CN109254261A - 基于均匀圆阵epuma的相干信号零陷加深方法 - Google Patents
基于均匀圆阵epuma的相干信号零陷加深方法 Download PDFInfo
- Publication number
- CN109254261A CN109254261A CN201811000788.0A CN201811000788A CN109254261A CN 109254261 A CN109254261 A CN 109254261A CN 201811000788 A CN201811000788 A CN 201811000788A CN 109254261 A CN109254261 A CN 109254261A
- Authority
- CN
- China
- Prior art keywords
- array
- signal
- matrix
- coherent
- covariance matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000001427 coherent effect Effects 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 8
- 239000004568 cement Substances 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种基于均匀圆阵EPUMA的相干信号零陷加深方法，该方法包括：步骤1，对阵列接收信号协方差矩阵进行特征值分解，并重构托普利兹协方差矩阵进行解相干处理；步骤2，利用最小二乘循环迭代方法估计线性预测系数，使重构后的协方差矩阵满秩，达到去相干的目的；步骤3，通过代价函数估计出期望的空间谱，具体是通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，达到语音增强的目的。仿真结果显示，该方法可以有效减少功率较大的相干干扰对自适应波束形成的影响，提高了阵列接收信号的信噪比。
Description
技术领域
本发明涉及自适应波束形成技术领域，具体涉及一种基于均匀圆阵EPUMA的相干信号零陷加深方法。
背景技术
自适应波束形成技术可以根据环境自适应地形成主瓣指向有效信源方向，同时在干扰方向上形成零陷，达到增强信源信号同时抑制干扰信号的目的，在雷达、通信领域中应用的最为广泛。Capon在1967年提出了自适应空间波数谱估计算法，最小方差无失真响应(Minimum variance distortionless response，MVDR)[1]，该算法收敛速度较快，且输出具有较高的信噪比。但该算法有个缺陷，当快拍数较少时，波束响应形成的主瓣旁瓣比达不到期望效果。对此，文献[14]提出了对协方差矩阵进行对角加载的算法，该方法可以有效降低由快拍数不足造成的协方差矩阵小特征值的扰动。文献[6]提出了一种在干扰功率不稳定的情况下增强信号中干扰分量，对自适应数字波束形成器的零点自适应地进行零深调节，从而增强了系统的抗干扰能力。
然而，以上所述的零陷算法只有在信号与干扰互不相干的条件下才有效，而对于扩声系统而言，扬声器的大功率不稳定干扰与演讲者语音信号高度相干。对于相干信号，大多数方法都是基于子空间的改进方法做去相关处理，例如文献[7]中的空间平滑方法和前后向空间平滑理论等。这些方法的缺点都要减小阵列的孔径，导致自由度降低，从而影响DOA估计的分辨率性能。因此，在保证分辨率的同时，如何设计相干信号的DOA估计算法是阵列信号处理中的重要问题。
针对上述问题，本发明提出了基于增强型主奇异向量模态分析(Enhancedprincipal singular vector utilization for modal analysis,EPUMA)的相干干扰零陷加深方法。
发明内容
针对传统零陷加深算法在相干干扰处零陷深度不够，甚至抑制失效，本发明提出一种基于均匀圆阵EPUMA的相干信号零陷加深方法，在自适应波束形成技术的应用中，EPUMA增强型主奇异向量模态分析是一种基于子空间分解的DOA估计算法。
为了达到上述目的，本发明所采用的技术方案是：
基于均匀圆阵EPUMA的相干信号零陷加深方法，其特征在于，所述方法包括：
步骤1，对阵列接收信号协方差矩阵进行特征值分解，并重构托普利兹协方差矩阵进行解相干处理；
步骤2，利用最小二乘循环迭代方法估计线性预测系数，使重构后的协方差矩阵满秩，达到去相干的目的；
步骤3，通过代价函数估计出期望的空间谱，具体是通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，达到语音增强的目的。
进一步的，所述方法采用如下的信号模型：假设麦克风阵列是由M元阵元构成的均匀圆阵，当有K(K＜M)个远场宽带信号输入，麦克风阵列的输出为：
X(t)＝AS(t)+N(t),t＝1,...,L (1)
式中，X(t)＝[x1 x2…xM]T为阵列的M×1维输出数据矩阵；S(t)＝[s1 s2…sK]T为远场信号的K×1维数据矩阵；L是快拍数；N(t)＝[n1 n2…nM]T为M×1维噪声数据矩阵，设定噪声分量是一个与信号互不相干且均值为零的高斯白噪声，其协方差为σn 2IM，其中σn 2为噪声功率，IM为M×M的单位矩阵，假设该麦克风圆阵位于XOY平面，首阵元位于X轴上，以原点为参考点，均匀圆阵的DOA具有二维形式，来波信号在XOY平面的投影与X轴夹角称为方位角，信号与Z轴夹角为俯仰角，则俯仰角和方位角θ∈[-π，π]；
若平面波传播方向为：
则各阵元相对于圆心的相位差为：
其中，第m个阵元与首元夹角由此得到阵列导向矩阵：
其中，
R为均匀圆阵的半径，λ为信号的载波波长，阵列接收信号X(t)的协方差矩阵为：
其中，E[·]表示期望，(·)H表示共轭转置，x(t)为阵列接收信号的时域形式。
进一步的，步骤1对阵列接收信号协方差矩阵进行特征值分解，并重构Toeplitz协方差矩阵进行解相干处理的方法包括：
其中，US＝[u1…uK]是信号子空间，Un＝[uK+1…uM]是噪声子空间，与是相应的信号与噪声特征值，ΛS＝diag(λ1…λK)是包含K个特征值的对角矩阵，且
由于均匀圆形阵列的导向矢量不具备范德蒙矩阵形式，所以其原始阵列的子阵不具备旋转不变的特性，因此可以利用模式空间变换的方法将均匀圆形阵列等效为理想的均匀线阵，根据线性预测理论，Us中的每个元素都可以表示为与P∈[K,M-1]关联的线性组合，
m＝P+1,...,M，k＝1,...,K
写成矩阵形式为：
Fkc-gk＝ΟM-P，(7)
其中ΟM-P是一个(M-P)×1维的0向量，
c＝[c1…cP]T,gk＝-[[uk]P+1…[uk]M]T.
是线性预测系数；
令ek＝Fkc-gk，则式(7)可写成
其中，
在实际情况中，阵列所接收到信号的协方差矩阵是无法通过计算得到的，可以通过设定快拍数L得到阵列接收数据的协方差矩阵的估计值为：
对特征值分解得到：
当期望信号与干扰相干时，接收数据协方差矩阵会出现秩亏，故构造Toeplitz矩阵来做解相干处理，
ek＝B(c)uk＝0M-P,k＝1,...,K (12)
其中，B(c)的定义为： 通过利用B(c)可重构协方差矩阵其包含所有期望与干扰的方位信息使重构托普利兹矩阵满秩，结果的秩与信号的相干性无关，从而达到去相干的目的。
进一步的，步骤2利用最小二乘循环迭代方法估计线性预测系数的方法包括：
DOA估计精度取决于线性预测系数的精度，本方法构造目标函数使其最小化得到线性预测系数其中加权系数结合式(9)利用无约束极小化方法得到：
利用最小二乘循环迭代方法来估计初代线性预测系数，命名为
估计初始的加权系数：
其中，
将(14)式代入(13)中，得到估计的初代经过多次迭代运算直到达到性能指标。
进一步的，步骤3通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，方法包括：
经过解相干改进，基于空间谱密度函数估计方法，得到
表示对空间谱密度函数做b次幂运算，b为零陷深度调节变量，一般取大于1的数；在空间谱密度函数中，干扰分量一般情况下要大于期望信号分量对空间谱密度函数做b次幂运算之后，新的干扰分量远大于新的信号分量而干扰的强度正比于干扰零陷的深度，因此，随着b的增大，干扰分量的强度也变大，自适应波束形成在干扰方向的零陷深度也随之加深，但b的取值不宜大于5，否则会导致接收信号失真。
与现有技术相比，本发明的有益效果是：该方法明显改善了传统算法在大功率相干干扰的零陷加深处理上的不足，提高了系统的鲁棒性。
附图说明
图1是均匀圆阵信号方位图。
图2是传统MVDR零陷加深功率谱。
图3是EPUMA零陷加深功率谱。
图4是b＝1时的输入SNR与输出SINR关系图。
图5是b＝1.3时的输入SNR与输出SINR关系图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
假设麦克风阵列是由M元阵元构成的均匀圆阵，其阵列分布如图1所示。当有K(K＜M)个远场宽带信号输入，麦克风阵列的输出为：
X(t)＝AS(t)+N(t),t＝1,...,L (1)
式中，X(t)＝[x1 x2…xM]T为阵列的M×1维输出数据矩阵；S(t)＝[s1 s2…sK]T为远场信号的K×1维数据矩阵；L是快拍数。
N(t)＝[n1 n2…nM]T为M×1维噪声数据矩阵。设定噪声分量是一个与信号互不相干且均值为零的高斯白噪声，其协方差为σn 2IM，其中σn 2为噪声功率，IM为M×M的单位矩阵.假设该麦克风圆阵位于XOY平面，首阵元位于X轴上，以原点为参考点，均匀圆阵的DOA具有二维形式，来波信号在XOY平面的投影与X轴夹角称为方位角，信号与Z轴夹角为俯仰角，则俯仰角和方位角θ∈[-π，π]。
若平面波传播方向为：
则各阵元相对于圆心的相位差为：
其中，第m个阵元与首元夹角由此得到阵列导向矩阵：
其中，
R为均匀圆阵的半径，λ为信号的载波波长。阵列接收信号X(t)的协方差矩阵为：
其中，E[·]表示期望，(·)H表示共轭转置，x(t)为阵列接收信号的时域形式。
针对传统零陷加深算法在相干干扰处零陷深度不够，甚至抑制失效，本发明提出一种基于均匀圆阵EPUMA的相干信号零陷加深方法，在自适应波束形成技术的应用中，EPUMA增强型主奇异向量模态分析是一种基于子空间分解的DOA估计方法。
方法首先对阵列接收信号协方差矩阵进行特征值分解，并重构托普利兹协方差矩阵进行解相干处理，然后利用最小二乘循环迭代方法估计线性预测系数，使重构后的协方差矩阵满秩，包含所有期望和干扰的方位信息，达到去相干的目的。最后通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，达到语音增强的目的。
步骤1，对阵列接收信号协方差矩阵进行特征值分解，并重构Toeplitz协方差矩阵进行解相干处理：
其中，US＝[u1…uK]是信号子空间，Un＝[uK+1…uM]是噪声子空间，与是相应的信号与噪声特征值，ΛS＝diag(λ1…λK)是包含K个特征值的对角矩阵，且
由于均匀圆形阵列的导向矢量不具备范德蒙矩阵形式，所以其原始阵列的子阵不具备旋转不变的特性，因此可以利用模式空间变换的方法将均匀圆形阵列等效为理想的均匀线阵，从而使得一些仅适用于均匀线阵的算法也能应用在均匀圆形阵列上。根据线性预测理论，Us中的每个元素都可以表示为与P∈[K,M-1]关联的线性组合，
m＝P+1,...,M，k＝1,...,K
写成矩阵形式为：
Fkc-gk＝ΟM-P，(7)
其中ΟM-P是一个(M-P)×1维的0向量，
c＝[c1…cP]T,gk＝-[[uk]P+1…[uk]M]T.
是线性预测系数。
令ek＝Fkc-gk，则式(7)可写成
其中，
在实际情况中，阵列所接收到信号的协方差矩阵是无法通过计算得到的，可通过设定快拍数L得到阵列接收数据的协方差矩阵的估计值为：
对特征值分解得到：
当期望信号与干扰相干时，接收数据协方差矩阵会出现秩亏。为了解决此问题，本发明构造了Toeplitz矩阵来做解相干处理，
ek＝B(c)uk＝0M-P,k＝1,...,K (12)
其中，B(c)的定义为： 通过利用B(c)可重构协方差矩阵其包含了所有期望与干扰的方位信息这样重构托普利兹矩阵满秩，结果的秩与信号的相干性无关，因此达到了去相干的目的。
步骤2，利用最小二乘循环迭代方法估计线性预测系数。
DOA估计精度取决于线性预测系数的精度，本发明考虑构造目标函数使其最小化得到线性预测系数其中加权系数结合式(9)利用无约束极小化方法得到：
本发明利用最小二乘循环迭代方法来估计初代线性预测系数，命名为
估计初始的加权系数：
其中，
将(14)式代入(13)中，得到估计的初代经过多次迭代运算直到达到性能指标。
步骤3，通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，达到语音增强的目的。
经过解相干改进，基于文献[7]提出的空间谱密度函数估计方法，得到
表示对空间谱密度函数做b次幂运算，b为零陷深度调节变量，一般取大于1的数。在空间谱密度函数中，干扰分量一般情况下要大于期望信号分量对空间谱密度函数做b次幂运算之后，新的干扰分量远大于新的信号分量而干扰的强度正比于干扰零陷的深度，因此，随着b的增大，干扰分量的强度也变大，自适应波束形成在干扰方向的零陷深度也随之加深，但b的取值不宜大于5，否则会导致接收信号失真。
仿真分析
为了验证本发明算法的可行性和鲁棒性，做了四组对比仿真。仿真中所使用的均匀圆形麦克风阵列半径R＝0.1m，阵元数M＝18，选取的最大相位模式数为7，即虚拟线阵相当于有15阵元，快拍数为800。
期望信号方向为0°，两个非相干干扰方向分别为45°和70°，一个相干干扰-70°。阵元噪声为空间白噪声，干噪比(INR)为40dB。
传统MVDR算法与EPUMA算法对两个与期望信号相互独立的干扰的零陷抑制都很精准，图2为传统MVDR零陷加深算法波束形成方向图，图中可以看出MVDR算法对相干干扰的抑制能力很差，几乎没有零陷；图3为本发明EPUMA解相干后零陷加深方向图，对-70°的相干干扰零陷加深效果显著，比MVDR算法形成的零陷要深大约30dB，验证了本发明算法的有效性。
为了验证本发明算法与MVDR算法和空间平滑方法在不同信噪比下的输出性能，其他仿真条件不变，零陷深度系数分别为b＝1和b＝1.3，信噪比从-15dB变化到15dB。仿真结果如图4和图5：
由仿真结果看出，深度系数b＝1时，零陷深度并没有得到加深，EPUMA与传统的方法有相似的输出特性。当深度系数b＝1.3时，低信噪比阶段性能都比较良好，但是随着信噪比增大，大于5dB时，例如大功率扬声器输出，传统的几类算法的输出SINR较差，低于15dB，EPUMA算法在整个信噪比区间都要优于传统算法，并且在高信噪比情况下性能更为突出。
本发明提出一种基于均匀圆阵EPUMA方法的相干信号零陷加深算法。该方法首先对信号协方差矩阵特征值分解，接着重构了Toeplitz矩阵进行解相干处理，然后利用加权最小二乘法计算线性预测系数，最终通过代价函数估计出期望的空间谱，在强相干干扰方向自适应零陷，干扰强度越大零陷深度越大。仿真结果表明，本发明算法能够自适应地有效抑制大功率相干干扰。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
[参考文献]
[1]Reed L S,Mallett J D.Rapid convergence rate in adaptive arrays[J].IEEE Trans on Aerospace Electronics System,1974,10(6):853-863.
[2]G.Escobar,P.Mattavelli,M.Hernandez-Gomez,P.R.Martinez-Rodriguez."Filters with Linear-Phase Properties for Repetitive Feedback"[J],IEEETransactions on Signal Process.Industrial Electron,2014.
[3]Yujie G,Leshem A.Robust adaptive beamforming based on interferencecovariance matrix reconstruction and steering Vector estimation[J].IEEE,2012,60(7):3881-3885.
[4]M.Shaghaghi and S.A.Vorobyov.Subspace leakage analysis andimproved DOA estimation with small sample size[J].IEEE Transactions on SignalProcess.vol.63,no.12,pp.3251-3265,Jun.2015.
[5]王永良,陈辉,彭应宁.空间谱估计理论与算法[J].北京:清华大学出版社,2004.
[5]Wang Yongliang,Chen Hui,Peng Yingning.Space spectrum estimationtheory and algorithm[J].Beijing:Tsinghua University press,2004.
[6]朱德智,吕新正,黄鹤.零陷加深的自适应波束形成技术研究[J].中国电子科学研究院学报,2012,(4):365-369.
[6]Zhu Dezhi,Lv Xinzheng,Huang.Adaptive beam nulling deepeningformation technology research journal,[J].Chinese Institute of ElectronicScience 2012(4):365-369.
[7]黄超,张剑云,朱家兵,毛云祥.相干信号零陷加深自适应波束形成算法[J].探测与控制学报.2016,(3):57-60.
[7]Huang Chao,Zhang Jianyun,Zhu Jiabing,Mao Yunxiang.Coherent signalzero sinking deepened adaptive beamforming algorithm[J].detection and ControlJournal.2016,(3):57-60.
[8]D.Zachariah,P.Stoica,and M.Jansson.PUMA criterion MODE criterion[J].2017,arXiv:1701.04583.
[9]D.Ciuonzo,G.Romano,and R.Solimene.Performance analysis of time-reversal MUSIC[J].Signal Process.vol.63,no.10,pp.2650-2662,May 2015.
[10]E.A.Santiago and M.Saquib Noise subspace-based iterativetechnique for direction finding[J].IEEE Trans.Aerosp.Electron.Syst.vol.49,no.4,pp.2281-2295,Oct.2013.
[11]C.Qian,L.Huang,N.D.Sidiropoulos,and H.C.So.Enhanced PUMA fordirection-of-arrival estimation and its performance analysis[J].IEEETrans.Signal Process.vol.64,no.16,pp.4127-4137,Aug.2016.
[12]M.Shaghaghi,S.A.Vorobyov.Subspace leakage analysis and improvedDOA estimation with small sample size[J].IEEE Trans.Signal Process.vol.63,no.12,pp.3251-3265,2015.
[13]C.Qian,L.Huang,and H.C.So.Computationally efficient ESPRITalgorithm for direction-of-arrival estimation based on method[J].Signal Process.vol.94,no.1,pp.74-80,2014.
[14]王振力,万山虎,李荣锋.对角加载对自适应均衡器性能影响的研究[J].现代雷达.2003,(3):40-43.
[14]Wang Zhenli,Li Rongfeng.Study on[J].000Shanhu,modernradar.diagonal loading influencing on the performance of adaptiveequalizer.2003,(3):40-43.
Claims (5)
1.基于均匀圆阵EPUMA的相干信号零陷加深方法，其特征在于，所述方法包括：
步骤1，对阵列接收信号协方差矩阵进行特征值分解，并重构托普利兹协方差矩阵进行解相干处理；
步骤2，利用最小二乘循环迭代方法估计线性预测系数，使重构后的协方差矩阵满秩，达到去相干的目的；
步骤3，通过代价函数估计出期望的空间谱，具体是通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，达到语音增强的目的。
2.根据权利要求1所述的基于均匀圆阵EPUMA的相干信号零陷加深方法，其特征在于，所述方法采用如下的信号模型：假设麦克风阵列是由M元阵元构成的均匀圆阵，当有K(K＜M)个远场宽带信号输入，麦克风阵列的输出为：
X(t)＝AS(t)+N(t),t＝1,...,L (1)
式中，X(t)＝[x1 x2 … xM]T为阵列的M×1维输出数据矩阵；S(t)＝[s1 s2 … sK]T为远场信号的K×1维数据矩阵；L是快拍数；N(t)＝[n1 n2 … nM]T为M×1维噪声数据矩阵，设定噪声分量是一个与信号互不相干且均值为零的高斯白噪声，其协方差为σn 2IM，其中σn 2为噪声功率，IM为M×M的单位矩阵，假设该麦克风圆阵位于XOY平面，首阵元位于X轴上，以原点为参考点，均匀圆阵的DOA具有二维形式，来波信号在XOY平面的投影与X轴夹角称为方位角，信号与Z轴夹角为俯仰角，则俯仰角和方位角θ∈[-π，π]；
若平面波传播方向为：
则各阵元相对于圆心的相位差为：
其中，第m个阵元与首元夹角由此得到阵列导向矩阵：
其中，
R为均匀圆阵的半径，λ为信号的载波波长，阵列接收信号X(t)的协方差矩阵为：
其中，E[·]表示期望，(·)H表示共轭转置，x(t)为阵列接收信号的时域形式。
3.根据权利要求2所述的基于均匀圆阵EPUMA的相干信号零陷加深方法，其特征在于，步骤1对阵列接收信号协方差矩阵进行特征值分解，并重构Toeplitz协方差矩阵进行解相干处理的方法包括：
其中，US＝[u1 … uK]是信号子空间，Un＝[uK+1 … uM]是噪声子空间，与是相应的信号与噪声特征值，ΛS＝diag(λ1 … λK)是包含K个特征值的对角矩阵，且
由于均匀圆形阵列的导向矢量不具备范德蒙矩阵形式，所以其原始阵列的子阵不具备旋转不变的特性，因此可以利用模式空间变换的方法将均匀圆形阵列等效为理想的均匀线阵，根据线性预测理论，Us中的每个元素都可以表示为与P∈[K,M-1]关联的线性组合，
m＝P+1,...,M，k＝1,...,K
写成矩阵形式为：
Fkc-gk＝ΟM-P， (7)
其中ΟM-P是一个(M-P)×1维的0向量，
c＝[c1 … cP]T,gk＝-[[uk]P+1…[uk]M]T.
是线性预测系数；
令ek＝Fkc-gk，则式(7)可写成
其中，
在实际情况中，阵列所接收到信号的协方差矩阵是无法通过计算得到的，可以通过设定快拍数L得到阵列接收数据的协方差矩阵的估计值为：
对特征值分解得到：
当期望信号与干扰相干时，接收数据协方差矩阵会出现秩亏，故构造Toeplitz矩阵来做解相干处理，
ek＝B(c)uk＝0M-P,k＝1,...,K (12)
其中，B(c)的定义为： 通过利用B(c)可重构协方差矩阵其包含所有期望与干扰的方位信息使重构托普利兹矩阵满秩，结果的秩与信号的相干性无关，从而达到去相干的目的。
4.根据权利要求3所述的基于均匀圆阵EPUMA的相干信号零陷加深方法，其特征在于，步骤2利用最小二乘循环迭代方法估计线性预测系数的方法包括：
DOA估计精度取决于线性预测系数的精度，本方法构造目标函数使其最小化得到线性预测系数其中加权系数结合式(9)利用无约束极小化方法得到：
利用最小二乘循环迭代方法来估计初代线性预测系数，命名为
估计初始的加权系数：
其中，
将(14)式代入(13)中，得到估计的初代经过多次迭代运算直到达到性能指标。
5.根据权利要求4所述的基于均匀圆阵EPUMA的相干信号零陷加深方法，其特征在于，步骤3通过控制零陷深度系数b的值，使空间谱密度函数形成期望的主旁瓣比，方法包括：
经过解相干改进，基于空间谱密度函数估计方法，得到
表示对空间谱密度函数做b次幂运算，b为零陷深度调节变量，一般取大于1的数；在空间谱密度函数中，干扰分量一般情况下要大于期望信号分量对空间谱密度函数做b次幂运算之后，新的干扰分量远大于新的信号分量而干扰的强度正比于干扰零陷的深度，因此，随着b的增大，干扰分量的强度也变大，自适应波束形成在干扰方向的零陷深度也随之加深，但b的取值不宜大于5，否则会导致接收信号失真。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811000788.0A CN109254261B (zh) | 2018-08-30 | 2018-08-30 | 基于均匀圆阵epuma的相干信号零陷加深方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811000788.0A CN109254261B (zh) | 2018-08-30 | 2018-08-30 | 基于均匀圆阵epuma的相干信号零陷加深方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109254261A true CN109254261A (zh) | 2019-01-22 |
| CN109254261B CN109254261B (zh) | 2022-11-18 |
Family
ID=65049526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811000788.0A Active CN109254261B (zh) | 2018-08-30 | 2018-08-30 | 基于均匀圆阵epuma的相干信号零陷加深方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109254261B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197112A (zh) * | 2019-03-19 | 2019-09-03 | 上海大学 | 一种基于协方差修正的波束域Root-MUSIC方法 |
| CN110531311A (zh) * | 2019-08-27 | 2019-12-03 | 武汉大学深圳研究院 | 一种基于矩阵重组的lte外辐射源雷达doa估计方法 |
| CN110673085A (zh) * | 2019-09-25 | 2020-01-10 | 南京航空航天大学 | 一种均匀面阵下基于快速收敛平行因子的相干信源测向方法 |
| CN110856072A (zh) * | 2019-12-04 | 2020-02-28 | 北京声加科技有限公司 | 一种耳机通话降噪方法及耳机 |
| CN112834981A (zh) * | 2021-03-15 | 2021-05-25 | 哈尔滨工程大学 | 一种脉冲噪声背景下的零陷阵波达方位估计方法 |
| CN113534198A (zh) * | 2021-06-16 | 2021-10-22 | 北京遥感设备研究所 | 基于协方差矩阵重构的卫星导航动态抗干扰方法及其系统 |
| CN113593596A (zh) * | 2021-07-07 | 2021-11-02 | 中国科学院声学研究所 | 一种基于子阵划分的鲁棒自适应波束形成定向拾音方法 |
| WO2022089073A1 (zh) * | 2020-10-26 | 2022-05-05 | 大唐移动通信设备有限公司 | 波束赋形的处理方法、装置及可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005252694A (ja) * | 2004-03-04 | 2005-09-15 | Advanced Telecommunication Research Institute International | アレーアンテナの制御方法および制御装置 |
| CN103245941A (zh) * | 2013-04-16 | 2013-08-14 | 哈尔滨工程大学 | 一种基于稳健最小二乘的鲁棒波束形成方法 |
| CN107907852A (zh) * | 2017-10-27 | 2018-04-13 | 大连大学 | 基于空间平滑的协方差矩阵秩最小化doa估计方法 |
-
2018
- 2018-08-30 CN CN201811000788.0A patent/CN109254261B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005252694A (ja) * | 2004-03-04 | 2005-09-15 | Advanced Telecommunication Research Institute International | アレーアンテナの制御方法および制御装置 |
| CN103245941A (zh) * | 2013-04-16 | 2013-08-14 | 哈尔滨工程大学 | 一种基于稳健最小二乘的鲁棒波束形成方法 |
| CN107907852A (zh) * | 2017-10-27 | 2018-04-13 | 大连大学 | 基于空间平滑的协方差矩阵秩最小化doa估计方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197112A (zh) * | 2019-03-19 | 2019-09-03 | 上海大学 | 一种基于协方差修正的波束域Root-MUSIC方法 |
| CN110197112B (zh) * | 2019-03-19 | 2023-07-18 | 上海大学 | 一种基于协方差修正的波束域Root-MUSIC方法 |
| CN110531311A (zh) * | 2019-08-27 | 2019-12-03 | 武汉大学深圳研究院 | 一种基于矩阵重组的lte外辐射源雷达doa估计方法 |
| CN110673085A (zh) * | 2019-09-25 | 2020-01-10 | 南京航空航天大学 | 一种均匀面阵下基于快速收敛平行因子的相干信源测向方法 |
| CN110856072A (zh) * | 2019-12-04 | 2020-02-28 | 北京声加科技有限公司 | 一种耳机通话降噪方法及耳机 |
| CN110856072B (zh) * | 2019-12-04 | 2021-03-19 | 北京声加科技有限公司 | 一种耳机通话降噪方法及耳机 |
| WO2022089073A1 (zh) * | 2020-10-26 | 2022-05-05 | 大唐移动通信设备有限公司 | 波束赋形的处理方法、装置及可读存储介质 |
| CN112834981A (zh) * | 2021-03-15 | 2021-05-25 | 哈尔滨工程大学 | 一种脉冲噪声背景下的零陷阵波达方位估计方法 |
| CN112834981B (zh) * | 2021-03-15 | 2022-07-15 | 哈尔滨工程大学 | 一种脉冲噪声背景下的零陷阵波达方位估计方法 |
| CN113534198A (zh) * | 2021-06-16 | 2021-10-22 | 北京遥感设备研究所 | 基于协方差矩阵重构的卫星导航动态抗干扰方法及其系统 |
| CN113534198B (zh) * | 2021-06-16 | 2023-05-23 | 北京遥感设备研究所 | 基于协方差矩阵重构的卫星导航动态抗干扰方法及其系统 |
| CN113593596A (zh) * | 2021-07-07 | 2021-11-02 | 中国科学院声学研究所 | 一种基于子阵划分的鲁棒自适应波束形成定向拾音方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109254261B (zh) | 2022-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109254261B (zh) | 基于均匀圆阵epuma的相干信号零陷加深方法 | |
| CN107907852B (zh) | 基于空间平滑的协方差矩阵秩最小化doa估计方法 | |
| CN105302936B (zh) | 基于相关计算和协方差矩阵重构的自适应波束形成方法 | |
| CN107315162B (zh) | 基于内插变换和波束形成的远场相干信号doa估计方法 | |
| CN107576931B (zh) | 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法 | |
| CN102830387A (zh) | 一种基于数据预处理的协方差矩阵正交化波束形成方法 | |
| CN108710758A (zh) | 基于嵌套阵和协方差矩阵重构的自适应波束形成算法 | |
| Li et al. | On adaptive beamforming for coherent interference suppression via virtual antenna array | |
| CN107302391A (zh) | 基于互质阵列的自适应波束成形方法 | |
| CN110138430A (zh) | 期望信号doa误差下基于导向矢量估计的稳健宽带波束形成方法 | |
| CN104539331B (zh) | 一种基于改进的混合入侵杂草算法阵列天线波束合成方法 | |
| CN110082789B (zh) | 基于圆阵的空时域自适应宽线性降秩波束形成方法 | |
| Yu et al. | Novel robust beamformers for coherent interference suppression with direction-of-arrival estimation errors | |
| CN110865342A (zh) | 基于导向矢量估计与协方差矩阵重构结合的波束形成方法 | |
| Hossain et al. | Robust efficient broadband antenna array pattern synthesis techniques | |
| CN111817765B (zh) | 一种基于频率约束的广义旁瓣对消宽带波束形成方法 | |
| CN110895327B (zh) | 基于直接凸优化建模的鲁棒性自适应波束形成方法 | |
| CN108415040A (zh) | 一种基于子空间投影的csmg波束形成方法 | |
| Guo et al. | A coherent signal beamforming technique based on sub-array cross correlation | |
| CN116148777A (zh) | 一种基于阵列虚拟扩展的阵列雷达主瓣干扰抑制方法 | |
| CN114184999B (zh) | 一种互耦小孔径阵列的生成式模型处理方法 | |
| CN106680837A (zh) | 一种卫星导航干扰抑制算法 | |
| CN107135026A (zh) | 未知互耦存在时基于矩阵重构的稳健波束形成方法 | |
| Tang et al. | New robust adaptive beamforming method for multipath coherent signal reception | |
| Moghaddam | Improving LMS/NLMS-based beamforming using Shirvani-Akbari array |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |