以减小噪声互谱密度矩阵估计的方差,增加方位谱的稳定性,控制旁瓣起伏。以MVDR为例,仿真分析了时间段重叠长度对波束形成的影响。
2、矢量阵STMV波束形成算法
研究声矢量均匀直线阵的Bartlett、ICMV和SRMV波束形成算法,并将宽带导向最小方差波束形成算法发展应用到矢量阵。推导矢量阵STMV波束2l
哈尔滨工程大学博十学位论文
形成算法旋转矩阵和方位谱估计的公式。对各算法进行了仿真和比较:分析标量阵与矢量阵指向性、抗左右舷模糊、主波束宽度和旁瓣、空间欠采样,方位分辨力、相关信号源的分辨能力;并通过海试实测数据进行处理,对各算法进行验证。
3、频率方差加权波束形成检测器
注意到这样一个事实,目标的共振线谱与目标尺寸成反比。小目标有高频线谱,一般平台没有(有些平台也可能有),而线谱一般比连续谱高15dB以上。波束形成在处理宽带信号时,如果不按信噪比对不同频率进行加权,高信噪比的线谱能量会被淹没在低信噪比的连续谱能量中,而无法有效利用线谱信噪比高这一优势。目标的谱结构无法预知,按信噪比加权是难以实现的。如果将信号分成若干窄带,对每个窄带进行处理分别输出结果,则需要四维显示,目前还无法满足。针对这一问题,提出了只需三维方位历程显示的线谱目标检测方法。
首先研究了短时傅里叶变换瞬时频率方差估计,给出了它的理论解,并通过MonteCarlo仿真验证了其正确性。利用频率方差对波束能量进行加权,提出频率方差加权波束形成检测器,线谱目标方位波束因输出信号的瞬时频率方差较小得到增强,而其他方位波束被抑制,从而有效提高对线谱目标的检测能力。以CBF和STMV为例,仿真分析频率方差加权CBF波束形成检测器和频率方差加权STMV波束形成检测器。对比分析倒数加权与指数加权。最后通过处理海试数据对算法进行验证。▲支
第2章二阶锥规划在阵列信号处理中的应用
——■■—■■■■■■———■———■———■—■—●■■■■——i置i皇暑暑暑皇宣—i■●——■■■■●—置置置—■置宣■■■■■——■——■■—■■■■—●产第2章
2.1引言二阶锥规划在阵列信号处理中的应用,
在上一章阵列数学模型的基础上,本章首先介绍阵列方位估计的CRB和MLE、MVDR、MUSIC等算法。提出了空域维纳滤波器和基于工。范数约束的最小方差无畸变响应两种波束形成方法,并与现有的算法进行对比。空域维纳滤波器利用二阶锥规划对阵列快拍进行维纳滤波,抑制噪声的干扰。单目标情况下空域维纳滤波器的方位估计的信噪比门限要低于MLE,其低信噪比下的检测性能优于Bartlett波束形成,因而是一种良好的波束形成器。本文提出的L。.MVDR由MVDR发展而来,具有比MVDR更好的方位分辨能力。类似于Welch法谱估计,在将宽带分为若干窄带时,重叠地划分成时间段,虽然不会带来信噪比的增益,但重叠可以减小噪声互谱密度矩阵估计的方差,增加方位谱的稳定性,控制旁瓣起伏。
2.2目标方位CRB
阵列信号处理参数估计的CRB基于以下假定:
(1)信号源个数K是已知的,并且阵元数M>K。
(2)K个不同的方向向量口(反),七=1,2,…,k是线性无关的。
(3)噪声是时空平稳随机过程,具有均值为零,方差为盯2的高斯分布,
噪声与源信号是不相关的。
(4)噪声各快拍是统计独立的。
文献173]给出了CRB的公式:
CRB(O):要.f兰Rek日。泗片O一4日p)o片(O)A(O)yAp)pQG沸~(2-1)其中N为快拍数,0=院,02,…,艮一。r。
QO)=diag[S00XS0),…,Sx一。O)】(2.2)
、。=降,掣,…,掣]\-890JJj
ael89H\p3,1由此可以看出方位估计的CRB由信号、噪声、快拍数和阵列流型四个方
哈尔滨工程大学博士学位论文
目标QG)=氐O),A(O)=a(Oo),则均匀线阵估计单目标方位的
锹荆=鼎[孕cos伊]~㈣
ISoO)|2是目标信号功率,当阵元间距为半波长时有:
CRBp)2司矛j彘≯丽(2-5)
其中p=P,/o.2是信号噪声功率比。可见,CRB与信噪比、快拍数、阵元数成反比。其对数形式为:
10logCRY(O)=lOlog讯丌0而万一册,一20l。gc。s秒(2-6)
册,.=lOlog(p,/or2)为信噪比。
2.3目标方位最大似然估计
最大似然估计是经典估计理论的重要方法【761。假设待估计参数为确定性变量,观测信号的似然函数定义为含有待估计参数的观测样本的条件概率密度,使似然函数最大的结果就是参数的最大似然估计。
参数反的最大似然估计由似然方程
Olnp(rl口)=0(2.7)
V¨
求得,其中,为观测样本,口为待估计的参数。
对于任意离散阵列,N次独立观测样本防(o),x(1),…,x(N一1牙的联合条件概率密度为:
p忸(o)’x(1l…,x(N一1)1=强南exp{一扣o)-A(O)s(n]12)0)
p酌
其中,det【】为矩阵行列式,0lI为范数,噪声方差仃2,源信号50)和方位角0。对该似然函数求对数,忽略常数项得:
三p:,sG),p):一MNIn仃z一击芝oxG)一月pbG】|2(2-9)d童、.^、
第2苹二阶锥规划在阵列信号处理中的厩用
于是最大似然问题归结为对数似然函数的极值问题。对仃2求极大值,得到仃2的最大似然估计为:
1多.2----砀1万∑rt=00xG)一4pbG)112(2-10)
将该结果代入(2.9),得到关于sO)和矽的对数似然函数:
工㈨班一MNln面r
固定0求极大得:1驴N-l”彳啡㈥2](2-11)
jO)=14日pnp汗14日p速O)
似然估计:(2.12)即为信号sO)的最大似然估计。将其代入(2-11)并对0求极大值得到秒的极大
三p)=∑x日0np)-日ppp汁1A日p速G)
考虑单个目标情况:(2-13)
上p)=击争厅G槲
的方位就是该目标方位的最大似然估计。
2.4MVDR(2-14)此时最大似然估计与常规波束形成是等价的。常规波束形成最大输出所对应
对于给定方向,使输出功率最小的无畸变滤波器是最小功率无畸变波束形成器【211。较常规波束形成,MVDR有更高的方位分辨能力。无畸变约束条件意味着:
WⅣ口p)=1
输出噪声的均方值为:(2-15)
E阡】=In""a(at2=∥Ⅳ也∥(2-16)
利用Lagrange乘子法可得。n黼pp)2丽1(2-18)形月足=』∥(2-17)、7
噪声子空l司:
以=陬,哝小…‰..J(2-26)
于是:
I|口日仅)玑112=篁I口日皖域12=√万,七=o,1,…,K—l(2-27)
lH慨nI|2=o,k=0,l’.1一,K一1(2-28)
通过口日仅)投影到虬中的特定矢量得到零谱:atl
第2苹二阶锥规划在阵列信号处理中的麻用
Q:舢p)=口Ⅳp)l∑咖。吖I口p)
=aHp炽U,a(O)(2-29)
=口日p牡一U,畔Jclp)
零谱的极小值对应信号方位。
对于均匀线阵可以采用求根MUSIC,取Z=eJ口,则均匀线阵的阵列流型可以转化成多项式矢量:
口:(z)=峙…,z州】r
Q^御(z)=口rI三lu。u?口(Z)(2.30)
∥胁u岬.u/T]4z)
计算‰Z)的根并选择K个最接近于单位圆的根乙。‰(z)L归=‰p)‘2。31’幺:盟,k:0,I’.1…K7/"(2—32)(2-33)1
由于实际中估计得到的协方差矩阵,根的位置会存在误差。这些误差的影响如图。可以看到&。的径向误差不会对反产生影响,但会扭曲MUSIC谱。所以谱估计MUSIC方法的分辨率要比求根MUSIC方法的差。求根MUSIC方法较MUSIC方法具有更好的方位分辨能力和更低的方位估计信噪比门限和快拍次数门限。
h‘z)
,l厂矽.L/’
图2.1Z平面上的根特性
Fi92.1Behaviorofrootsinz-plane27‘~\
(2-34)
(2-35)
的匹配滤波器,
由前面的
作为目标方位的估计,则其等效于方位参数的最大似然估计。
2.6.1空域维纳滤波原理
图2.2空域匹配滤波器
Fi92.2Spectralmatchfilter
图2.3空域维纳滤波器
Fi92.3SpectralWienerfilter
如果将匹配滤波改为维纳滤波,若阵列孔径无限,则各方位的阵列流型是正交的,而噪声与阵列流型不相关,理论上可以消除噪声。对于有限孔径J^
第2苹二阶锥规划在阵列信号处理中的厩用
阵列,与常规波束形成相似,干扰主要来自于阵列加窗导致的不同方位阵列流型的相关性,如图2.3。由于在一定程度上抑制了噪声的影响,因而其性能会优于常规波束形成。
维纳滤波即寻找滤波器使得:
rn2nX一耽p)12j
设一非负变量占,上式可以写成:
m。in6,subjectto(2—36a)IX一胁p)|2≤g(2-36b)
其中∥为阵列复加权系数。约束条件转化为:
lX一陟么p)12≤占c令12X一2Wa<012+s2—26+1≤92+29+1
§"。2胁删≤州(2-37)忙一10
定义J,=p,形】r,6=【l,oy,则6rY=占。于是(2.36b)转化为
呼一脚督]_[二2捌外【1,0b
2.6.2数值仿真
∞
5
op38,
{
∞
鲁邢
渤
船
舶
鹊
柏O∞40∞∞1001柏140'leo1∞
ew.W*
图2.4空域维纳滤波方位谱(单目标,矩形窗)
Fi92.4SpectralspectrumofspectralWienerfilter(onesignal,Rectangularwindow)
以9元均匀直线半波间距阵为例,信噪比0dB,独立快拍数18,图2.4为单目标,加矩形窗的常规波束形成和空域维纳滤波的方位谱。可以看到,两者的主瓣宽度是相同的,空域维纳滤波的方位谱具有较低的旁瓣级。图2.5
哈尔滨工程大学博士学位论文
双目标,加旁瓣为.25dB的Chebyshev窗常规波束形成和空域维纳滤波的位谱,同样,空域维纳滤波的方位谱具有较低的旁瓣级。
Igflt=0dB.NBna∞h瞳=18
竹
5
o
与
加
田啪
渤
甾
∞
2搴
揶0∞柏60801001舶1401∞1∞
嗨酬n矿
图2.5空域维纳滤波方位谱(双目标,Chebyshev窗)
Fi醇.5SpectralspectrumofspectralWienerfilter(twosignals,Chebyshevwindow)
・0
4f,、
.4。超
笛b●●●
.3弋一’~
广
为H‘——源方位—._MLE
2W一求撮MUSIC广
V一本文方法L
15
.1f、
晒、瞧
●nl*帕
图2.6MLE、求根MUSIC和空域维纳滤波方位估计均值与信噪比关系
Fi92.6ThemeanofMLE.root-MUSICandspectralWienerfilterDOAversus¥nr
单目标情况下源目标方位为600时,MLE、求根MUSIC和空域维纳滤波方位估计的性能比较如图2.6和图2.7。可以看到求根MUSIC的性能与MLE相近,当信噪比大于门限时均为有效估计、均能达到CRB,当信噪比小于门限时估计的偏和方差迅速增大。空域维纳滤波方位估计的信噪比门限较MLE低7~8dB。
seacB
图2.7MLE、求根MUSIC和空域维纳滤波方位估计均方误差与信噪比关系Fi92.7NormalizedRMSEofMLE,root-MUSICandspectralWienerfilterDOAversussat
啊
图2.8空域维纳滤波ROC曲线
Fi92.8ROCofspectralWienerfilter
图2.8为单目标时常规波束形成和空域维纳滤波的ROC曲线,可以看到
空域维纳滤波具有更好的检测性能,信噪比.18dB时空域维纳滤波的ROC曲线仍优于.15dB时常规波束形成的ROC曲线。.
2.7基于三。范数约束的最小方差无畸变响应
2.7.1基于三。范数约束的最小方差无畸变响应基本原理首先简要介绍MVDR的原理如下1211:
l饥II<Yl转化为:
LyJ=o一【0,一Lk=c2一AryesOC肌1(2-43)
令c兰【c。,c:】,Ar=bf,4;J,于是(2.41)的条件转化为:
C--ArJ,∈{o}×SOC肌1(2.44)
最终,(2-39)的条件转化为凸优化问题的二阶锥的形式。
更为普遍的,MVDR通过互谱密度矩阵求逆SMI求解,因为矩阵求逆的运算量相对二阶锥规划较小。
新的算法通过增强对上∥的约束,使其L范数最小,即将minI陋∥盼条件改为miIl{ma)【{£∥盼而得到。Ⅱ曲{ma)【{工形I))即使工∥绝对值最大项最小,即使对波束输出功率贡献最大的分量最小。通过后面的仿真和分析可以看到,基于三。范数约束的最小方差无畸变响应比MVDR具有更为优异的方位分辨能力。
2.7.2数值仿真
9元直线半波间距阵,225次独立快拍,2目标方位分别为600和650。图2.9中,两目标强度相同,信噪比均为10dB。比较Bartlett、MVDR和£。.MVDR的方位谱可以看到,由于目标夹角小于瑞利限,Bartlett波束形成无法分辨。在10dB信噪比下,MVDR也无法分辨,而L.MVDR能完全
图2.10MVDR和三。-MVDR方位谱(snrl=10dB,snr2=4dB)
Fi97..10SpectralspectrumofMVDRandL。-MVDR(snrl=10dB,snr2=4dB)
图2.1l为MVDR和L。-MVDR方位分辨能力随信噪比的关系。从图中看出,MVDR的分辨信噪btl"]限为15dB,而L。-MVDR的分辨信噪比门限为9dB,比MVDR低6dB,显示出L。-MVDR在分辨能力上的优越性。
图2.12600方向MVDR和L—MVDR波束响应
Fi92.12BeampattemofMVDRandL。・MVDRat60。
比较60。、650和62.5。方位L。.MVDR与MVDR的波束响应。如图2.12、2.13、2.14,双目标均为20dB时600、650和62.5。方位L。-MVDR波束响应与MVDR波束响应的理论和仿真结果。600方位L。-MVDR波束响应比MVDR波束响应在650方位处的凹槽要深,650方位L。-MVDR波束响应比MVDR波束响应在600方位处的凹槽要深,62.50方位L・MVDR波束响应和MVDR波束响应相比,在600方位处的凹槽是相似的,而650方位处的凹槽.I・
图2.13
Fi92.13650方向MVDR和L-MVDR波束响应BeampaRemofMVDRandL。-MVDRat650
图2.1462.50方向MVDR和£。・MVDR波束响应
Fi92.14BeampaRem
.^ofMVDRandL。・MVDRat62.502.7.3基于L范数约束的最小方差无畸变响应稳健性分析
如图2.15和2.16为信噪比15dB、阵列误差的均方根分别为阵元间距3%
广
和4%时Banle伉、MVDR和t。.MvDR波束形成的方位谱。比较可以看出,Bartlett尽管分辨能力不高,但其稳健性是最好的,MVDR次之。阵列误差从
35
哈尔滨工程大学博士学位论文
4%时,L。-MVDR的方位谱的稳定性和分辨性能均有明显的减弱。
图2.15MVDR和L。-MVDR方位谱(disturbance=3%)
Fi薛.15SpectralspectrumofMVDRandL。-MVDR(disturbance=3呦
图2.16MVDR和L。一MVDR方位谱(disturbance24%)
Fi92.16SpectralspectrumofMVDRandL。一MVDR(disturbance=4%)
图2.17为阵列失配分别为1%、2%、3%时MVDR和L。.MVDR方位分图2.18为两信号源信噪比均为15dB时MVDR和L.MVDR方位分辨能辨能力随信噪比的变化。随着阵列失配的增大,L.MVDR的分辨性能迅速蜕化,当阵列失配超过2%时,其方位分辨的信噪比门限比MVDR还要高;而MVDR基本保持不变。说明L.MVDR较MVDR对阵列模型扰动更为敏感。因而,要发挥L.MVDR的优势,对阵列的布放要求更为严格。
Fi92.18ProbabilityofresolutionofMVDRand工。-MVDRverstLsdisturbance(snrl=snr2
=15dB)
2.7.4海试数据处理
实验数据由阵元间距0.3m的48元阵采集。信号中心频率1000Hz,带宽2Hz。波束形成积分时间24s。图2.19为MVDR和三。-MVDR波束形成方位37
●
thetaP
图2.19MVDR和L。-MVDR方位谱9SpectralspectrumofMVDRandL。-MVDR扣
1e
16
’4
12
誊1c
e
6
4
2
本文市法
加¨1e816614●122{1c
eB664●2
02
020‘060∞j0012131虬150180
38Fi薛.1
E=击
间带宽积鼠丁=N。(2-44)即时间带宽积为1。因而对于整个时间段丁,每个窄带得到的独立快拍为时
、-●l’、,‘●_,、---‘、,‘_一,、・●l’、,‘●I,
snapshopsnapshopsnapshop
图2.22不重叠划分时间段
Fi92.22Disjointintervals
受Welch法谱估计的启发,我们将时间段丁划分成重叠的时间段,每个时间段的长度仍为△丁,如图2.23。由于每个窄带的时间带宽积仍为Ⅳ,因而独立快拍数不会增加,不会带来信噪比的增益。但重叠可以减小噪声互谱密度矩阵估计的方差。
[]]工口…[]口,。_I__^’_-。、一._l●_,^---’、
、_Il‘Y_・__,、_・-’,,-・-一,、-II‘~一-_・_一,snapshopsnapshop
snapshopsnapshopsnapshop
图2.23重叠划分时间段
Fi92.23Jointintervals
31元半波间距阵,两目标方位分别为1070和1130,△r=O.1s,T=3.1s。滑动窗的步长分别取AT、△丁/2、△r/4和AT/16,MVDR的方位谱如图2.24。
可以看到,时间段的重叠提高了方位谱的稳定性,降低了旁瓣起伏。当39
哈尔滨工程大学博士学位论文
重叠超过1/2时,性能的提高不再明显。
tar-∞.●●_‘0'●.nit・0'●●盯toriB._-n∞●.r●tOAt
h-咱,h_岫r
图2.24不同滑动步长时MVDR方位谱
Fi92.24SpectntmofMVDRwithdifferentstep
2.9本章小结
本章介绍了阵列信号处理中最基本的方位估计CRB、MLE、MVDR和MUSIC。CRB是参数无偏估计可以达到的最高性能,作为各种估计算法性能的参照。阵列参数的最大似然估计是有效估计器,具有优良的渐进特性,理想条件下,现有的算法中,MLE具有最优的性能,方位估计的信噪比门限最低。单目标情况下,与其等价的Bartlett波束形成是所有波束形成中检测能力最佳的。本章提出的空域维纳滤波器利用二阶锥规划对阵列快拍进行维纳滤波,抑制噪声的干扰。单目标情况下,空域维纳滤波器的方位估计的信噪比门限要低于MLE,其低信噪比下的检测性能优于Bartlett波束形成,因而是一种良好的波束形成器。对于相邻超过一个波束宽度的多目标,可以先用最优波束抑制其他源信号,使波束域仅存在期望信号,再在波束域使用空域维纳滤波。MVDR具有高的方位分辨能力,是一种最优波束形成。通过将厶范数最
第2章
小条件改为L范数最小条件,得到三。.MVDR波束形成器。L。一MVDR具有比MVDR更好的方位分辨能力。L。.MVDR高方位分辨力来源于权向量波束对干扰更好的抑制。当阵列存在失配时,MVDR和L。.MVDR的性能受影响,随着失配的增大,L。.MVDR比MVDR退化要快,因而L。.MVDR的分辨能力是以对失配的稳健性损失为代价的。
受Welch法谱估计的启发,在将宽带分为若干窄带时,重叠地划分成时间段,虽然不会带来信噪比的增益,但重叠可以减小噪声互谱密度矩阵估计的方差,增加方位谱的稳定性,抑制旁瓣起伏。41
哈尔滨工程大学博士学位论文
第3章矢量阵导向最小方差波束形成
矢量阵自然指向性
声压阵列而言,阵列各阵元等权相加的输出对来自不同方向的信号为自然指向性。类似地,定义声矢量阵的自然指向性为声矢量阵的(包括声压和振速)等权求和的输出对不同方向信号的响应。
量阵列窄带信号的输出模型如式(1.15),只考虑单目标的情况,并项,则可以简化为:
x(O=Ex,(O,而(r),…,xM(O]7=口(o。)圆心s(f)(3一1)(1.9)和式(1.12)代入式(3.1)并求和得到等权求和的输出为:
^,一l
y(f)=∑[I+cos包sin≯,+sinO,sin织+cos织】P—JP^'s(t)
m=O
M-1
=【l+cos晚siIl织+sinO,sines+cos织】J(,)∑P一。凡(3-2)
m=O
=[1+cOSOssin≯,+sing,sin≯,+cos织]yp(r)
M-1
Yp(r)=s(f)∑P以(3—3)
mzO
同样阵形声压阵的自然指向性被因子【1+cosBsill织+sin依sin九+cos九】加
贸p(缈)=—瑞州咖器(3-4)MsinI兰l
其中:伊=2.刀'dcos只siIl九,则均匀直线声矢量阵的自然指向性为:42
第3章矢晕阵导向最小方筹波束形成
孵V(矽)=【1+c。s包Sin纯+sin包Sin九+c。s纯1j7≥:f若
而对于二维矢量传感器,sinf丝1(3-5)吼假)-[1+cosO,+sinS,1鞫I九=三,式(3-5)简化为:.fMzrdCOS鼠1a1,'l~~・L
(3-6)
图3.17兀声矢量均匀直线阵自然指向性
Fi93.1Directivetyofvectorlinearraywith7elements
图3.1是频率为100Hz、阵元间距为半波长时的7元声压阵和声矢量阵的自然指向性图。如该图示,由于系数『1+cost9,+sinOsl的作用,声矢量传感器阵列具有单边自然指向性,不存在声压阵列固有的左右舷模糊问题。3.2声矢量均匀直线阵常规波束形成
如图3.2所示,波束输出为:
y(t)=∥Ⅳ(乡)x(f)(3—7)
式中∥片(口)=[彤(乡),%(9),…,%(秒)]爿为波束形成的权向量,它的每一个元素都是一个三维行向量,因而波束形成向量∥Ⅳ(秒)是一个3M维列向量,分别对声矢量传感器输出的一路声压信号和两路振速信号加权。矽是波束的43
哈尔滨T程大学博士学位论文
向角。波束形成向量的每一个元素都是复数,其模表示对阵元输出信号的度加权,辐角表示对阵元输出信号的相位延迟。
∑
图3.2声矢量阵波束形成不恿图
Fi93.2Diagramofvectorarraybeamforming
波束输出的平均功率为:
?(w)--EDy(Oi2]=∥ⅣEVx(t)x何(f)]形=∥日RvW(3-8)
式中,R=EIx(t)xⅣ(f)I是声矢量阵列协方差矩阵。
文献[111】给出的矢量阵列常规波束形成的权向量和方位谱为:
%(乡)=口,(0)(3-9)
%(秒)=口:!,(目)风口v(0)(3-10)
它与声压阵Bartlett波束形成具有同样的权向量形式,因而,称之为声矢量阵Bartlett波束形成。
把式(1.17)代入式(3.10):
‰(乡)=[口Ⅳ(乡)@∥(秒)]R[口(乡)。∥(口)](3-11)
下面分析声压阵常规波束形成与矢量阵常规波束形成的关系。
考虑仅有一个目标的情况,假定目标的二维到达角为鼠,则M元声矢量阵的输出矢量为:
X(t)=EXl(t),艺(f),…,‰(f)丁=口(B)o口(耽)s(f)+M(r)(3-12)把式(3.9)和式(3.12)代入式(3.7),忽略噪声项,得到波束形成器的输出为:●^
第3章矢晕阵导向最小方差波束形成
y(o=E口(乡)@口(乡)]Ⅳ口(包)。H(包)s(f)
=P(乡)口(皖)]@[即Ⅳ(目)即(纠]s(,)
把式(1.12)代入式(3.13)得:
y(,)=[1+cos(9一包)][口Ⅳ(9)口(见)]s(,)
由上式,声矢量阵常规波束形成的波束输出是声压阵常规波束形y(,):P一扣一・睁淄t—h叫(3.11’名、…、。’…、。’’,J(3-5)y(,)==—-151)】———-—-—i=・:::i--—-------------------・---丁P。【”’1
州垆掣一sin。sinI军(cosp)一cos@))Il竺fCOSfpl一cos(e.)p峋ll
图3.3声矢量阵常规波束形成指向性函数
Fi93.3DirectivityofvectorarrayConventionalBeamforming如图3.3为指向性合成的示意图。声压阵指向性是以线阵为轴对称的因
哈尔滨T程大学博士学位论文
此不能区分信号来自哪一边,产生左右模糊。矢量传感器的心形指向性函数是单边的,本身具有指向性,使合成的矢量阵指向性不再以线阵为轴对称所以矢量阵常规波束形成可以抗左右模糊。由于矢量传感器的心形指向性函数束宽大,当矢量阵指向性靠近轴向时,抗左右模糊性能下降。
对于宽带信号,信号带宽内,各频率的信噪比不一定相同,根据信息保留的观点【1311,对各频率的方位谱按信噪比进行加权,可以得到更好的统计量,特别是当各频率的信噪比变化很大时。把每个子带的能量加权累加:
上
足啊(0)=∑r/,%(Z,秒)(3-17)
实际中,几乎不可能知道各频率的信噪比,因此一般取编=1。
f肫∞Oh¨-岫m
图3.4声矢量阵常规波束形成波束随频率的变化
Fi够.4BeampattemofvectorarrayConventionalBeamformingversusfrequency
由式(3-4)可知常规波束形成的波束与频率有关,如图3.4显示了阵元间距为6.25m的7元声矢量阵800方向的波束随频率的变化情况。随着频率的增高波束主瓣不断变窄。
3.3声矢量阵宽带非相干最小方差波束形成
常规波束形成是传统时域傅里叶谱估计方法的空域简单扩展,具有算法简单、性能稳健的优点,但其方位分辨力受瑞利限限制。为了改善常规波束形成这一类非自适应估计器很难适应变化的干扰环境这一局限性,提高方位分辨力,各种文献已提出了对它的一系列改进,其原理是根据不同环境作自适应处理。
第3苹矢晕阵导向最小方莠波束形成
假设存在K个信号,在这K个信号中只有一个鼠方向的是我们感兴趣的(称为期望信号),而其他尽1个信号都是干扰信号。
为了保证来自方向鼠的期望信号的正确接收,并完全抑制其它干扰,要求波束形成向量满足下列条件:
∥H口V(q)一
形H口,(见)=0,忌=2,3,…,K(3.18)、7
波束形成在波束指向方向上的输出功率包含本方向上的激励的功率,同时还包含了其他方向上的激励的功率。从输出信噪比最大的角度来看,式(3.18)并不是最优的。虽然式(3.18)所确定的权值能使的干扰的输出都为零,但也有可能使噪声的输出增大。因此,应该把抑制干扰和噪声功率放在一起考虑,这是声矢量阵的最优波束形成的问题。基于这样的认识,MVDR波束形成试图使噪声以及来自非观测方向上的任何干扰的功率最小,同时又保持观测方向上的信号响应不变。对于窄带信号MVDR波束形成器求解的优化问题可以表述为:
形=arg[n哆n(WⅣR∥)](3-19)
式(3.19)中arg表示求宗量,其约束条件为:∥Ha,(9)=l,rain表示取最小值,矽为观测方向。最优加权向量可以用Lagrange乘子法求解。令代价函数为:
上(形)=∥HR,W+fEWHq(乡)一1]
向的期望信号的波束形成器的最佳权向量为:(3-20)式(3.20)对形求偏导的结果为2足。∥+弘,(乡)=0。于是得到接收来自秒方
‰(9)=,uRn-1口,(p)
其中,∥是一个常数,根据约束条件缈珂a,(乡)=1可以求得∥为:
1(3-21)
胪可而最丽(3-22)
代入式(3.21)得到:47
富的目标信息,在时变的信道中,宽带处理也更为稳健。对于宽带信号处理,目前主要存在两大类方法,一类就是非相干信号子空间方法,这一类方法就是把接收到的宽带信号在频域上分解成若干窄带信号,然后在每个子带上用窄带波束形成的算法估计目标的方位谱,最后综合所有频段的输出得到宽带估计结果。另外一类方法就是相干信号子空间方法,与非相干信号子空间方法不同的是,相干子空间方法是通过一种称为聚焦变换的运算,把所有子带的能量映射到一参考频率,然后再在参考频率利用窄带波束形成的算法估计目标的方位谱。
根据式(3.23),在第i个子带的MYDR波束形成权矢量为:
‰(川=利袭糅‰p25,
其中,R(z)=E[x(z)xⅣ(z)]为阵列互谱密度矩阵。
把式(3.25)代入式(3.8)就可以得到第i个子带的波束输出的能量:‰(z,乡)。砜万每翮(3-26)把所有子带的能量加权累加就得到了宽带非相干MVDR波束输出,这是能量的非相干累积,因此称为非相干最小方差波束形成(IncoherentMinimumVariance-ICMV)[132】:
‰V(秒)2善耽‰(伊)2善讯两我画丽p27)式(3.27)中一般取碾=1。
以阵元间距为6.25m的7元均匀直线声矢量阵为例,工作频带为
48■^
第3章矢晕阵导向最小方筹波束形成
80Hz~120Hz,800和1120方向分别存在两个高信噪比目标。图3.5为不同频率时指向800方向的MVDR最优权形成权向量的响应,可以看到,波束对800方向的响应为1(0dB),而在1120方向形成了较深的凹口,随着频率的增高波束主瓣变窄。
∞
O
■・∞
・l∞
.150
nO
●∞
忡∞O呐柚舶rH
图3.5不同频率MVDR最优权形成的波束(80。方向)
Fi93.5BernpatternofvectorarrayMVDRversusfrequency(砒80。)
O
{
鼍
・lO
一塔埘
伸∞OM-'.-州
图3.6不同频率MVDR波束形成的空间谱
Fi93.6SpatialspectrumofMVDRversusfrequency
图3.6为不同频率MVDR波束形成的方位谱,可以看到随着频率的增高波束主瓣不断变窄。宽带非相干最小方差波束形成的方位谱即为所有频率方位谱的能量叠加。
计算最优权式(3-26)需要估计阵列接收信号的互谱密度矩阵,仅当准确地估计出阵列接收信号的互谱密度矩阵时,ICMV波束形成才能达到最优。例如在深海环境,目标距离远且运动缓慢,这时可以依靠长时间积累数据提高互谱密度矩阵的估计精度。在有些应用中由于环境的多变或目标快速运动,49
空间平滑技术可以使相干源变为独立源,但是它是以牺牲有效阵元为代价,这不仅使可分辨的信号的个数减少而且也使得阵列波束宽度变宽。对于相干窄带信号,信号协方差矩阵的秩为1,对于宽带相干信号,虽然信号中每个子带上的信号协方差矩阵的秩为1,但是在整个频域内的信号协方差矩阵却不一定为1。设有两个宽带相干信号,其中一个信号是另一个信号的延时,即:西(,)=s(,),S:(f)=s(卜-ro),to≠0。信号的相关矩阵为:
R,G)=Eb(,声Ⅳ(f—f)】=[,.‘车:。),譬占;。’]c3・28,
式(3.28)中,.(f)为s(t)的自相关函数,对式(3-28)两边同时作傅里叶变换得到:
w,札函曩衢砥Ip29,
很显然,只(f)是一个奇异矩阵,并且与P杪)的形式无关。如果将所有的£(厂)对厂积分可以得到:
肌肌粥糊p3。,
只要满足条件to≠0,式(3.30)就是满秩的。也就是说,只要将所有频率成分的信号功率协方差矩阵作平均,得到的信号协方差矩阵就不是奇异的。
由于是宽带信号,阵列方向矩阵不仅与信号的入射角有关,而且还和信号的频率(或波长)有关,所以阵列输出的谱密度矩阵为:●^
第3章矢晕阵导向最小方荠波束形成
Rp(厂)=4(/,p)R(s)A日(f,乡)+蠢R(厂)
其中:(3—31)
A(f,p)=[口(厂,幺),a(f,幺),…,a(f,六)]
彤(厂)=EIS(f)S片(f)I
.s(厂)=[s。(厂),s:(厂),…,sr(厂)]r(3-32)
Rf(f)=-砉E[N(f)NⅣ(伽
由于A(z,口),,=1,2,…,J对于任何一个f和最,七=l,2,…,K的秩均为纸因此,总可以找到一个NxN维的非奇异矩阵丁(Z),使其满足:
r(z)A(z,0)=彳(五,0)(3-33)
矩阵丁(Z)就称为聚焦矩阵(FocusingMatrix)。
相干子空间方法的关键就在于聚焦矩阵丁(Z)的构造。满足式(3-33)的聚焦矩阵r(z)并不唯一,从目前公开发表的文献来看,聚焦矩阵主要有两大类:一类依赖于对目标入射方位角的预估值,这一类聚焦阵的性能完全取决于对目标入射方位角的预估准确程度,估计得越准确,聚焦的性能就越好,当多个目标在空间中分布成多组时,需要用预估的方位进行空间预白化使其简化为单组情况;另外一类则不依赖于目标的空间入射角。下面给出~种基于空间重采样的聚焦矩阵的构造方法,它是一种不依赖于目标的空间入射角的聚焦矩阵的构造方法。
方向矩阵不仅与信号的入射角度q…&有关,而且与信号的频率Z有关。那么不同子带对应的阵列流型随着频率的变化而变化,这就造成了宽带信号各子带的信号子空间不同。
/b…伊一b
Fi93.7DiagrambbbO犹OOOO图3.7空间重采样示意图ofspatialresampling
哈尔滨T程大学博士学位论文
阵列流型中的第甩行第P列元素为exp(j(.-1)2万aAsill铭/c),由此可以一看到,要保持不同频率处的阵列流型相同,必须满足够为常数。也就是说,对应不同的频率应该用不同间距的阵来接收,以得到相同的阵列流型。对于频率._,=的信号,理想的空间重采样是重新将阵元布于,缄/Z,如图3.7所示。但实际上只有一个接收的线列阵,对于宽带信号而言,为获得阵元间距不同于真实阵元间距的虚拟阵列的输出,必须对真实阵列进行插值。将真实均匀直线阵的输出看成是对连续线阵的采样,只要满足采样定理,那么连续线阵上的任何一点的输出都可以由采样值输出恢复得到。理想的空间重采样需要无限长的阵列,这在实际中是不可能的,阵元数总是有限的,因此重采样均是一种近似。根据多采样率理论,文献[1331给出了最小误差准则下均匀直线阵的空间重采样聚焦矩阵:
{L(,))朋=sin№川]](3-34)
式中:%=min(Tr,n-f,/fo),M=2F+l,g=一r,…,F,p=一f,…,f,f=【-骈/AJ,lJ表示左向取整,并给出了基于声压传感器均匀直线阵的空间重采样相干子空间最优波束形成算法(SpatiallyResampledMinimumValriallce.SRMV)。下面将其推广到矢量传感器均匀直线阵【1341。
在相同的聚焦频率五和阵元间距条件下,设二维M元矢量传感器阵的聚焦矩阵为互(Z),则可以证明瓦(Z)=乙(Z)圆如,厶为M×M维单位阵。以下是证明过程:
由聚焦矩阵的定义可得:
乙(Z)%(Z,B)=口(石,幺)(3-35)
瓦(Z)口v(Z,q)=q(fo,吼)(3・36)
由前面的讨论可知:
q(Z,最)=%(Z,幺)o口(最)(3—37)
将式(3.37)代入式(3.36),得:
S2,●^
第3章矢晕阵导向最小方筹波束形成
L(z){%(z,幺)Q即(皖))=咋(z,吼)圆即(皖)
将式(3-35)两边同时做矩阵直积运算,乘以以(皖),得(3—38)
{乙(z)郎(z,最))@H(皖)=%(yo,皖)o以(皖)
式(3.39)左边为:(3—39)
{Tp(f1)ap(z,鼠))p以(最)={乃(z)%(z,皖))圆{k即(皖))(3-40)
利用矩阵Kronecker乘积的性质[41],上式变为:
黧嬲凝裳鬻叫厶纠p‰“∽’c3删={乙(Z)pk}{口p(Z,皖)oⅣ(幺))
将式(3-41)代入式(3.39),得‘。
{乙(z)oJo){%(z,皖)固口(幺))=%(厶,最)圆口(皖)(3-42)
比较式(3.42)和式(3.38)可得
瓦(Z)=乙(Z)o毛(3-43)
宽带最优波束形成就是要找到权系数彤,f为分析的子带,满足观测方向上所有频率对应的阵增益保持不变,而使总的输出功率达到最小,即彬H口,(Z,乡)=l使下式达到最小的权系数取值:
【%,%,…,形】=鹕{%%mi…n.%[喜形日R(z)形])c3喇,
考虑到约束条件形Ⅳ口,(Z,0)=l,即满足所有频率对应的阵增益保持不变,可以得到:
形Ⅳ口,(Z,乡)=∥日口,(So,秒)=1(3-45)
式中∥表示聚焦频率石对应的最佳权向量。
由聚焦矩阵的定义可以得到:
互(Z)口,(Z,秒)"-a,(fo,口)(3-46)53
哈尔滨工程大学博士学何论文
形=彤(Z)∥(3-47)
聚焦后的互谱密度矩阵为:
B(Z)=彤(Z)足,(Z)瓦(Z)(3-48)
利用式(3.47)并考虑到式(3.48),可以推得:
一形H足“Z彬=研勺7∽ZR∽ZZCf¨∥
(3-49)
形=,订0,∑闽,∑瑚瓦(彳皿&力正,∑同弋Z形]U∥,矿矿吩形y
.,
式(3-49)中:毛=∑玩瓦(Z)冠(Z)彤(Z),约束条件变为:
f=l
形Ⅳ口,(Z,乡)=形Ⅳ瓦(Z)q(Z,p)=缈日口,(yo,目)=1(3-50)
于是宽带最优波束形成满足的最优化问题等效为:
∥=arglⅡ归(∥日B∥)I(3-51)
Lw、’7J
约束条件为∥日a,(fo,o)=l。利用Lagrange乘子法解上式,可得最佳权向量为:
∥=菇端‰(3-52)
则矢量阵宽带相干信号子空间最优波束形成器的输出的空间谱为:
‰V5硒瓦布而(3-53)1
以阵元间距为6.25m的7元声矢量阵为例,工作频带为80Hz-120Hz。图3.8为不同频率聚焦到80Hz的常规波束形成的波束图,图3.9为不同频率聚焦到120Hz的常规波束形成的波束图,此时f=2。可以看到,各频率的波束具有相同的主瓣束宽。因而,空间重采样也为恒定束宽波束形成提供了一种可行的方法。
值得注意的是,当聚焦频率为上限频率时,由于f=I石/石・11I<F,空间重采样使阵列的有效孔径减小。从比较图3.8和图3.9的波束宽度可以反映
——_——●_l__—_——___l—_____———___——_罩i_i——-ll_皇皇——____●___—_—————一这一点:由于有效孔径减小,聚焦频率变高并未使波束变窄。第3章矢晕阵导向最小方筹波束形成
o
渤
鼍
埘
m啪
∞O
图3.8空间重采样后各频率波束图(聚焦频率80Hz)
Fi93.8Beampatternofresamplingarrayversusfrequency(focusedon80Hz)
。
脚
m
啪m
●O0
图3.9空间重采样后各频率波束图(聚焦频率120Hz)
Fi93.9Beampa:ttemofresamplingarrayversusfrequency(focusedon120Hz)
∞
o
■
脚m珊
图3.10聚焦频率80Hz,80。方向波束
Fi93.10Bernpattemofresamplingarrayversusfrequency
55at80。(focusedon80Hz)
哈尔滨工程大学博十学位论文
/,弋”
限1nF
。+h'n一‘-●●●●.pl一;…j浦卜一1!y如。巧o∞ob・—呐蛐…o靳100蚱:盎g,劓?
800(focused4∞图3.11聚焦频率120Hz,80。方向波束Fi够.11BeampaRemofresamplingarrayversusfrequencyaton120Hz)
800和1120方向分别放置两目标(高信噪比)。对最优权式(3.52),不同频率信号经空间重采样后形成的800方向的波束如图3.10和图3.11。可以看到,不同频率的波束除Oo和1800附近有较大差异外基本相同,具有相同的主瓣束宽,在观察方向响应为1(0dB),在1120强干扰方向形成凹口。3.5矢量阵导向最小方差波束形成
文献[136]提出的另一种相干波束形成算法:基于导向协方差矩阵的宽带导向最小方差波束形成算法(SteeredMinimumVariance.STMV),其原理是通过波束旋转使指定方向目的响应为l,而波束形成的输出能量最小。下面将其发展应用于矢量阵。
按照常规时延求和波束形成,对每个阵元输出信号插入时延%(口)=mdcos(O)/c,m=o,…,M-1,则时延后输出为:
】,(Z,9)=宅(Z,秒)x(,)
式中:(3-54)
毫∽,O)=diag诅l,1,1,…,P,2顽似。1)oosO/C,ei2斫(M。1)oosO/C,ei2秭(M一)coI引。B=宅∽,0)@13为矢量阵导向矩阵(steeredMatrix),宅(z,秒)=西口g{[1,"",ej2xft(M-1pcos(口’])为相同阵型声压阵导向矩阵。可以看到,矢量阵的导向矩阵为相同阵型声压阵导向矩阵与单位矩阵的Kronecker积。加权的时延波束形成输出为:
P(臼)=E{y(f,O)y(t,9)Ⅳ)
=形ⅣE{(喜毫c以,矽,xc以,)(喜或c五,9,xc以,)Ⅳ>∥。56’注意到,当快拍的长度足够长、k≠m时,x(五)与x(厶)是不相关的,因此有:
尸(秒)=WnEW{(喜圭表(以,p)x(五)x片(厶{I∑∑式(以,p)x(五)x片(厶)妒(厶,)l)妒(厶,0)]Wmfil尸(秒)
I\七Il/J
:∥Ⅳ{壹毫(五,秒)E{x(五)xⅣ(五))妒(五,p)}∥
=WⅣ{∑毫(五,9)风(以)∥(五,0)}W(3.57)
定义R咖p)=∑宅∽,秒迎优矽优,口)为矢量阵对应方向矽的导向协方差矩阵(SteeredCovarianceMatrix.STCM),该式给出了矢量阵导向协方差矩阵与互谱密度矩阵之间的关系。
根据信噪比加权的STCM表示为:
‰(目)=∑仇毫(五,乡)R(^)妒(五,0)
出功率式(3.57)最小,即(3・5s)最优波束形成问题就是求权向量形使目标方向0的响应为1,而波束输
|fWarg[min(W圩k(9)∥)]ffi
(3.59)
IW片(k@“(口))=1
,
式(3.59)中1M表示M×1的1向量。用拉格朗日乘数法求解可得:57
哈尔滨工程大学博十学何论文
形:
{毛@以(9))爿月≤匕(秒){毛p以(9))坠掣垒竺竺剑(3.60)、。
将其带入(3-57)得:
‰V(秒)2面面丽矗而忑丽o。6D
对于ICMV,当用于估计互谱密度矩阵的快拍数小于互谱密度矩阵的维数时,矩阵奇异,算法不能收敛。而导向协方差矩阵由于综合利用了各子带的信息,只要满足子带数与快拍数的乘积不小于导向协方差矩阵的维数,导向协方差矩阵就是可逆的【1361。
以阵元间距为6.25m的7元声矢量阵为例。工作频带为80Hz~120Hz,800和1120方向分别存在两目标(高信噪比)。对于STMV各子带的权是相同的,它在不同频率形成的800方向的波束如图3.12。
f/,4z∞0h¨g呐m
图3.12最优权不同频率的波束图
Fi93.12BeampaRemofoptimalweightversusfrequency
由图看到,波束没有在干扰方向形成低的凹口,而是低的旁瓣,随着频率的增高波束主瓣不断变窄。显然对于最大信噪比准则,式(3.60)中的权是次优的。
下面分析导向协方差矩阵与互谱密度矩阵的区别:
假设x。∽,Iv/=1,2,…,N,f-1,2,…,l,为M元的独立同分布联合高斯随机过程,则互谱密度矩阵冠∽)的估计定“)是由M∽+1)/2元变量的统计量,其特征函数为‘1431:
谚(r)=det[i一皿,∽旷】-Ⅳ(3.62)
第3苹矢萤阵导向最小方荠波束形成
其中F的第{,元素为L=0+80)f{,,r=p¨,,,:,…,f。M,r:2,f:,,…,‰,】,f>/时,气--t;,,瓯是Kronecker8函数。当N≥M时交。∽)符合复Wishart分布,记为CW(N,M;R,∽))。N≤M时应,∽)是奇异的,但(3.62)式依然成立。对于任何非奇异的瓦伉,p),导向协方差矩阵R翩∽)的估计宅蝴∽)的特征函数为:
仍(f):det【I一几伉,p溅∽儿抚,秒尸r】-Ⅳ(3-63)
由于宅∽)是独立的,其特征函数≯(,)可由食一“)的特征函数纪(『)的乘积得到:
≯(f)=血det旺一几伉,口皿,∽儿伉,臼尸r】-Ⅳ(3-64)
互谱密度矩阵为:
r
R以)=∑‘。a,∽,皖)曩,以,幺尸+《,I,k-I(3-65)
其中,吒,0-州2分别为频点Z处信号和噪声功率,口,∽,皖)为方向向量,I,为M维单位矩阵与矢量水听器噪声相关系数矩阵的Kronecker积。注意到L∽,秒)a,∽,幺)=叠,∽,幺一目)并且E以,秒儿以,∥=I,≯(,)可以表示为:
≯o)=Eh了det[I一_,『.羔蠢,a,以,吼一矽h,∽,吼-oy'+蠢.。I,]F一Ⅳ(3.6)Lk-II・,≯O)=兀detlI一_,l∑蠢^以,吼一矽h,∽,吼L+蠢一IIJ(3一J
虽然理论上,RV¥1CBI∽)可由上式的M(M+1)/2维反傅里叶变化得到,但明显是极其困难的。为了得到evstcm“)的简洁表达式,假设(3.66)式中对于i=,,…,h里面中括号里的式子近似为常量。假设源的功率谱为白的,即吒2.1=Lk,i=,,…,办,并且有
a,∽,吼一p)≈a,(So,ok一乡)'f=,,…厅(3.67)
其中fo=∽+A)/2。这是文献[144】中的所有源相互靠近的情况。进一步假59
哈尔滨工程大学博十学位论文
设噪声功率是白的,即蠢,=厶,i=l,…,h。于是上式可以简化为
矽O)=detl,一/l∑丘口,眠,皖一秒-,抗,仇~秒尸+LJ(3-68)
Lk=lJIFJlL
其中B=h一,+l为频点数。可见矽(f)是自由度为凇的Wishan特征函数。若NB≥M,詹一∽)符合Wishan分布,CW(NB,M;R一∽))。注意到彻表示时间带宽积,因而当B>1时,孟,一∽)的统计稳定性较盍,∽)高。3.6算法仿真与分析
3.6.1声压阵与矢量阵波束形成比较
仿真条件如下:信号带宽80Hz ̄120Hz,7元均匀直线声矢量阵,源信号和噪声均为独立的带限高斯白噪声,两源信号信噪比为SNR=4dB,方位分别为800和1120。数据样本长度为5.6s,快拍长度为O.8s,FFT将宽带信号分成33个子带,SRMV波束形成聚焦频率为80Hz。分别比较声压阵BaItlett、ICMV、SRMV、STMV波束形成算法和矢量阵Bartlen、ICMV、SRMV、STMV波束形成算法。图3.13是阵元间距为d=c/2卿.25m时的方位谱估计结果,图3.14是阵元间距为出功萨12.5m时的方位谱估计结果。
从图3.13可以看出,声压阵Banl甜、ICMV、SRMV和STMV波束形成估计的方位谱以线阵为对称轴与目标方位相对称的方位处也存在谱峰,无法判别目标的真实方位,即存在左右模糊。由于矢量传感器本身具有指向性,矢量阵Banlen、ICMV、SRMV和STMV波束形成估计的方位谱各目标对应唯一确定的谱峰,具有抗左右舷模糊能力。矢量阵B砸l甜波束形成与声压阵Bartlett波束形成的束宽基本相同,旁瓣较低。矢量阵ICMV、SRMV和STMV波束形成较声压阵ICMV、SRMV和STMV波束形成主瓣更尖锐、旁瓣更低。
当出嗍即阵列空间欠采样时,对于声压阵,阵元间距与波长的关系不满足在扫描过程中不出现副主极大的条件,因而出现扇面模糊现象,如图3.14。尽管宽带信号的不同子带的栅瓣位置不同,使宽带信号方位谱的栅瓣较主瓣有一定程度的降低,但这些栅瓣依然对目标检测造成很大的影响。基
第3章矢晕阵导向最小方差波束形成
于矢量阵的ICMV和STMV波束形成的方位谱完全没有栅瓣。对于矢量阵Bartlett波束形成,栅瓣依然存在但有所减小,这是由于[1+cos(O-o,)】的作用。由于空间重采样需要满足空间采样定理,因此阵列空间欠采样时不能运用SRMV波束形成算法。
∞'∞罐;_h■h■r-'∞ⅫⅫⅫⅫ
(a)Bartlett
2;垂醛量莲垂墓
■-n删・口r一■-n∥由口晴
(c)SR~Ⅳ(d)STMV
图3.13声压阵与矢量阵波束形成(d=c/2fh)
Fi93.13Beamformingsofscalararrayandvectorarray(d=c/23名)
.;
一1‘…哇….i
……・I—……1…l‘;
IJ……{…。,
……氧.,l,
斟暖::::l:嵫i::{敞::|:
嵋k聪卜挂埘。7£三斟弋个≮_二.二:恕}.}d
(a)Bartlett(b)ICMV(c)STMV
图3.14声压阵与矢量阵波束形成(d=c编)
Fi93.14Beamformingsofscalararrayandvectorarray(d--c/fh)61
仿真条件如下:信号带宽80Hz~120Hz,17元均匀直线声矢量阵,阵元间距为d=c/2fh=6.25m,同阵型的声压阵的瑞利限为2/(肛1)---0.125rad=7.160。源信号和噪声均为独立的带限高斯白噪声,两源信号信噪比为SNlⅫdB,方位分别是80.80和85.40。波束形成器的积分时间为40.8s,快拍长度为0.8s,FFT将宽带信号分成51个子带,SRMV波束形成聚焦频率为120Hz。矢量阵四种波束形成算法的方位谱如图3.15,分别给出5次独立的仿真结果。由于两目标夹角小于瑞利限,矢量阵Bartlett波束形成无法分辨,而矢量阵ICMV、
第3章矢晕阵导向最小方筹波束形成
SRMV和STMV波束形成均能有效分辨出两目标。进一步可以看出ICMV方位谱谱峰最窄,但方位谱归一化方差和旁瓣起伏较大。矢量阵STMV波束形成方位谱的方位谱归一化方差和旁瓣起伏最小。
对不同信噪比条件下矢量阵ICMV、SRMV和STMV波束形成方法的分辨能力作仿真。图3.16是三种算法分辨概率与信噪比关系,信噪比从.10dB到5dB变化,200次独立统计。从图3.16可以看出,当信噪比大于.1dB时,矢量阵ICMV波束形成的分辨概率大于90%,其分辨信噪比门限为ldB,矢量阵SRMV波束形成分辨信噪比门限为.1dB,比矢量阵ICMV波束形成低2dB。矢量阵STMV波束形成分辨信噪比门限为.3dB,比矢量阵ICMV波束形成低4dB。
仿真条件同上,两目标信号是完全相关的,一信号是另一信号时延O.12s而得。从图3.17可以看到矢量阵ICMV波束形成已不能分辨两目标,而矢量阵SRMV波束形成和矢量阵STMV波束形成依然可以将两目标完全分开。这是因为矢量阵ICMV是非相干处理,处理相干源时方位分辨能力下降,而矢量阵SRMV和STⅢ是相干处理。图3.16分辨概率与信噪比的关系
Fi93.16Probabilityofresolutionversussnr
波束形成的方位谱旁瓣平稳,能清晰地检测到弱目标。增加数据样本长度至81.6s,结果如图3.19。可以看到随着数据样本的增加,矢量阵ICMV波束形成方位谱的归一化方差和旁瓣起伏减小,也能清晰地检测到弱目标。
第3章矢晕阵导向最小方筹波束形成
(a)Bartlett(b)ICMV(c)SRNⅣ
Fi93.18WeakSOUECe(d)S删detectinginstronginterference图3.18强干扰中的弱目标检测(数据样本长度40.8s)(a)Bartlett(b)ICMV
65
哈尔滨工程大学博士学位论文
粤
一一一J一一一卜一一一
-一一一叫J——一忆一一一J一一一■一一一
、-—中—●_一‘。-、:
(c)SRMV(d)STMV
图3.19强干扰中的弱目标检测(数据样本长度81.6s)
Fi93.19Weaksourcedetectingins仃onginterference
3.6.4方位估计性能
两独立信号源,仿真条件同3.6.2节。信噪比均为3dB时,不同数据样本长度下80.80方向目标方位估计均值与均方根误差如图3.20。矢量阵SRMV和STMV方位估计的均方根误差远小于矢量阵ICMV;当数据样本长度小于40.8s(51个快拍,数据样本门限)时,阵列信号的互谱密度矩阵奇异,ICMV无法进行方位估计,而矢量阵SRMV和STMV只需1.6s数据样本(2个快拍)就能进行方位估计。数据样本大于门限时,矢量阵STMV波束形成方位估计的均方根误差小于矢量阵ICMV波束形成,但方位估计的偏大于矢量阵ICMv。
图3.20不同数据样本长度下目标方位估计均值与均方根误差
Fi驴.20MeanandRMSEofDOAestimatingversusdatasamplelength
第3章矢鼍阵导向最小方蒡波束形成
-——————_———__—————●———————_嗣置薯薯_蔫I....I●一
图3.21不同信噪比下目标方位估计均值与均方根误差.
Fi93.21MeanandRMSEofDOAestimatingVerSUSsfur
数据样本长度为40。8s,不同信噪比下矢量阵ICMV、SRMV、STMV波束形成80。80方向目标方位估计均值与均方根误差如图3.2l。矢量阵STMV波束形成方位估计的均方根误差小于矢量阵ICMV波束形成,但方位估计的偏大于ICMV:这一结果表明,矢量阵STMV波束形成以较大的偏为代价换取较低的方位估计
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
差。当数据样本小于门限B寸,这种交换是很需要的,在处理宽带信号时可以减少对数据样本长度的要求。
3.7矢量阵海试数据处理
实验l:2003年在大连海域进行了矢量阵目标探测实验,采用阵元间距0.75m的5元二维矢量传感器直线阵。一快速目标由500运动至320。。由于阵元间距0.75m,工作频率超过lkHz,不满足空间采样定理(超过奈奎斯特频率),因而SRMV在此不适用。
比较矢量阵波束形成较声压阵波束形成的性能,取2200Hz一2700Hz频段的信号进行处理,快拍长度为33ms。由于矢量阵ICMV波束形成至少需要15个快拍才能收敛,至少需要15个快拍(0.5s)才能收敛,滑动步长0.5个快拍。矢量阵Bartlett和STMV波束形成只需1个快拍就能收敛,窗长为1个快拍。
图3.22为声压阵和矢量阵Bartlett波束形成方位时间历程图。声压阵Bartlett波束形成不仅存在左右模糊,由于不满足空间采样定理,出现了栅瓣。矢量阵Bartlett波束形成的栅瓣有所降低、在靠近180。方向依然有较明显的左右模糊。67
哈尔滨T程大学博士学位论文
0SO100150200250300350050100350
h¨—脚峥ⅥM¨H—胛i钆zJu250300
(a)声压阵(b)矢量阵
图3.22声压阵和矢量阵Bartlett波束形成方位时间历程图
Fi驴.22Bearing-timechartofBartlettBeamformingwithscalarandvectorarray
0bOi001SO200r50300350050i00150200250300350
h舯n■如,Hh舯嗍棚・rH
(a)声压阵(b)矢量阵
图3.23声压阵和矢量阵ICMV波束形成方位时间历程图
Fi够.23Bearing-timechartofICMVBeamformingwithscalarandvectorarray
图3.23为声压阵和矢量阵ICMV波束形成方位时间历程图,图3.24为声压阵和矢量阵STMV波束形成方位时间历程图。可以看到声压阵ICMV和STMV波束形成同样存在左右模糊和栅瓣,而矢量阵ICMV和STMV波束形成完全不存在模糊和栅瓣,轨迹与实验布局相符。图3.25为矢量阵Bartlett、ICMV和STMV波束形成方位谱。矢量阵ICMV波束形成没有因为所用独立快拍多而表现出更好的性能,恰恰相反,矢量阵ICMV波束形成方位谱的主瓣最宽,旁瓣级最高,而矢量阵STMV波束形成方位谱的主瓣最尖锐,这一点从方位时间历程图也可以看出。这是由于目标快速运动,0.5s内目标的方位有了较大的变化,阵列信号的互谱密度矩阵也随之变化,致使估计的互谱
密度
波束
的影
DeannC,'a“lroe
图3.25矢量阵Bartlett、ICMV和STMV波束形成方位谱
Fi93.25SpatialspectrumofBartlett,ICMVandSTMVwithvectorarray
实验2:阵元间距0.5m的5元矢量传感器均匀直线阵,该阵列经过减振处理后安装于实艇,在航行状态探测实际目标。工作频带1—1.5kHz,在2000方位附近有一干扰源。目标在13s时出现(以数据起始为零时刻),由900向1800方向运动并逐渐远离,如图3.26所示。
哈尔滨工程大学博士学何论文
图3.26实验示意图
Fi驴.26Diagramofseatrial
“6
们4
”2
nC
暑l旷§‘蕾e
¨6
矿4
“2
05010015020025,7,J00b:0501001SC3SG
k-_q州h-r-●b●_Tq^■州20025C300
(a)Bartlett(b)ICMV
¨5
耵4
rj
aC
暑li:lB
们6
舡
丑
uJv……………vJu………
h_■—‘●n●h蚋'-●rH一一……
(c)SRMV(d)STMV
图3.27矢量阵波束形成方位时间历程图
Fi够.27Bearing-timechartofbeamformingswithvectorarray
取快拍长度为67ms,积分为1s,滑动步长为0.5个快拍长度。图3.27为矢量阵Bartlett、ICMV、SRMV、STMV波束形成方位时间历程图。可以看出,矢量阵ICMV、SRMV、STMV波束形成的分辨能力要优于Bartlett波束形成,2000方向干扰的宽度变窄,可以清晰地看到目标的轨迹。矢量阵SRMV和S删波束形成的稳定性要优于矢量阵ICMV波束形成。
实验3:实验采用6元矢量传感器均匀直线阵,探测水下目标。海面干扰较多,环境噪声较大。如图3.28为3150方位(目标方位)的波束输出LOFAR图,可以看到目标辐射的噪声在高频段存在一根线谱,低频段噪声较大。取
第3章矢晕阵导向最小方斧波束形成
高频段信号分别做矢量阵Bartlett、ICMV、STMV波束形成,如图3.29.3.3l。波束形成的积分时间均为500ms。矢量阵ICMV波束形成的快拍长度为27ms,即积分时间分为18次快拍。矢量阵Bartlett和STMV波束形成的快拍长度均为500ms,即积分时间分为1次快拍。
由于阵元间距约为线谱半波长的3倍,所以矢量阵Bartlett波束形成出现栅瓣如图3.29。矢量阵Bartlett和STMV波束形成栅瓣的影响要小的多。
啪
御
伽
m
耋啪
伽
m
伽
∞
0弱060晒0707508006090%
州z
图3.283150波束输出的LOFAR图
Fi93.28LOFARof3150beamoutput
御
m
伽
伽
墨∞
∞
∞
扣
。050100150200250300350
theta/degree
图3.29矢量阵Bartlett波束形成方位时间历程图
Fi93.29Bearing-timechartofBartlettBeamformingwithvectorarray
7l
哈尔滨工程大学博十学位论文
比较图3.30和3.31可以看到,矢量阵STMV波束形成的稳定性要优于矢量阵ICMV波束形成。目标在该工作频带内存在线谱,积分时间相同的情况下,与矢量阵ICMV波束形成相比,矢量阵STMV波束形成由于可以使用较长的快拍时间长度,FFT窗长较大,线谱的信噪比增益较大,因而目标的历程更为清晰。
∞
幻
加
∞
暑∞
∞
∞
∞
0050100150200250300350
theta/degree
图3.30矢量阵ICMV波束形成方位时间历程图
Fi93.30Bearing-timechartofBartlettBeamformingwithvectorarray
墨
图3.3l矢量阵STMV波束形成方位时间历程图
Fi93.31Bearing-timechartofSTMVBeamformingwithvectorarray
第3章矢鼍阵导向最小方筹波束形成
3.8本章小结
本章研究了基于声矢量传感器均匀直线阵的Bartlett、ICMV和SRMV波束形成算法,将宽带导向最小方差波束形成算法扩展到矢量阵。对各算法进行了仿真和比较:由于矢量传感器本身具有指向性,矢量阵Bartlett、ICMV、SImⅣ和STMV波束形成算法无左右舷模糊。矢量阵ICMV、SRMV和STMV波束形成较声压阵ICMV、SRMV和STMV波束形成波束窄、旁瓣低。矢量阵ICMV和STMV波束形成可以空间欠采样,因而在不增加计算量的基础上能提高阵处理的性能。声压阵和矢量阵ICMV、SRMV和STMV波束形成较Bartlett波束形成指向性更尖锐。矢量阵ICMV、SRMV和STMV波束形成较矢量阵Bartlett波束形成有更高的方位分辨力。矢量阵SRMV、STMV波束形成的分辨信噪比门限均低于矢量阵ICMV波束形成。矢量阵SRMV、STlVlV波束形成分辨相干信号源的能力优于矢量阵ICMV波束形成、它们的空间谱归一化方差和旁瓣起伏小,在数据样本有限时仍能检测强干扰下的弱目标。对三次海试数据进行了处理和分析:实验1验证了矢量阵Bartlett、ICMV和STMV波束形成抗左右舷模糊的能力和矢量阵ICMV和STMV波束形成抗栅瓣的能力。实验结果表明,对于快速运动目标,收敛快的相干处理算法效果更好。实验2和3采用矢量阵ICMV、S洲和STMV波束形成清晰地探测到了目标,其结果一致并与实验现场情况相吻合,证明了这些算法的正确性和可行性,同时验证了矢量阵SRMV和STMV波束形成的稳定性要优于矢量阵ICMV波束形成。相同积分时间长度条件下,由于矢量阵STMV波束形成可以使用更长的滑动窗,通过提高线谱谱级信噪比而提高方位谱估计的性能。
海洋动力噪声,电噪声(热噪声)等。
若只存在各向同性干扰,阵的处理增益为:
q=1019M
其中,M为独立阵元数。(4—1)
由波束旁瓣引进的多目标干扰称为多目标相干干扰。利用旁瓣抑制技术可抗多目标相干干扰。切比雪夫加权的常规波束形成有较低的指向性旁瓣,约低于主瓣20dB。采用MVDR、STMV、自适应旁瓣抵消可更有效抑制旁瓣多目标干扰。
只存在各向同性干扰条件下,对于48元阵(3kHz半波阵)直线阵,频带:500-1500Hz,阵处理增益为G,=1019M=16dB,能量检测的时间处理增益为Gf=519BT=15dB(脉宽T=ls,带宽B=1000Hz)。非良好水文时,7km时的传播损失约为TL=72dB,re:luPa,背景噪声NL=73dB(1kHz,lHz)(东海较南海高10dB)。被动声呐方程:
观一儿一NL+q+Gf≥DT
124—72—73+16+15≥DT,7km时
10≥DT(4—2)(4-3)(44)
74
第4章频率方筹加权波束形成检测器
SL为目标声源级,DT为检测阈。被动历程显示检测阈DT=6dB,由(4_4)式可见此时仍可远程探测目标,但已经接近于极限。
对于多目标相干干扰,时间处理增益为0。当干扰与目标方位很近时,波束形成的泄漏使目标方位波束输出的干扰变大而影响目标的探测。
对于线谱,瞬时频率方差(varianceofinstantaneousfrequency.VIF)[137J的估计值可作为检测统计量用于信号检测,在理想信道白噪声背景下的检测性能略低于最佳处理器(匹配滤波器),但差别很小。瞬时频率方差检测器的虚警率与干扰背景的能量起伏无关,因而在非平稳的干扰背景和信道中具有很好的稳健性【l邛J。
水中航行器辐射噪声中线谱的谱级信噪比通常较连续谱高许多,在处理中只需减小滤波器带宽就能提高线谱的信噪比,如果充分利用这一特性,可以有效提高系统的检测性能。根据信息保留的观点,宽带信号分频带处理进行融合时,按各频带的信噪比进行加权是最优的【1391。因此,含有线谱的频带由于信噪比较高,相应的权应较大,这样由高信噪比的线谱获得的高性能方位谱得到充分得体现。然而在实际应用中,线谱频率未知,各频带的信噪比也无法得知,因而一般假设各频带信噪比相同,即各频带的权相同;而由于线谱能量在宽带信号能量中所占比例很小,所形成的高性能空间谱被其他低信噪比频带形成的空间谱淹没。
解决这一问题的一个途径是将各频带独立显示而不进行宽带融合,这就需要四维显示,但目前仍没有十分有效的四维显示方法。注意到,如果目标有线谱,该方位波束的瞬时频率方差很小甚至为零,否则就较大,利用频率方差对宽带方位谱进行加权,线谱目标方位的谱强度得到增强;而且由于不需显示每个频带的结果,可以通过常规的三维方位时间历程瀑布图显示。
对于线谱目标可用波束输出信号的频率方差对波束能量进行加权而提高线谱目标的检测能力,这就是频率方差加权波束形成检测器(varianceinstantaneousfrequency-Beamforming,VIF-BF)。of
4.2瞬时频率方差
文献[138】已经证明,对于线谱,瞬时频率方差是十分有效的检测量。窄带高斯白噪声的瞬时频率方差为有效带宽的平方,显著大于线谱信号的瞬时75
七≠‰时,x和】,均满足正态分布小立4BT])。于是,其包络z:Is,(kl:、/二虱万丽满足莱斯分布n4吨
p(z)--爪力2寺P嚣’胁孝P掣厶(和=‰(4.13)¨¨’
其中彳=鲁,仃2=岳。z(z)的分布函数为:76
第4苹频率方差加权波束形成枪测器
互(z)=I1一Pi7IL/(4.14)
除线谱外,其余所有频点的最大值x=ma)【{最@)l,七≠‰)的分布函数为:
/,(x)--互(z尸N-I\1一P一虿l/
其概率密度函数为:(4.15)
六G)=p卜1)【1_P虿卜订孝m
Y=z--X的分布函数为:o(4-16)
e◇)=肛G,z)dxdz=『f疋G)幔(zⅫ眺(4-17)
于是z<x的概率,即线谱频率幅值最大的概率为:
I(k。)=E(o)=』』六G)呒(zⅫ眺
=Jco^(z)Jfo六G皿沈=Jco厶(z炽G)I;k
=Jco孝P戡(外P门…埘
小f砉P戡(外P丢卜
。?t—r期掣厶协¨{卜
它只与p有关,p表示线谱的谱级信噪比。该函数可由数值积分求得。
其他频点最大的概率为:=Jco孝P督厶(拳)I1。Il-P寺lI出(4.18)几)=铡一‰(4.19)
哈尔滨工程大学博士学位论文
E:∑h五厂@):圭争厂@):吾圭矿@)
2贡磊可积。一1)一(『一1Ⅺ一2m一厂瓴”+ko(STS(ko)一‰))
瞬时频率的方差为:
町2:∑h∽一E)2厂@)
=.D低-7-)i,传陋G2捌+f2+)3G2+f2)御】-EB丁。小1杠21)
+(ko-E)2S(ko(・一嘉)
∥TTT
……一…:…I.一杉一j…:一一j…:…./l
一一一J…
一一一j.一Z:一一一:一一j一一一:一一j一一一:一一一.
…÷I∥一卜I一÷I一1--。--AM柏州咖。==:蚍.
一扩一
一力…一一一L一一一一一一L一一J一一一I一一一.
一一一广一一1一一一
.————口,:刃一i…Z:j:一一一一r一一1一一一r一一1一一一r-一一。
图4.1线谱频率幅值最大的概率
Fi94.1Probabilityoflinespectrumtobethepeal(
通过蒙特卡洛仿真验证上述理论。带宽0.5一lkHz的高斯白噪声,线谱频率800Hz,FFT窗长ls,20000次独立统计。.厂(k)及瞬时频率方差的理论值与蒙特卡洛仿真统计结果如图4.1和图4.2,两者完全一致。由图中可以看到,当线谱谱级信噪比超过一定门限时,瞬时频率方差为零。
4.3频率方差加权波束形成检测器
如果多目标干扰不存在线谱,利用目标线谱,既提高抗非相干干扰能力,又提高抗相干干扰的能力。图4.3为波束输出的线谱检测框图。基阵接收到的信号经前置滤波、降采样等处理后,作波束形成,波束输出平均周期图后得到谱图;对每个方位作频率域峰选显示提出线谱。
图4.3波束形成线谱检测框图
Fi94.3Diagramofbeamforminglinedetecting
这种处理器要求4维显示,(秒,,,厂,,),即方位、时间、频率、谱强度。见图4.4。当目标在波数之间移动时,线谱只在不同波束的某一个时间段内出现而影响历程的观察。
由于需要每个波束一个显示窗,显示窗数量太多,操作员观察费力,效果不好。
哈尔滨T程大学博士学位论文
秒;f1、豢黼瓣霉
幺+-f粼黪囊:器多厂蹦—■一目—■
{
图4.4四维显示示意图
Fi酣.4Diagramoffour-dimensionaldisplay
文献[142]在大量统计实验的基础上,说明了舰船目标辐射噪声中线谱是稳定的。如果舰船的结构部件被激起共振,则会产生相应的共振线谱,对于高速运动目标,其辐射的线谱中最强的往往不是轴频或浆频,而是共振线谱。大量的实验表明,共振线谱的频率与目标的体积有关,其波长约是目标长度的1/2。因此,尺寸较小的目标共振线谱频率高,反之,尺寸较大的目标共振线谱频率低。依据此信息,在实际应用中,可以针对感兴趣的目标选择适合的频段范围。
高速航行的水下小目标,其辐射噪声中含有高频线谱,通常比连续谱声级高出几分贝到二十几分贝,而一般的舰船平台没有(有些平台也可能有,但很少,且与连续谱相比相对声级不是很高),因此探测高速小平台可选用接收信号的高频频段,采用频率方差加权波束形成检测器。
频率方差加权波束形成检测器的处理步骤如下:
(1)对基阵接收信号作预处理,即前置抗混叠滤波。
(2)经FFT变换到频域,作频域波束形成和对波束输出平均周期图处理。
(3)对每个方位的波束输出进行能量积分,得到方位谱尸(秒)。
(4)对每个方位的功率谱作频率域峰选,可得到p方位的峰值频率厶(9)。
(5)在一定积分时间长度内,经多次快拍求每个波束的峰值无(口)对应
第4章频率方筹加权波束形成检测器
的频率方差仃r2(口);计算每个波束的频率方差权形r(p):权的构造不同可以获得不同的效果,这里主要研究两种加权方法:倒数权和指数权:
%(秒)=1/b;p)+△)(4・22)
(4-23)%p)=exp(-o仃,2)
其中,,7为常数。
(6)利用上面的权对方位谱P(o)加权,得到频率方差加权波束形成检测器的输出‰(秒):
‰p)=尸p)×孵p)(4—24)
以t波束形成频率方差检测器的流程可用框图的形式表示,见图4.5。
p‘嘶能晕积分
滑
动■土/J[:l波束形成
窗极
一周搿H戮弄伊
图4.5频率方差加权波束形成检测框图
Fi94.5Diagramofvarianceofinstantaneous丘equency—beamformingdetecting
若目标信号含有线谱,由于线谱有较高的强度和稳定度,在第4步作频率域峰选时,每次都能选到线谱频率,则其频率方差就较小;反之,若目标无线谱,每次峰选得到的频率是随机的,其频率方差就会很大。加权之后,线谱目标的被显示量被显著提高,而非线谱目标的则被大大抑制。被动探测是对一段时间的数据进行处理,因此频率方差加权波束形成检测器的输出是含有高频线谱的目标的方位时间历程。
4.3.1频率方差加权常规波束形成检测器
现代化的战争多是编队作战,视野中会有众多的舰船,多目标干扰极其严重,尤其是近处的强目标干扰,给检测远程的弱目标带来很大困难。高速运动平台辐射噪声中含有高频线谱,这是一般其他平台所没有的。利用这个81
哈尔滨T程大学博十学位论文
特征,可选用高频段,在此频段内,高速平台有线谱,低速目标无线谱,利用CBF频率方差检测器处理,即可远程探测目标。
图4.6为频率方差加权CBF检测器抗多目标干扰的仿真,仿真条件:视野中共有四个目标,方位分别为-400、.150、200、700,200处的目标有稳定线谱(高于连续谱15dB),其它三个目标均为高斯带限白噪声。图4.6左图为CBF检测器处理的结果,视野范围内有四个目标,线谱目标是其中的较弱目标,图4.6右图是频率方差加权后的结果,可以清晰地看到方位图中只有一个线谱目标,而其它的无线谱目标都被抑制。
cBF检测输出cBF频率方差检测输出
:…。‘
:…..f.卜.,
方位/度
图4.6VIF.CBF抗多目标干扰
Fi94.6VIF・CBFsuppressmultisourceinterference
4.3.2频率方差加权导向最小方差波束形成检测器
CBF的优点在于算法简单、性能稳健、计算量小,但是其方位分辨力较差,当多个目标方位靠近时,相互的干扰较大。用自适应波束形成可以提高方位分辨力,抑制多目标干扰。MVDR需要不少于阵元个数的独立快拍才能收敛,期间目标方位变化可能较大,影响互谱密度矩阵的估计精度,因而使用收敛更快的STMV。
以阵元间距0.3m的48元直线阵为例,1120方向存在一信噪比为15dB强干扰(干扰1),130和600方向分别存在信噪比.13dB、.18dB两干扰(干扰2、3),730方向为信噪比.18dB的目标。其中干扰3和目标均含有l根线
第4章
谱,分别为650Hz和700Hz,其谱级信噪比较连续谱高15dB。信号频带为O.5~lkHz,快拍长度为1s,方位谱估计的积分时间为4s(4个独立快拍),功率谱估计的滑动步长为O.125s。图4.7中实线为STMV方位谱,可以看到由于分辨力不够,无法分开干扰3和目标,也就是说,干扰3的存在影响了期望目标的检测。虚线为倒数加权的结果,由于干扰3和目标含有线谱,该方向方位谱加权较大,因而能清晰分辨干扰3和目标,干扰1和干扰2由于不含线谱,方位谱强度被抑制。点线为指数加权的结果,可以看到干扰1和干扰2方位谱强度被进一步抑制,旁瓣更平滑,更稳健。
酽
图4.7VIF.STMV抗多目标干扰
Fi94.7VIF—STMVsuppressmultisourceinterference
4.4STMV递归算法
STMV算法需要在每个波束方位做矩阵求逆算法,计算量较大。与MVDR算法相似,用递归替代求逆,可以极大地减少计算负担。
对于频域STMV波束形成算法,估计互谱密度矩阵时要对阵列输出的Ⅳ次快拍进行平均,如式(4.25)所示:
Ⅳh
鲰,p)=∑∑宅伉,o)xo∽)x-∽)彩∽,0)
n-I(4-25)k-/为了递归以减小计算量,用一阶递归代替求和累加:
P。k
如p,行)
《屯p,刀1)+(1一口疰k--/毫伉速,以)+0一口比∽一。辫∽一1)]q惫!,(1一口融∽M饥净:JJ(4-30)1+0一口群∽速:JJ戈。饥)
=意己一素己0一口这。饥一。弦,∽一。皿己盖:!,0一口玩优谬,优潆;:,
l+O一口遮7%。皿己毫仅。)l+(1一口速?饥征晶毫优)
第4章频率方筹加权波束形成检测器
依次类推:鲰㈨)=吉‰㈨-1)一篆^-1筹稳"铹琰"H渊^-1
….(4・31)寓乏(1一口比眈一。辩抚一。溅幺l+(1一口辫∽一。溅幺毫抚q)
宅:,(1一口比∽磁∽溅!,1+(1一口肼∽溅:,又。抚)
辨吉如㈨.1)一簧"-1筹端"黹"尝H㈣^-1由愈。和又。∽+。)可进一步求得:
以此类推,最后一步:由上面可以看出xl就tm,p,甩)可以通过递推求的,第一步根据毫∽)求得:㈤2,棘吣蜘珏谍糍㈣
试的布局大致相同,如图4.8。《^-1,耐一甓尝粼件33,㈣4.5试验数据处理进行了三次海试,试验海区靠近航道,因而在附近海域存在较多的其他船只的干扰。前两次海试接收信号采用的拖曳线列阵为48元均匀直线阵,第三次海试使用6元矢量阵。待测目标是高速航行、辐射线谱的期望目标,它的航迹是预先设定的,声速约为1500m/s,采样频率为4000Hz。与干扰船相其辐射噪声中含有高频率的共振线谱,而低速运动用这个特点,探测高速运动的小目标时,选用信号
哈尔滨T程大学博士学位论文
萨
抄弛一帆榀‘喜
图4.9STMV方位历程图(海试数据1)
Fi94.9Bearing-timechartofSTMV(seatrial1)
图4.9为海试1数据STMV波束形成方位历程图,FFT长度为1s。从图中可以清晰看到至少6个目标的历程,期望目标和主要的几个干扰如图中标示。90s后拖船转向,左右舷的目标分别向船艏和船尾方向偏移。前90s,由于期望目标与干扰l方位重叠,期望目标被强干扰淹没,无法检测到。拖船转向后期望目标与该强干扰方位分开,可以较为明显地被检测到。
bearing/degree
图4.10VIF.STlVIV方位历程图(海试数据l,倒数加权)
Fi94.10Bearing-timechartofVIF-STMV(seatrial1,multiplicativeinverse)
图4.10为倒数加权VIF.STMV的方位历程图结果,图4.11为指数加权VIF.STMV的方位历程图结果,频率方差的统计窗长为3s。从图中可以明显看到期望目标,90s前位于700附近,90s后偏向Oo方向。指数加权结果较倒数加权结果背景更干净。轨迹出现断裂是由于浅海声信道滤波效应引起的:浅海声信道是一梳状滤波器,子通带随信道的变化而变化,当线谱频率处于子止带时线谱信噪比显著降低使得瞬时频率方差变大。
指数加权
图4.11VIF.STMV方位历程图(海试数据l,指数加权)
Fi94.1lBearing-timechartofVIF-STMV(seatriall,exponentialweight)
图4.13560方位LOFAR图
Fi94.13LOFARat560
90s之后目标进入560方向波束,该波束时频LOFAR图(如图4.13)90s之后出现相应频率的线谱,说明该线谱确实是目标辐射的。而900方向波束时频LOFAR图90s之后频谱强度变大但没有线谱,可见是干扰1进入该波
●—__——・-____——●●●■■■—■——暑置_置—|暑|置j_——|—暑■暑暑暑暑暑暑置置暑暑暑暑暑|——■—■—_——■■●—_————●一第4章频率方筹加权波束形成柃测器
束,而且干扰1的频谱在该工作频段内无线谱。图4.15为200方向(干扰2方位)波束的时频LOFAR图,频谱无线谱,因而尽管干扰2辐射噪声很强,在VIF.STMV方位历程图上仍然被抑制。图4.16为1600方向(干扰3方位)波束的时频LOFAR图,频谱存在一根线谱,因而干扰3在VIF.STMV方位历程图上被增强。
鲫方向竣烹的时领LOFAR圈
120
'∞
∞
暑∞
∞
20
-,№
图4.14900方位LOFAR图
Fi94.14LOFARat900
2伊方向渡柬时频LOFAR圈
图4.15200方位LOFAR图
Fi94.15LOFARat200
图4.17¥TMV方位历程图(海试数据2)
Fi94.17Bearing-timechartofSTMV(seatrial2)
图4.17为STMV方位历程图,可以看到背景环境十分恶劣,存在多个强目标干扰,整个实验过程中,干扰1与期望目标方位相近。20s时刻,目
第4章频率方筹加权波束形成检测器
标点火启动,可以看到历程图中出现一亮点。目标启动后向拖船靠近,由于距离较远,更由于强干扰2和3的影响,在20s到250s之间无法看到期望目标。250s之后,距离接近,开始可以隐约看到期望目标。320s之后目标自动寻的功能开启,开始转向,此时信噪比较高,可以较为明显的看到目标。
倒数加权
图4.18VIF.STMV方位历程图(海试数据2,倒数加权)
Fi94.18Bearing-timechartofVIF・STMV(seatrial2,multiplicativeinverse)
指数加权
暑
图4.19VIF.STMV方位历程图(海试数据2,指数加权)
Fi94.19Bearing-timechartofVIF・STMV(seatrial2,exponentialweight)
图4.18为倒数加权VIF.STMV的方位历程图结果,图4.19为指数加权VIF.STMV的方位历程图结果,频率方差的统计窗长为3s。由于期望目标存9l
theta/degree,.
'图4.21STMV方位历程图(海试数据3)~Fi94.21Bearing-timechartofSTMV(seatrial3)
海试3为3.7节中的实验3,情况不再重复介绍。从环境噪声的功率谱图4.20可以看出,整个工作频段内,0.5.0.9频段噪声谱级较高,因而,用整个
160
1加
120
100
誊∞
60
加
20
U§U1UU1:,U—UUZ£刈JUU',£^J
theta/degree
图4.23VIF.STMV方位历程图(海试数据3,指数加权)
Fi94.23Bearing-timechartofVIF-STMV(seatrial3,exponentialweight)
图4.22为倒数加权的方位历程图结果,图4.23为指数加权的方位历程图
结果,滑动窗长为O.5s频率方差的统计窗长为3s。可以看到,目标的历程十分明显,指数加权的方位历程图的背景要比倒数加权的方位历程的背景干净。93
哈尔滨T程大学博士学位论文
由于阵列的阵元间距约为线谱半波长的3倍,波束形成存在栅瓣的影响,所以图中在2700和3150附近出现两条历程。
4.6多线谱处理
频谱目标可能辐射两根或两根以上的强线谱。如果最强线谱强度超过4.2节所示的信噪比门限,当各线谱强度不同并稳定时,多线谱不会对峰选频率方差估计产生影响。由于信道梳状滤波效应,目标位置不同时不同频率的线谱强度是变化的,当不同频率的线谱在短时间内交替最大时,频率方差会变大,影响目标的检测。通过实时地进行线谱检测,分别估计各自的频率方差,用所有线谱的频率方差的平均值对波束能量进行加权,可以解决多根线谱交替最大产生的影响。
仿真条件同4.3.2节,目标信噪比为.23dB,含有650Hz和700Hz两根线谱,干扰3无线谱。通过图4.24的仿真结果可以看到,STMV能检测到干扰3,而目标被干扰3淹没。经过多线谱处理VIF.STMV同样能检测到目标。
频带-0.5—1.5kHz.积分时间:4s.快拍长度:1s.滑动步长0.1255
0,口
图4.24多线谱处理VIF.STMV
Fi94.24VIF—STMVdealingwithmulti-linespectrum
4.7本章小结
本章首先研究了短时傅里叶变换瞬时频率方差估计,给出了它的理论解,并通过MonteCarlo仿真验证了其正确性。当带宽、线谱频率和FFT窗长确定后,瞬时频率方差随线谱谱级信噪比的增大而减小,当线谱的谱级信噪比超过一定门限时瞬时频率方差为零。利用频率方差对波束能量进行加权,线'r、-
第4章频率方差加权波束形成检测器
谱目标方位波束因输出信号的瞬时频率方差较小得到增强,而其他方位波束被抑制,从而有效提高对线谱目标的检测能力。比较了倒数加权与指数加权的不同,结果显示指数加权更为稳健。最后通过处理海试数据验证了本文提出的VIF.STMV检测器,处理结果表明,VIF.STMV检测器可以有效的提高线谱目标的检测能力。
哈尔滨T程大学博士学位论文
结当口论◆匕
本文围绕阵列信号处理问题,介绍了阵列信号处理数学模型和基本算法,结合二阶锥规划,矢量信号处理和线谱检测,对阵列信号处理的若干方面进行了研究和改进,主要内容如下:
在空域匹配滤波的基础上,针对单目标情况,提出了利用二阶锥规划对阵列快拍进行维纳滤波抑制噪声干扰的空域维纳滤波器。通过仿真分析,单目标情况下空域维纳滤波器的方位估计的信噪比门限要低于MLE,其低信噪比下的检测性能优于Bartlett波束形成,因而是一种良好的波束形成器。
MVDR是波束输出能量最小意义上的最优波束形成。对MVDR的约束条件进行分析,将其转换为二阶锥的形式,通过将£:范数最小条件改为L范数最小条件,得到L。.MVDR波束形成器。L。.MVDR的权向量波束能更好地抑制干扰,因而L。.MVDR具有比MVDR更好的方位分辨能力。对比分析MVDR和L。.MVDR的稳健性,当阵列存在失配时,MVDR和L。-MVDR的性能受影响,随着失配的增大,L。.MVDR比MVDR退化要快,因而L。.MVDR的分辨能力是以对失配的稳健性损失为代价的。
与Welch法谱估计类似,在将宽带分为若干窄带时,重叠地划分成时间段,虽然不会带来信噪比的增益,但重叠可以减小噪声互谱密度矩阵估计的方差,增加方位谱的稳定性,控制旁瓣起伏。仿真分析了不同滑动步长时,窄带MVDR谱估计的稳定性和旁瓣起伏。
比较分析了基于声矢量传感器均匀直线阵的Bartlett、ICMV和SRMV波束形成算法,将宽带导向最小方差波束形成算法扩展到矢量阵。对各算法进行了仿真和比较:矢量阵波束形成算法无左右舷模糊;矢量阵宽带自适应波束形成较声压阵波束窄、旁瓣低;矢量阵ICMV和STMV波束形成可以空间欠采样,因而在不增加计算量的基础上提高阵处理的性能;矢量阵SRMV、STMV波束形成的分辨信噪比门限均低于矢量阵ICMV波束形成:矢量阵SRMV、STMV波束形成分辨相关信号源的能力优于矢量阵ICMV波束形成、它们的空间谱归一化方差和旁瓣起伏小,在数据样本有限时仍能检测强干扰下的弱目标。利用这几种矢量波束形成算法对三次海试数据进行分析:实验
水声阵列信号处理理论及实验研究
1验证了矢量阵Bartlett、ICMV和STMV波束形成抗左右舷模糊的能力和矢量阵ICMV和STMV波束形成抗栅瓣的能力。实验2和3采用矢量阵ICMV、SRMV和STMV波束形成清晰地探测到了目标,其结果一致并与实验现场情况相吻合。
分析了短时傅里叶变换瞬时频率方差估计,给出了它的理论解,并通过MonteCarlo仿真验证了其正确性。当带宽、线谱频率和FFT窗长确定后,瞬时频率方差随线谱谱级信噪比的增大而减小,当线谱的谱级信噪比超过一定门限时瞬时频率方差为零。用频率方差对波束能量进行加权,线谱目标方位波束因输出信号的瞬时频率方差较小得到增强,而其他方位波束被抑制,从而有效提高对线谱目标的检测能力。通过仿真频率方差加权CBF波束形成和频率方差加权STMV波束形成分析了频率方差加权波束形成抑制无线谱强干扰,增强线谱目标的机理。比较了倒数加权与指数加权的特性,结果显示指数加权更为稳健。海试数据处理验证了本文提出的VIF.STMV检测器,处理结果表明,VIF.STMV检测器可以有效提高线谱目标的检测能力。
主要创新点为:
1、提出了基于£。范数约束的最小方差无畸变响应,改进MVDR的方位分辨能力。
2、将STMV波束形成算法扩展到矢量阵列模型。3、提出了频率方差加权波束形成的方法提高线谱目标的检测能力。
,-_也
【11】
【12】
【13】
【14】张金铎,栾桂冬.大面积平板PVDF水听器的研制.98全国声学学术会议.1998,43-45P栾桂冬,王光灿.新型换能器技术的进展.哈尔滨工程大学学报.2004,25(3):1103.1108P张仁和,倪明.光纤水听器的原理与应用.船舶工程.2004,33(7):503.5C17PE.ECarome.FiberopticgradienthydrophOIleandmethodofusingsame.
——■■■■●■■■■■—●●—■■■■■————■暑暑暑叠置置暑置—置—■————宣暑萱薯暑暑暑葺暑暑i|■■——■■——■—————■—●—■—■■●_Illl水声阵列信号处理理论及实验研究
[15】
[16】
【17】
【18】
【19】
[20】
【21】
【22】
【23】
[24】
【25】
【26】
[27】
一.
-
●
.’【28】UnitedStatesPatemt4799752.1989杨德森,洪连进.矢量水听器原理及应用引论.科学出版社.2009贾志富.三维同振球型矢量水听器的特性及其结构设计.应用声学.2001,20(4):124-129PArticles.SpectraFromVariousTechniques.IEEEProceedings,1981,69(11):SpecialIssueArticles.TimeDelayEstimation.IEEETram.OnAcoustics,SpeechandSignalProc.,1981,29(3):SpecialissueArticles.SpectralEstimation.IEEEProceedings,1982,70(9):SpecialIssueS.P.Applebaum.AdaptiveArrays.IEEETram.AntennasandPropagation,1976,24(9):585-598PJ.Capon.High-ResolutionFrequency—WavenumberSpectrumAnalysis.Proc.IEEE,1969,57(8):1408-1418PW.F.Gabriel.SpectralAnalysisandAdaptiveArraySuperresolutionTechniques.IEEEProceedings,1980,68(6):654-666PJ.Burg.MaximumEntropySpectralAnalysis.In37thMeetingSocietyExplorationGeophysicists,1967O.Strand.MultichannelComplexMaximumEntropySpectralAnalysis.Acoustics,SpeechandSignalProcessing,IEEEInternationalConferenceonICASSP77,2003,2:736-741PA.vandenBos.AltemativeInterpretationofMaximumEntropySpectralAnalysis.IEEETran.OnInformationTheory,1971,17(4):493-494PS.Haykin,B.W.Currie,S.B.Kesler.Maximum・entropySpectralAnalysisofRadarClutter.ProceedingsoftheIEEE.1982,70(9):953-962PT.T.Georgiou.SpectralAnalysisBasedonTheStateCovariance:theMaximumEntropySpectrumandLinearFractionalParametfization.IEEETran.onAutomaticControl,2002,47(11):1811-1823PVH.MacDonald,P.M.Schultheiss.OptimumPassiveBearingEstimmion
inaSpmiallyincoherentNoiseEnvironment.J.Acoust.Soc.Am.,1969,46(1):37-43P99
哈尔滨丁程大学博十学位论文
【29】F.C.Schweppe.SensorArrayDataProcessingforMultipleSignalSources.
IEEETrans.OnIT,1968.IT-14:294—305P,‘
・●
【30】HaoZhang.Maximum—likelihoodEstimationforMultivariateSpatial也[31】
[32】Luo
【33】
[34】
【35】
【36】Hongtu
[37】
【38】LinearcoregionalizationModels.Environmetrics,2007,18:125-139PEulogioPardo-lguzquiza,K.VMardia,MarioChica-Olmo.MLMATERN:AComputerProgramforMaximumLikelihoodInferenceWitlltheSpatialMatemCovarianceModel.Computers&Geosciences,2009,35(6):1139—1150PYi,DuHaiwen,XuanYongbo,LiWangxi.SpatialRegistrationofDifferentSensorsusingMaximumLikelihoodMethod.Electronics,Optics&Control,2009,16(5):78—80PYI.Abramovich,N.K.Spencer,A.YGorokhov.BoundsonMaximumLikelihoodRatio-partI:AapplicationtoAntennaArrayDetection.estimationwithPerfect肠yefrontCoherence。IEEETrans。onSignalProcessing,2004,52(6):1524-1536PYI.Abramovich,N.K.Spencer,A.YGorokhov.Boundsonmaximumlikelihoodratio・・PartII:applicationtoantennaarraydetection—-estimation嘶t11imperfectwavefrontcoherence.IEEETrans.onSignalProcessing,2005,53(6):2046—2058PSlli,A.Nehorm.ARelationshipBetweenTime-ReversalImagingandMaximum-LikelihoodScatteringEstimation.IEEETrans.onSignalProcessing,2007,55(9):4707-4711PZhu,MinggaoGu,B.Peterson.MaximumLikelihoodfromSpmialRandomEffectsModelsviatheStochasticApproximationExpectationAlgorithm.StatisticsandComputing,2007,17(2):163-177PSubspaceRotationApproachtoEstimationofParametersofCisoidsinNoise.IEEETrans.onASSP,1986,34(5):1340・1342PAanalysisofMUSICandSubspace
EstimatesofSinusoidalFrequencies.IEEETram.onSignal
l∞,^●,●~GangMaximizationR.Roy,A.Paulraj,T.Kailath.ESP鼬■一AP.Stoica,T.Soderstrom.StatisticalRotation
水声阵列信号处理理论及实验研究
Processing,1991,39(8):l836・1847P
【39】J.S.Goldstein,I.S.Reed.SubspaceSelectionforPartiallyAdaptive
SensorArrayProcessing.IEEETrans.onAerospaceandElectronicSystems,1997,33(2):539-544P
[40】A.Ferreol,P.Larzabal,M.Viberg.OntheAsymptoticPerformance
AnalysisofSubspaceDOAEstimmionin乃ePresenceofModelingErrors:CaseofMUSIC.
【41】M.L.McCloud,L.L.Scharf.ANewSubspaceIdentificationAlgorithm
forHigh-resolutionDOAEstimation.IEEETrans.onAntennasandPropagation,2002,50(10):1382・1390P
[42】D.W.Tufts,J.T.Francis.DesigningDigitalLow-passFilters:Comparison
ofSomeMethodsandCriteria.IEEETrans.AudioElectroaeoust.,1970,AU.18:487-494P
[43】A.Papoulis,M.S.Bertran.DigitalFilteringandProlateFunctions.IEEE
Tram.CircuitTheory,1972,CT-19:674-681P
【44】D.R.Rhodes.TheOptimumLineSourcefor1’lleBestMean-square
ApproximationtoaGivenRadiationPattern.IEEETram.AntennasPropag.,1963,AP・11:440—446P
[45】J.EKaiser.NonrecursiveDigitalFilterDesignusingthe10・SinhWindow
Function.IEEEProc.Symp.CircuitSyst.,1974,20-23P
[46】S.A.Schelkunoff.AMathematicalTheoryofLinearArrays.BellSyst.
Tech.J.,1943,22:80—107P
【47】P.M.Woodward.AMethodforCalculatingTheFieldoverAPlane
ApertureRequiredtoProduceAGivenPolarDiagram.J.1EE,1946,93:1554.1558P
[48】C.L.Dolph.ACurrentDistributionforBroadsideArraysWKch
Optimizes朋1eRelationshipbetweenBeamwidthAndSidelobeLevel.Proc.Il地,1946,34:335—348P
[49】H.J.Riblet.ACurrentDistributionforBroadsideArraysWKchOptimizes
TlleRelationshipbetweenBeamwidthandSide.10beLevel.Proc.IRE.10l
,
-
,,
【5l】ZfTaylor.OneParameterFamilyofLineSourcesProducingModified吨
【52】
【53】
[54】
[55】
【56】
[57】
【58】
[59】
【60】SinU/UPatterns.TechnicalReport324,HughesAircraftCo.,CulverCity,Califomia,1953ZfTaylor.DesignofLine—SOurCeAntennasforNarrowBeamwidthandSidelobes.IRETrans.AntennasPropag.,1955,AP一3:16-28PMinimaxDesignofPhaseNonrecursiveDigitalFiltersSubjecttoUpperand1LowerConstraints.IEEETrans.AudioElecroacoust.,1972,AU-20:171.173PPattemSynthesisforLineSubjecttoUpperandLowerConstrainingBounds.IEEETrans.Propag.,1975:732・734PApproximationforNonrecursiveFilters谢tllLinearPhase.IEEETrans.CircuitTheory,1972,CT-19:189.194PProgramforTheDesignofLinearPhaseImpulseResponseDigitalFilters.IEEETrans.AudioElectroacoust.,1972,AU-20:195-199PofAntennaPatterns、析t11PrescribedNulls.IEEEPropag.,1982,AP-30;273-279P153.171PJ.J.Brandriss.ASpecificationLanguageTheOptimalDesignofExoticFIRFilters、航thSecond-orderCone,-RecordoftheThirty・SixthAsilomarConferenceon,andComputers,2002,1(3—6):341-345P~ofErrorsinAdaptiveWeights.IEEETrans.Aerosp.
102LowH.S.Hersey,D.W:Tufts,J.T.Lewis.InteractiveLinearFunctionR.A.Mucci,D.W:Tufts,J.T.Lewis.BeamArraysAntennasT.W:Parks,J.H.McClellan.ChebyshevDigitalT.W.Parks.J.H.McClellan.AFiniteH.Steyskal.SynthesisTrans.Antennas鄢社锋,马远良.二阶锥规划方法对于时空域滤波器的优化设计和验证.中国科学E辑,2006,36(2):J.O.Coleman,D.P.ScholIlikforPrograms.ConferenceSignals,Systems&Nitzberg.EffectElectron.Syst.1976,AES-12:369-373P
【65】
【66】
【67】
【68】
【69】
【70】
【71】
【72】
【73】AdaptiveArrays.IEEETrans.onAerospaceandElectronicSystems,1988,24(4):397_401PVincent,O.Besson.SteeringVectorErrorsandDiagonalLoading.IEERadar,SonarandNavigation,2004,151(6):337—343PAdaptiveBeamforminginSensorArrays.JoumalofElectronicsandCommunication,1999,53(6):14PVeen.MinimumVarianceBeamforming、衍tllSoftResponseTram.SignalProcess.,1991,SP-39:1964-1972PStudyonRobustBeamformingWittlOptimumDiagonalLoading.IEEETrans.andPropagation,2006,54(12):3647—3658PStoica.Z.Wang.OnRobustCaponBeamformingandDiagonalTransactionsonSignalProcessing,2003,51:1702.1715PLorenz.S.P.Boyd.Robustminimumvariancebeamforming.2005,IEEETransactionsonSignalProcessing,53:1684-1696PconstrainedrobugCaponbeamformer.IEEETransactionsonSignalProcessing,2004,52:2407-2423PAltemativeFormulationforAnOptimumBeamformerwitllRobustnessCapability.Proc.IEE,1985,132:447—460PStatisticalInferenceandItsApplications.Wiley,New103inEProceedingsA.B.Gershman.RobustAEU-International305-3B.D.VanConstraints.IEEEA.Elnashar.S.M.Elnoubi.H.A.El-Mikati.FurtherAdaptiveAntennasJ.Li.PLoading.IEEER.GJ.Li.P.Stoica.Z.Wang.DoublyM.H.Er.A.Cantoni.AnC.R.Rao.Linear
哈尔滨下程大学博十学位论文
YOrk,1946.
【74】R.A.Fisher.TheoryofStatisticalEstimation.Proc.CambridgePllil.Sot.,
【75】
【76】
[77】
【78】
[79】
【80】
[81】
[82】
[83】
【84】R.Kumaresan.D.W.ms.Estimating
【85】1925,22:700PH.L.VanTrees.Detection,Estimation,andModulationTheory,PartI.Wiley,NewYork,1968A.J.Weiss.A.S.Willsky.B.C.Levy.MaximumLikelihoodArrayProcessingforEstimationofSuperimposedSignals.Proc.IEEE,1988,76(2):203—205PYBresler.MaximumLikelihoodEstimationofALinearlyStructuredCovariace、析thApplicationtoAntennaArrayProcessing.Proc.4thASSPWorkshoponSpectrumEstimationandModeling,Minneapolis,Minnesota,1988,172-175PESchweppe.Sensorarraydataprocessingformultiplesignalsources.IEEETrans.Inf.Theory,1968,IT-4:294-305PS.M.Kay.ModemSpectralEstimation:TheoryandApplication.PrenticeHall,EnglewoodClifrs,NewJersey,1988Q.T.Zhang.AStatisticalResolutionTheoryof111eBeamformer-basedSpatialSpectrumforDetermining西eDirectionsofSignalsin孵砸绝Noise.IEEETrans.SignalProcess.,1995,SP-43:1867-1873PL.Ⅵ、NTI冱E.Optimumarrayprocessing.NewYork:JohnWiley&SonsINC,2003:48PR.O.Schmidt.MultipleEmitterLocationandSignalParameterEstimation.Proc.RADCSpectrumEstimationWorkshop,GriffithsAFB,Rome,NewYork,1979,243-258PGBienvenu.L.Kopp.AdaptivitytoBackgroundNoiseSpatialCoherenceforHighResolutionPassiveMethods.Proc.ICASSP,1980,l:307.310PtheAnglesofArrivalofMultiplePlaneWaves.IEEETram.AES,1983,19(1):134-139PA.Paulraj.R.Roy.T.Kailath.ASubspaeeRotationApproachtoSignal
ParameterEstimation.Proc.IEEE,1986,1044-1045P
104,.●广~
水声阵列信号处理理论及实验研究
【86】R.Roy.T.Kailath.ESPⅪT-EstimationofSignalParametersviaRotational
InvarianceTechniques.IEEETrans.ASSP,1989,37(7):984-995P[87】M.Viberg.B.Ottersten.T.Kailath.DetectionandEstimationinSensor
ArraysUsing
2436.2449PWeightedSubspaceFitting.IEEETrans.SP,1991,39(11):
【88】I.J.Clarke.HighDiscriminationTargetDetectionAlgorithmsand
【89】H.Akaike.A
【90】
[91】
【92】
【93】
【94】
【95】
●【96】
-
_
、
【97】EstimationofParameters.UnderwaterAcousticDataProcessing,1989,273.277PNewLookattheStatisticalModelIdemification.IEEETrans.Autom.Control,1974,19:716-723PGSchwartz.EstimatingtheDimensionofAModel.Ann.Stat.1978,6:461.464PM.Wax.T.Shah.T.Kailath.Spatio-temporalSpectralAnalysisbyEigenstructureMethods.IEEETrans.Acoust,Speech,SignalProcessing,1984,32:817-827PDirectionPerformanceofCoherentWideBandFocusingforaSpatiallyResampledAIa誓.IEEEICASSP,1990,2827.2830PFocusingMatricesforWidebandArrayProcessing.IEEETram.SP,1992,40(6):1295-2302PSignal-SubspaceSpatialSpectrum(BASS—ALE)Estimation.IEEETrans.ASSP,1988,36(7):953.964PGrenier.WidebandSourceLocationThroughFrequency-DependentModeling.IEEETram.sP,1994,42(5):1087-1096PL.D’Spain.W.S.Hodgldss.GL.Edmonds.J.C.Nickles.EH.Fisher.AnalysisoftheDatafromtheVerticalDIFARArray.992:346-351PL.D’Spain.TheSimultaneousMeasurementofInfrasonicAcoustic
VelocityandAcousticPressureinOceanbyFreelyDrifting105J.Krolik.D.Swingler.TheM.A.Doron.A.J.Weiss.OnK.M.Buckley.L.J.Griffiths.Broad-bandYGR.A.Harriss.InitialOceans’92,Newport,lQParticle
哈尔滨工程大学博士学位论文
SwallowFloats.J.OceanicEng.,1991,16(2):195—207P..、
-【98】VA.Shchurov.CoherentandDiffusiveFieldsofUnderwaterAcoustic
Ambient广
曩Noise.J.Acoust.Soc.Am.,1991,90(2):991-1001P
[99】VA.Shchurov.APossibleMechanismofDynamicAmbientOceanNoise
HorizontalEnergyFlowForming.Proc.I.O.A.,1996,l8(5):154-162P
[100】VA.Shchurov.TheInteractionofEnergyFlowsofUnderwaterAmbient
NoiseandaLocalSource.J.Acoust.Soc.Am.,1991,90(2):1002-1004P[101】李春旭.声压、振速联合信息处理.哈尔滨工程大学工学博士学位论
文,2000
[102】时胜国.矢量水听器及其在平台上的应用研究.哈尔滨工程大学博士
学位论文,2007
【103】M.Hawkes,A.Nehorai.AcousticVector-sensorCorrelationsinAmbient
Noise.IEEE.JournalofOceanicEngineering,2001,26(3):337—347P
【104】VA.Shchurov.VectorAcousticsofTheOcean.Vladivostok:Dalhauka,
2006
【105】M.Hawkes.IssuesinAcousticVectorSensorProcessing.YaleUniversity,
2000
[106】ArycNehorai,EytanPaldi.Acousticvector-sensorarrayprocessing.J.
Acoust.Soc.Am.,1994,42(9):2481・2491P
[107】B.Hochwald,A.Nehorai.Identifiabilityinarrayprocessingmodels谢th
vector-sensorapplications.IEEETransactionsonSignalProcessing,1996,44:83.95P
【108】M.Hawkes.A.Nehorai.AcousticVector-SensorProcessinginthe
PresenceofaReflectingBoundary.IEEETramSP,2000,48(11):2981—2993P
【109】M.Hawkes.A.Nehorai.WidebandSourceLocalizationUsinga
DistributedAcousticVector-SensorArray.IEEETranssP,2003,51(6):1479.1491P
【llO】A.Nehorai.E.Paldi.AcousticVector-SensorArrayprocessing.IEEE
TramSP,1994,40(9):2481・2491P
l嘶一●广k
水声阵列信号处理理论及实验研究
【111】M.Hawkes.A.Nehorai.AcousticVector-sensorBeamformingandCapon
DirectionEstimation.IEEETransSP,1998,46(9):2291-2304P
【112】M.Hawkes.A.Nehorai.AcousticVector-SensorCorrelationsinAmbient
Noise.IEEEJournalOceanicEngineering,2001,26(3):337-347P
【113】K.T.Wong.NovelTechniquesofPolarizationDiversity&Extended
ApertureSpatialDiversityforSensor-arrayDirectionFingdinginRadarSonar,&Wirelesscommunications.PurdueUniversity,1996
【1l4】K.T.Wong.M.D.Zoltowski.Closed・FormUnderwaterAcoustic
Direction-Finding、析也ArbitrarilySpacedVectorHydrophonesatUnknownLocations.IEEEJoumalOceanicEngineering,1997,22(4):566.575P
【ll5】K.T.Wong.M.D.Zoltowski.Root・MUSIC・BasedAzimuth-Elevation
Angle-of-ArrivalEstimation、析tllUniformlySpacedbutArbitrarilyOrientedVelocityHydrophones.IEEETrans.sP,1999,47(12):3250.3260P
【1l6】K.T.Wong.M.D.Zoltowski.Closed—formDirection-findingwitll
ArbitrarilySpacedElectromagneticVector-sensorsatUnknownLocations,IEEETransAP,48(5):671~681P
【1l7】K.T.Wong.M.D.Zoltowski.Extended・apertureUnderwaterAcoustic
MultisourceAzimuth/ElevationDirection-fmdingUsingUniformlybutSparselySpacedVectorHydrophones.IEEEJ.OceanicEng.,1997,22:659.672P
【118】K.T.Wong.M.D.Zoltowski.Root-MUSIC-basedAzimuth-Elevation
Angle—Of-ArrivalEstimation、航ttIUniformlySpacedbutArbitrarilyOrientedVelocityHydrophones,IEEETranSP,1999,47(12):3250-3260P
●【119】K.T.Wong.M.D.Zoltowski.Self-initiatingMUSIC-basedDirection●
-FindinginUnderwaterAcousticParticleVelocity—FieldBeamspace.IEEE’、
J.OceanicEngi.,2000,25(2):262-273P
【120】QL.D’Spain.J.C.Luby.GR.Wilson.R.A.Gramann.VectorSensors
andVectorSensorLineArrays:CommentsonOptimalArrayGainand107
哈尔滨工程大学博十学位论文
Eetection.J.Acoust.Soe.Am.,2006,120(1):171-185P
[121】惠俊英,李春旭等.声压和振速联合信号处理抗相干干扰.声学学报,
2000,25(5):389—394P
[122】惠俊英,刘宏等.声压振速联合信息处理及其物理基础初探.声学学报.
2000,25(4):303-307P
【123】孙贵青,杨德森,张揽月.基于矢量水听器的水下目标低频辐射噪声
测量方法研究.声学学报,2002,27(5):429.434P
[124】孙贵青,杨德森,张揽月,时胜国.基于矢量水听器的最大似然比检
测和最大似然方位估计,2003,28(1):66.72P
【125】张揽月,杨德森.基于矢量阵的自初始化MUSIC方位估计算法.哈
尔滨工程大学学报,2006,27(2):248.251P
[126】张揽月,杨德森.矢量水听器扩展孔径线阵方位估计技术.哈尔滨工
程大学学报,2004,25(6):714.71
[127】J.L6fberg.A8PToolboxforModelingandOptimizationinMATLAB.In
ProceedingsoftheCACSDConference,Taipei,Taiwan,2004
[128】彭建辉.基于凸优化理论的自适应波束形成技术.中国科学技术大学
博士论文.2008
【129】JingLiu.A.B.Gershman.Zhi-QuanLuo.K.M.Wong.Adaptive
Beamforming、舫tllSidelobeControl:ASecond-OrderConeProgrammingApproach.IEEESignalProcessingLeuers,2003,10(11):331-334P
【130】KevinSmith.VincentvanLeijen.SteeringVectorSensorArrayElements
谢t11LinearCardioidsandNonlinearHippioids.J.Acoust.Soc.Am.2007,122(1):370-377P
【131】H.Hung.M.Kaveh.FocusingMatrices
Processing.IEEETrans.ASSEforCoherentSignalSubspace1988,36(8):1272-1281P
Wideband◆
●【132]J.Krolik,D.Swingler.The
FocusingforaDetectionPerformanceofCoherentSpatiallyResampledArray.IEEEInternationalConference,_ASSE1990,2(9):2827—2830Pk
ofMinimaxSpatialResampling【133】J.Krolik,D.Swingler.ThePerformance
FiltersforFocusingWide・Band
l傩Arrays.IEEETramOnSP.1991,
————~———————————————————————————___-_-—————__●—-_——一
水声阵列信号处理理论及实验研究■●——■——■—■—●——■■——■—■■—■■■■■——i—■i萱暑薯墨ii暑置■■——■——ii置肓i暑——■■■■——■●■■■■——■—■■—■■——■■一
-
-
-39(8):1899・・1903P【134】陈华伟,赵俊渭.声矢量传感器阵宽带相干信号子空间最优波束形
成.声学学报,2005,30(1):76.82P
【135】徐仲,张凯院等.矩阵论简明教程.科学出版社,2001:57.58P
BroadbandSourceLocationUsingSteeredJ【136]J.Krolik.D.Swingler.Multiple
CovarianceMatrices.IEEETrans.ASSE1989,37(10):1481-1494P
【137】林茂庸,柯有安.雷达分辨理论.北京:国防工业出版社,1984
【138】梁国龙.回波信号瞬时参数序列分析及其应用研究.哈尔滨工程大学
博士论文,1997
【139】H.Hung.M.Kaveh.FocussingMatrices
Processing.IEEEforCoherentSignal・subspaceTram.ASSP,1988,36(8),1272-1281P
【140】朱华,黄辉宁,李永庆,梅文博.随机信号分析.北京:北京理工大
学出版社,1990
【141】A.D.Whalen.SignaJDetectinginNoise.Beijing.SciencePress,2006
【142】崔绪生.国外鱼雷技术进展综述.鱼雷技术,2003,ll(1):6.11P
【143】刘金山.Wishart分布引论.科学出版社,2005
【144】H.Wang.M.Kaveh.Coherent
DetectionSignal-SubspaceProcessingfortheandEstimationofAnglesofArrivalofMultipleWidebandSource.IEEETram.TASSP,1984.32:817-827Pf
●
~
109
哈尔滨工程大学博+学位论文
攻读博士学位期间发表的论文和取得的科研成果
【1】陈阳,惠俊英.声矢量阵导向最小方差波束形成算法研究.哈尔滨工程
大学学报.2008,29(11):1199.1204页(EI检索:20090211855819)曩.=p[2】陈阳,王自娟,朱代柱,余赞,惠俊英.一种基于频率方差加权的线谱[3】陈阳,惠俊英.多途信道中自适应相关器性能研究.2007年全国博士生[4】陈阳,王自娟,惠俊英.频率方差加权导向最小方差波束形成检测器.中目标检测方法.声学学报.2010,35(1):76.80页.学术论坛
国科学F辑.已投
llO吒●r‘
渊博、思维敏捷、严谨求实、一丝不苟、宽人律己。是老师将我领进水声的殿堂,也是老师给予众多的机会使我开阔眼界、增长见识。难忘老师每次给予指导时所写的厚厚的手稿,难忘每当遇到挫折时老师热情洋溢的鼓励。老师对学术的激情、对工作的认真和对生活的热诚值得学生永远学习。以后还要继续跟老师学做事、学做人。
由衷感谢蔡平教授。蔡老师理论功底扎实,工程经验丰富。每次与蔡老师的交流总能有所收获。蔡老师对许多问题的见解独到,分析深入浅出,时常让问题柳暗花明。
课题组是个大家庭,这里我能找到归属感。感谢老师们和同学们对我的关心、支持、帮助和包容。感谢生雪莉老师在学习和生活上的照顾,使我少了很多烦恼。感谢郭龙翔、殷敬伟、赵安邦和孙国仓几位师兄,是他们的鼓励让我度过了最困难的时候。感谢姚直象、王逸林、江磊、梅继丹、杨娟、惠娟等师兄师姐的指导。感谢实验室其他同学和师弟师妹,与他们的讨论和争辩使得学习更有乐趣,生活更加精彩。
感谢那些虽不在同一课题组,但曾给予指教的的老师和同学们。
感谢612厂、726所的专家和工作人员,本文的许多内容离不开他们的支持和帮助。从他们那里,我收获良多。
感谢父母和弟弟对我的理解与支持,你们是我的依靠,也是我不断前进的动力。