有向阵元圆形阵列声纳波束形成原理及实现

有向阵元阵列接收具有区域指定性好和灵敏度高的优点而被广泛应用于雷达、水声信号目标探测。探讨了基于有向阵元圆阵的波束形成原理并设计出基于FPGA的自适应数字波束形成（ADBF）模块,仿真结果表明有向阵元形成的波束图较全向阵波束图有明显改善,LMS自适应算法对干扰能有效抑制,从而提高了系统输出信号干扰噪声比（SINR）。     

一种具有多重稳健性的自适应波束形成算法

由于存在阵元幅相差、期望信号导向矢量误差和数据失配等问题,传统的自适应波束形成算法性能下降,针对这一问题,提出了一种新的对于上述多种误差同时具有稳健性的波束形成算法。该算法以最小二乘恒模算法为基础,结合最优对角加载和协方差矩阵锥消技术,使得算法适用于同时存在多种误差的情况。结果表明,与目前已有的同类算法相比,该算法克服了期望信号信噪比大时算法性能恶化的缺点,具有更好的输出信干噪比,并且通过计算机仿真验证了它的有效性和优越性。     

自适应Notch滤波器在阵列信号处理中的应用

为了不增大阵列尺度采用信号处理方法得到高分辨率的波束指向性,首先利用Notch滤波器的＂离线重构＂实现窄带波束形成,进而结合其瞬时相位估计方法,研究了基于自适应Notch滤波器的恒定束宽波束形成技术,利用信号处理方法将矢量传感器阵列接收的低频窄带信号转化为具有指向性的较高频率波束,并采用虚拟阵元技术消除波束栅瓣的影响,给出了实际应用中具体的信号处理方法。仿真和湖试验证表明这种基于自适应Notch滤波器的恒定束宽波束形成方法是合理可行的。最后,针对适应实时信号处理的要求提出将这种方法与目标自动跟踪系统相结合的改进方向。     

波达方向误差对对角加载波束形成的影响研究

文章回顾了对角加载波束形成理论的发展,列举了几种较常使用的求取对角加载因子的方法。通过多个仿真实例,着重分析了Xavier提出的基于无限随机矩阵理论的对角加载因子的方法．指出了其局限性一在期望信号的方向向量存在误差的时候,该方法产生自消现象,从而波束形成器的性能急剧下降。本文结合特征空间波束形成,根据期望信号的实际方向向量正交于噪声子空间,提出一种改进方法一先对期望信号的方向进行校正,再求取对角加载因子,从而加强了Xavier的方法对波达方向失配的稳健性。仿真实例验证了在信噪比不大的时候这个方法的有效性。     

阵元失效对克罗内克积波束形成性能的影响

对于一类规则阵型,可以引入克罗内克积提高最小方差无失真响应波束形成器的鲁棒性,同时降低其运算复杂度;然而,对于阵元数较多的规则阵列,阵元失效的可能性大幅增加,当某些阵元失效时,规则阵列不满足克罗内克分解。针对常见阵元失效问题,文章研究了阵元失效的三种情况对最小方差无失真响应波束形成器与克罗内克积自适应波束形成的性能影响。仿真与实验结果证明,信号完全缺失的通道对自适应波束形成器的影响最大,信号重复的通道对自适应波束形成器的影响最小。文章据此提出了一种低复杂度的信号恢复方法,通过使用相邻通道的信号代替信号缺失通道,提升阵元失效情况下的波束形成性能。     

SAVSTMV波束形成算法研究

矢量阵常规波束形成(Vector array Conventional Beam Forming,VCBF)能够消除普通单线阵左右舷模糊现象,但VCBF波束宽度受到"瑞利限"的限制,不能分辨同一波束内的多个目标。矢量阵导向最小方差(Vector array STeered Minimum Variance,VSTMV)波束形成算法是一种宽带自适应波束形成算法,具有高分辨力和抗干扰性能。VSTMV波束形成直接在阵元域进行,计算量较大且稳健性差,不利于实时实现和应用。提出一种分子阵VSTMV波束形成算法(Sub-Array Vector array Steered Minimum Variance,SAVSTMV),可有效降低计算量,算法稳健性更强。通过理论研究和仿真计算,证明该算法比矢量阵常规波束形成算法具有更好的性能,有利于实际应用。     

矢量水听器阵列虚拟阵元波束形成

在信号频率一定的情况下,常规波束形成方法需要通过增大基阵孔径来提高目标方位的估计精度,但这会受到实际工程应用的限制。在研究矢量水听器波束形成的基础上,提出了基于Taylor级数展开的虚拟阵元波束形成方法。该方法针对有限尺度双十字阵型的矢量水听器基阵,根据已知阵元接收的数据,运用Taylor级数展开方法估计虚拟阵元上的接收数据,使基阵孔径在虚拟意义上得以扩大。从而改善了阵列的波束性能,窄化主瓣和抑制旁瓣,实现了空间分辨率的提高。仿真和试验数据结果证明了该方法的有效性。     

基于AR谱的声矢量传感器阵的波束形成

1引言 水声信号处理中研究的对象是声场,基于传统的声压传感器阵的水声信号处理只拾取声场的声压,而具有方向敏感性的矢量传感器测得声压的同时,可以得到质点振速等矢量信号,即同时获得p,Vx,Vy,Vz四个关于目标信息的物理量.由于获得的关于声场信息量的增加,基于矢量传感器阵的定向精度必将得到改善[1].常规的波束形成法如Bartlett法,Capon法是一种非参数谱估计法,没有将信号的可用信息结合到估计中,本文将AR模型法引入声矢量阵信号处理,将信号的模型结合到谱估计算法中,获得了更精确,分辨率更高的谱估计.     

基于AR谱的声矢量传感器阵方位估计

1.引言 水声信号处理中研究的对象是声场,基于传统的声压传感器阵的水声信号处理只拾取声场的声压,而具有方向敏感性的矢量传感器可以同时测得质点振速等矢量信号,即同时获得p,Vx,Vy,Vz四个关于目标信息的物理量,由于获得的关于声场信息量的增加,基于矢量传感器阵的定向精度必将得到改善[1].常规的波束形成法如Bartlett法,Capon法是一种非参数谱估计法,没有将信号的可用信息结合到估计中[2],本文将AR模型法引入声矢量阵信号处理,将信号的模型结合到谱估计算法中,获得了更精确,分辨率更高的谱估计.     

基于共轭虚拟阵列的稳健波束形成方法

针对提高阵列天线波束性能问题,本文提出了基于共轭虚拟阵列的信号导向矢量扩展方法.利用共轭虚拟阵元扩展阵列,增大了阵列孔径却不改变实际阵元数,降低了副瓣电平并且不会增加天线制造成本.在虚拟阵列的基础上对信号导向矢量进行扩展,使阵列波束形成效果更加稳健.本文通过在有无干扰以及存在幅度和相位误差情况下对11个阵元阵列天线进行仿真,分析比较了原始阵列波束、虚拟阵列波束以及扩展导向矢量后的波束,验证了本文方法的有效性.     

非一致性噪声条件下的特征空间波束形成

由于水声环境的复杂性,阵列的噪声分布可能是非一致性的。当阵元噪声功率各不相同时,阵列协方差矩阵特征分解得到的特征子空间与真实目标的特征子空间之间存在误差,导致特征子空间波束形成算法的性能衰减。文章提出了一种新的非一致性噪声条件下特征子空间的估计方法,将阵列协方差矩阵对角线置0,进行特征分解估计的特征子空间将不受阵元噪声非一致性的影响。将该方法应用到特征空间波束形成算法,提高了非一致性噪声条件下特征空间波束形成算法的方位分辨能力。仿真和实验结果验证了所提方法的可行性和有效性。     

Three-Dimensional Acoustic Imaging by Chirp Zeta Transform Digital Beamforming

To generate volumetric underwater acoustic images, a planar array of sensors is required to collect the signals coming from a 3-D scene. The method most frequently used to process the acquired signals is a beamforming algorithm. In general, owing to the high number of sensors and beam signals, the computational load is prohibitive for real-time image generation. An efficient frequency beamforming implementation based on the use of the chirp zeta transform (CZT) has been proposed in the literature for the case involving linear arrays. In this paper, we propose an algorithm to perform CZT beamforming on the wideband signals collected by a planar array generated by a scene placed in the far field. This extension becomes simpler and more intuitive thanks to a nonconventional method of defining the azimuth and elevation angles. In terms of computational complexity, the analysis compares the solution developed with traditional beamforming techniques carried out in both time and frequency domains, showing several advantages for the proposed method.      

混响背景下应用岭回归对角加载的空时处理方法

研究了空时自适应联合处理方法在主动声纳领域的应用.针对有限空时快拍数影响最优空时滤波器性能的问题,利用Capon谱估计器与最优窄时处理器表达式的相似性,提出将岭回归(Ridge Regression)对角加载方法推广到空时联合自适应处理中.仿真结果表明,新的对角加载方法提高了基于样本协方差矩阵求逆法的空时滤波性能,能够...     

Implementation of broadband low-sidelobe beamforming in time domain

In modern active and passive sonar systems, broadband beamforming for acoustic arrays is widely used to suppress unwanted interference and to detect target signals of interest. A broadband low sidelobe beamforming scheme in time domain is proposed in this paper. The first step of this scheme is to delay the outputs of each element in the acoustic array by a tapped-delay-line (TDL) to accomplish the integer part of the time delay need to form a beam. Then, finite impulse response (FIR) digital filters are used to implement the fractional part of the time delay. The weighting coefficients for all array elements at different frequencies to realize the low sidelobe beams are also implemented with the FIR digital filters. Finally, the outputs of the digital filters are summed up to yield the time domain beam output. The design of low sidelobe beam pattern and that of the FIR digital filters are two crucial technical issues in this beamforming procedure. The low sidelobe beams of each sub-band are designed using the optimized beam synthesis approach based on the principle of MVDR beamforming. An improved adaptive approach are used for the design of FIR digital filters, and the design requirements of these filters were specified by the weights of low sidelobe beams of each sub-band over the broad frequency band. Results of computer simulation for a twelve-element arc array show that the beamforming scheme is very effective in forming low sidelobe broadband beam.     

阵列测量中的卡尔曼滤波器算法

针对经典波束形成算法不具备实时性、占用存储空间大、计算速度慢等缺点,提出了基于卡尔曼滤波器的算法。这种算法将信号处理领域中现有的卡尔曼滤波器理论与阵列信号处理过程相结合,在频域内对声学阵列所采集到的数据进行迭代处理,不仅能够及时发现风洞测量中存在的各种问题,而且可以实时消除由测量环境所引起的各种误差。仿真结果表明,这种算法比经典波束形成算法收敛速度更快,不仅成像效果很好,而且能够对低速运动声源进行定位。此算法具备实时性,为风洞声源的实时定位提供了重要的算法选择。     

基于时域波束信号高阶谱的目标检测技术

为解决常规时域波束形成技术抗噪声能力弱、对弱目标检测能力差的问题,利用高斯噪声的高阶累积量(三阶及三阶以上)为零、非高斯信号的高阶累积量不为零这一性质,对常规时域波束形成后输出的波束信号进行后置处理。首先,对常规时域波束形成后输出的各预成波束信号,分别求其四阶累积量切片谱值;然后,再对各四阶累积量切片谱值分别进行能量累加,得到空间谱图;最后,通过对空间谱在时间上的累积,得到方位历程图。用仿真和海试数据对算法进行了验证:在低信噪比情况下,常规算法不能有效检测到弱目标时,经后置处理后可以有效检测到弱目标。结果表明,与常规时域波束形成算法相比,波束形成后再进行切片谱后置处理的算法增强了对噪声的抑制能力,提高了对弱目标的检测能力。     

基于稳健Capon波束形成的阵形校正

由于受地形、海流和布放方法等的影响,声阵在布放后通常会偏离原定阵形。若直接利用原定阵形作方位估计,则各种高分辨方位估计算法的性能通常会退化甚至失效。因此,为了在实际中应用这些算法,必须对阵元的位置进行校正。RCB(Robust Capon Beamforming)是最近提出的一种稳健自适应波束形成算法,该算法直接对导向矢量进行估计,并用估计的导向矢量作波束形成,从而有效避免了因阵列流形失配而导致的算法性能下降。借用RCB的思想,提出一种新的阵形校正方法,该方法对导向矢量进行估计,然后用估计的导向矢量推导出阵元的位置。湖试结果表明了该校正方法的有效性。