基于恒定束宽波束输出的宽带相干源高分辨测向

本文给出了基于恒定束宽波束输出的宽带相干源分辨测向方法。计算机仿真表明本方法在降低运算量的同时,得到了优于相干信号子空间方法的方位估计性能。     

一种基于Notch滤波器的恒定束宽波束形成技术

对于存在不同线谱成分的宽带信号而言,提取这些线谱成分进行恒定束宽波束形成,可以达到增强信号的目的。自适应陷波器(Notch滤波器)具有频率跟踪和相位估计的特性,基于此提出了一种自适应恒定束宽波束形成技术。对于基阵接收到的信号,以其各阵元之间的相位差为媒介,在Notch滤波器离线重构相移波束形成中提取"低频慢变化"的相位信息,对其进行补偿,使输出的重构信号具有"高频快变化"的相位信息,以此将不同频段的信号进行恒定束宽波束形成。以舰船辐射噪声为例,通过仿真和实验研究证实了该方法的有效性。     

旁瓣约束方向不变恒定束宽波束自适应综合

将自适应加权方法应用于波束图的主瓣控制研究,提出了方向不变恒定束宽波束形成算法。在波束图旁瓣区域引入若干虚拟干扰源,自适应调整干扰强度,改变波束形状。以主瓣某一指向的波束宽度为参考,以每次迭代后波束图最低旁瓣峰值与主瓣峰值的差作为下次迭代运算的预设主旁瓣比,在保持主瓣区域宽度不变的情况下,用自适应综合的方法获得不同主瓣指向上的最低均匀旁瓣。将该算法应用于均匀线阵和半球面阵,均在±60°的范围内得到了方向不变恒定束宽波束。研究表明,该算法不仅适用于均匀线列阵,也可用于任意结构阵列。     

全设计频段束宽恒定的低旁瓣时域波束形成

为了在空域无失真地接收宽带信号和有效地抑制环境干扰,提出了全设计频段束宽恒定的低旁瓣时域波束形成方法。首先,把宽带信号分为几个子带,应用半定规划的优化方法设计这些子带中心频率上的加权,使所形成的波束主瓣与设计带宽中最低频率上的波束相同,同时约束其具有低旁瓣特征。然后,设计FIR滤波器拟合这些离散频率点上恒定束宽加权所表示的幅相加权。显然,设计得到的FIR滤波器的幅相响应给出了全设计频段上的幅相加权。最后应用该方法,针对阵元具有方向性的12元均匀离散圆弧阵,设计覆盖一个倍频程的低旁瓣时域恒定束宽波束形成器,并使用线性调频信号作为测试信号,验证了所提方法的有效性。     

滤波求和恒定束宽波束形成器设计

文章在深入分析连续阵的恒定束宽波束形成理论基础上，将阵元权系数等效为两级滤波器，第一级只该与基阵的孔径分布有关，第二级只与基阵的维数有关，给出了滤波器的设计方法。通过时域的滤波求和实现恒定束宽波束形成，避免了频域分解，降低了运算量。该方法可用于一维、二维和三维情况，并且适用于任意带宽。基于非均匀线阵的计算机仿真表明该方法的恒定束宽效果是令人满意的。     

稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法.该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及...     

基于矢量水听器阵的恒定束宽波束形成器的原理与设计

摘要：在对水下目标进行探测识别的应用中，一般要求声纳系统具备在较宽频带内形成恒定束宽波束的能力：过去对声纳恒定束宽波束形成器的研究一直针对声压水听器阵，近来随着对矢量水听器认识的深入，开展基于矢量水听器阵的恒定束宽波束形成器研究越发变得必要。本文正是体现了作者在这一方面的阶段性研究成果。文中首先介绍了单个矢量水听器的指向特性，接着提出了矢量水听器阵宽带恒定束宽波束形成器的实现原理和设汁方法，并以均匀等间距线阵为例，给出了获得实现恒定束宽算法所需频域加权矩阵的步骤，之后又进一步给出了恒定束宽算法的频域实现流程，并通过计算机仿真验证了其有效性：     

基于阵列协方差矩阵的DOA估计方法

本文提出了基于阵列协方差矩阵稀疏表示的DOA估计方法。该方法首先对接收数据的统计协方差矩阵向量化,并进行重排序和去冗余,得到虚拟阵列的入射信息;然后对整个角度空间域进行栅格划分,将DOA估计问题转化为稀疏表示模型,并利用模型的平方误差分布特性确定正则化参数;最后利用数值软件包,通过内点法求解。仿真结果表明,该方法计算量较低,并且在低信噪比、低快拍数下具有良好的性能。     

基于协方差矩阵拟合的宽带无网格波达角估计

宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。     

宽带波束形成在定点DSP上的实现

阐述了宽带波束形成算法在定点DSP上实现时需要考虑的问题,讨论了定点方式实现矩阵特征值分解和非线性运算。比较了宽带常规波束形成（CBF）和宽带稳健自适应波束形成（RCB）算法的定点和浮点实现结果,给出了快速实现和验证定点数字信号处理算法的方法和步骤。通过计算实际数据验证了这些方法的正确性,可以有效提高在定点DSP上开发复杂数字信号处理算法的效率。     

The synthetic control chart based on two sample variances for monitoring the covariance matrix

In this article, we propose a new statistic to control the covariance matrix of bivariate processes. This new statistic is based on the sample variances of the two quality characteristics, in short VMAX statistic. The points plotted on the chart correspond to the maximum of the values of these two variances. The reasons to consider the VMAX statistic instead of the generalized variance | S | are its faster detection of process changes and its better diagnostic feature, that is, with the VMAX statistic it is easier to identify the out‐of‐control variable. We study the synthetic chart based on the VMAX statistic. The proposed chart is always more efficient than the chart based on the generalized variance | S |. An example is presented to illustrate the application of the proposed chart. Copyright © 2008 John Wiley & Sons, Ltd.     

A Bayesian approach to diagnosing covariance matrix shifts

In addition to the quick detection of abnormal changes in a multivariate process, it is also critical to provide an accurate fault identification of responsible components following an out-of-control signal. In line with the work of Tan and Shi for diagnosing shifts in the mean vector, this paper develops a Bayesian approach for diagnosing shifts in the covariance matrix. The simulation comparisons favor the proposed approach. A real example is also presented to demonstrate the implementation of the proposed method.     

An EWMA chart for monitoring the covariance matrix of a multivariate process based on dissimilarity index

In this article, we propose an exponentially weighted moving average (EWMA) control chart for monitoring the covariance matrix of a multivariate process based on the dissimilarity index of 2 matrices. The proposed control chart essentially monitors the covariance matrix by comparing the individual eigenvalues of the estimated EWMA covariance matrix with those of the estimated covariance matrix from the in‐control (IC) phase I data. It is different from the conventional EWMA charts for monitoring the covariance matrix, which are either based on comparing the sum or product or both of the eigenvalues of the estimated EWMA covariance matrix with those of the IC covariance matrix. We compare the performance of the proposed chart with that of the best existing chart under the multivariate normal process. Furthermore, to prevent the control limit of the proposed EWMA chart developed using the limited IC phase I data from having extensively excessive false alarms, we use a bootstrap resampling method to adjust the control limit to guarantee that the proposed chart has the actual IC ARL(average run length) not less than the nominal level with a certain probability. Finally, we use an example to demonstrate the applicability and implementation of the proposed EWMA chart.     

低信噪比下重构协方差矩阵的高分辨MUSIC算法

在满足对称分布的海洋噪声场中,为提高低信噪比条件下目标方位估计性能,提出一种重构信号协方差矩阵的MUSIC算法。利用数据协方差矩阵虚部与对称噪声无关的性质,根据协方差矩阵虚部和虚部MUSIC算法的预估角重构出信号协方差矩阵,在此基础上实现MUSIC算法。仿真结果表明,所提算法相比常规MUSIC算法能有效降低对称噪声的影响,提高方位估计性能,并避免双边谱的出现,有更高的分辨率和更低的分辨门限。还研究了协方差矩阵的Toeplitz修正处理对于MUSIC类算法的改善作用。仿真表明,Toeplitz修正处理能显著提高MUSIC类算法的分辨性能。