CN110018466A - 一种基于分子阵预处理的music波束形成方法 - Google Patents
一种基于分子阵预处理的music波束形成方法 Download PDFInfo
- Publication number
- CN110018466A CN110018466A CN201810018258.2A CN201810018258A CN110018466A CN 110018466 A CN110018466 A CN 110018466A CN 201810018258 A CN201810018258 A CN 201810018258A CN 110018466 A CN110018466 A CN 110018466A
- Authority
- CN
- China
- Prior art keywords
- data
- array
- music
- wave beam
- array element
- 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
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于分子阵预处理的MUSIC波束形成方法,所述方法包括:根据线列阵接收数据中信号和噪声相关性的差异,将线列阵中2N‑1个阵元接收数据通过分子阵预处理转变为N个阵元数据;然后再对N个阵元数据进行处理,得到MUSIC波束输出。本发明方法对线列阵接收数据进行了分子阵预处理,有效提高线列阵接收数据协方差矩阵中信号含有量和信噪比,降低了背景噪声和旁瓣级对MUSIC波束形成检测弱目标带来的影响,提高了MUSIC波束形成对弱目标检测的检测效果。
Description
技术领域
本发明涉及声纳信号处理领域,特别涉及一种基于分子阵预处理的MUSIC波束形成方法。
背景技术
水下目标检测与估计是阵列信号处理的一个重要分支。波束形成作为阵列信号处理中核心算法,输出波束中的背景噪声和旁瓣级一直是其设计中需要考虑的问题。低背景噪声和旁瓣级可以有效降低对位于强目标旁瓣区域内弱目标检测的漏报概率。
为了对波束形成输出背景噪声和旁瓣级实现控制,许多学者从不同方法对降低波束形成旁瓣级进行了深入研究,并取得了一定的研究成果,提出了很多方法,主要为Chebyshev滤波方法,“凹槽噪声场”方法,静态波束图数字综合方法,反复迭代方法,多线性约束方法,非线性优化方法,凸优化(Convex Optimization)方法,半无限二次规划(Semi-Infinite Quadratic Programming)方法,二阶锥(Second-Order Cone)约束方法,中心矩方法,虚拟干扰源构造能量聚焦矩阵方法,稀疏约束方法。在以上方法中,Chebyshev滤波方法以其简单方便常被应用实际工程中,但存在旁瓣级设置和主瓣宽度控制折中选择问题。
目前的方法都未能解决针对MUSIC波束形成中背景噪声和旁瓣级对检测弱目标性能影响的问题。
发明内容
本发明的目的在于针对MUSIC波束形成中背景噪声和旁瓣级对检测弱目标性能影响的问题,根据线列阵接收数据中信号和噪声相关性的差异,提出一种基于分子阵预处理的MUSIC波束形成方法。该方法首先需要将线列阵中2N-1个阵元接收数据通过分子阵预处理转变为N个阵元数据;然后再采用MUSIC波束形成思想对该N个阵元数据进行处理,可得到各方位处空间谱。由于该方法对线列阵接收数据进行了分子阵预处理,有效提高线列阵接收数据协方差矩阵中信号含有量和信噪比,降低了背景噪声和旁瓣级对MUSIC波束形成检测弱目标带来的影响,提高了MUSIC波束形成对弱目标检测的检测效果。
为了实现上述目的,本发明提出了一种基于分子阵预处理的MUSIC波束形成方法,所述方法包括:
根据线列阵接收数据中信号和噪声相关性的差异,将线列阵中2N-1个阵元接收数据通过分子阵预处理转变为N个阵元数据;然后再对N个阵元数据进行处理,得到MUSIC波束输出。
作为上述方法的一种改进,所述方法具体包括:
步骤1)对线列阵2N-1个阵元接收数据按下式进行分组处理:
式中,Xn(fl)表示第n个阵元拾取的频率fl数据,表示为:
式中:S(fl)为目标辐射信号,Nn(fl)为第n个阵元拾取的加性高斯白噪声数据,λ=fl/c为波长,d为线列阵相邻阵元间距,θ0为目标相对线列阵入射角度,c为声速入射;
步骤2)在搜索角度θ,θ=1,2,…180处,按下式对各组数据进行相移预处理:
步骤3)对各组数据预处理结果进行相加,得到一组新数据Y(fl)为:
步骤4)求取Y(fl)的协方差矩阵RY(fl)=E[Y(fl)HY(fl)]并进行特征分解:
式中,E[·]为期望函数,Λ=diag(λ1,λ2,…,λN)为新数据协方差矩阵RY(fl)的特征值,U=[u1,u2,…,uN]为新数据的协方差矩阵RY(fl)的特征向量,Uaps为新数据Y(fl)的信号特征向量,Uapv为新数据Y(fl)的噪声特征向量;
步骤5)根据噪声特征向量和目标波达方向导向权向量的正交性,获得基于分子阵预处理的MUSIC波束形成输出的来波方向波束为:
式中,为导向权向量,τn=(n-1)dcos(θ)/c,1≤n≤N。
作为上述方法的一种改进,所述方法还包括:
步骤6)按下式求取波束输出的宽带空间谱:
其中,L为频带数。
本发明的优势在于:
本发明方法对线列阵接收数据进行了分子阵预处理,有效提高线列阵接收数据协方差矩阵中信号含有量和信噪比,降低了背景噪声和旁瓣级对MUSIC波束形成检测弱目标带来的影响,提高了MUSIC波束形成对弱目标检测的检测效果。
附图说明
图1为本发明的拖线阵声纳结构示意图;
图2为本发明的方法与现有方法对31元线列阵波束形成的比较结果图;
图3为本发明的方法与现有方法对63元线列阵波束形成的比较结果图;
图4为本发明的方法与现有方法对31元线列阵波束形成的比较结果图(强、弱目标辐射信号谱级比为30dB);
图5为本发明的方法与现有方法对63元线列阵波束形成的比较结果图(强、弱目标辐射信号谱级比为30dB);
图6为本发明的方法与现有方法对63元线列阵波束形成的比较结果图(强、弱目标辐射信号谱级比为80dB)。
具体实施方式
现结合附图对本发明作进一步的描述。
在对本发明的方法做详细说明前,首先对本发明的方法所适用接收阵加以描述。图1为一拖线阵声纳结构示意图,该拖线阵声纳包括6个部分,显控与信号处理机1、甲板缆2、绞车3、导缆架4、拖缆5、接收线阵6。其中的接收线阵6通过拖缆5与位于绞车3上的甲板缆2连接,所述拖缆5还安装在导缆架4上;接收线阵6所接收的信号传输给显控与信号处理机1。
下面对本发明方法做进一步的说明。
MUSIC波束形成数学表达式
对于间距为d的2N-1元等间隔水平线阵,有1个目标从θ0入射,则第n个阵元拾取的频率fl数据Xn(fl)可表示为:
式中:S(fl)为目标辐射信号,Nn(fl)为第n个阵元拾取的加性高斯白噪声数据,c为声速,λ=fl/c为波长。
对线列阵各阵元接收数据构造数据矩阵,可表示为
X(fl)=[X1(fl),X2(fl),…,X2N-1(fl)]T (2)
在噪声与信号不相关的假设下,对协方差矩阵RX(fl)=E[X(fl)X(fl)H]作特征分解得到信号特征向量Us和噪声特征向量Uv,依据噪声向量与导向权向量的正交性,可获得来波方向输出波束为
式中,为导向权向量,τn=(n-1)dcos(θ)/c,θ为搜索角度,c为声速。
基于分子阵预处理的MUSIC波束形成方法
为了进一步降低在非目标波达方向上,MUSIC波束形成输出波束在不同搜索角度θ形成的极大值,减小其对弱目标检测形成影响。本发明将根据线列阵接收数据协方差矩阵形成过程中信号和噪声相关性的差异,通过对线列阵接收数据进行分组预处理,以便得到高信噪比的协方差矩阵,进一步降低其在非目标方向上输出值。
以上面所示基本数据模型为基础,首先对线列阵2N-1个阵元接收数据按式(4)进行分组处理
然后,按在搜索角度θ处,按式(5)对各组数据进行相移预处理,可得
对各组数据预处理结果进行相加,得到一组新数据为
最后,求取Y(fl)协方差矩阵RY(fl)=E[Y(fl)HY(fl)],并进行特征分解,可得
式中,E[·]为期望函数,Λ=diag(λ1,λ2,…,λN)为新数据协方差矩阵Y(fl)的特征值,U=[u1,u2,…,uN]为新数据协方差矩阵Y(fl)的特征向量,Uaps为新数据的信号特征向量,Uapv为新数据的噪声特征向量。
根据噪声特征向量和目标波达方向导向权向量的正交性,可获得基于分子阵预处理的MUSIC波束形成输出的来波方向波束为
式中,为导向权向量。
根据上面所述数据处理过程,可将本发明方法实现过程分为如下步骤:
步骤1)按式(4)所示,首先对线列阵2N-1个阵元接收数据进行分组处理,得到N组数据;
步骤2)按式(5)所示,在搜索角度θ处,对各组数据进行相移预处理,可得N组经过相移处理后的数据;
步骤3)按式(6)所示,对N组数据预处理结果进行相加,得到一组新数据Y(fl);
步骤4)求取Y(fl)协方差矩阵RY(fl)=E[Y(fl)Y(fl)H],并进行特征分解,然后根据噪声特征向量和目标波达方向导向权向量的正交性可得到该搜索角度对应波束值PAPMUSIC(fl,θ);
步骤5)按下式求取本发明方法的宽带空间谱:
本发明的方法(简称APMUSIC)与现有技术中的方法(简称CBF、MUSIC)相比具有明显的优点。
下面结合实例,对本发明方法与现有技术中相关方法的效果进行比较。
为了验证本发明方法可以很好地降低背景噪声和旁瓣级在MUSIC波束形成输出空间谱的占有量。下面给出如下数值仿真结果,数值仿真中采用分别采用31、63元均匀线列阵作为接收阵,相邻阵元间距为2m;目标辐射信号频率为375Hz,目标相对线列阵波达方向为90°,信号与背景噪声谱级比为0dB。
从图2和图3显示结果可知,在非目标方向上,相比MUSIC波束形成,本发明方法输出波束中的背景噪声和旁瓣级得到有效降低,数值仿真结果与理论分析相一致。
同时,为了进一步验证本发明方法可以降低背景噪声和旁瓣级对弱目标检测的影响。下面给出如下数值仿真,数值仿真中采用分别采用31、63元均匀线列阵作为接收阵,相邻阵元间距为2m;强、弱目标辐射信号频率均为375Hz,强、弱目标相对线列阵波达方向分别为90°和60°,强、弱目标辐射信号谱级比为30dB,弱目标与背景噪声谱级比为0dB。
从图4和图5显示结果可知,由于MUSIC波束形成输出空间谱中的背景噪声和旁瓣级较高,在该仿真条件下,60°方位处的弱目标已经不能很好地在MUSIC波束形成输出的空间谱中显示出来,而本发明方法所得空间谱可以很好的显示出60°方位处的弱目标,降低了背景噪声和旁瓣级对弱目标检测的影响。
图6为63元线列阵对强、弱目标辐射信号谱级比为80dB时的波束形成结果。对比图5和图6可知,相比MUSIC波束形成,本发明方法对60°方位处的弱目标检测能力提高了50dB以上,提高MUSIC波束形成在实际应用的中普适性。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种基于分子阵预处理的MUSIC波束形成方法,所述方法包括:
根据线列阵接收数据中信号和噪声相关性的差异,将线列阵中2N-1个阵元接收数据通过分子阵预处理转变为N个阵元数据;然后再对N个阵元数据进行处理,得到MUSIC波束输出。
2.根据权利要求1所述的基于分子阵预处理的MUSIC波束形成方法,其特征在于,所述方法具体包括:
步骤1)对线列阵2N-1个阵元接收数据按下式进行分组处理:
式中,Xn(fl)表示第n个阵元拾取的频率fl数据,表示为:
式中:S(fl)为目标辐射信号,Nn(fl)为第n个阵元拾取的加性高斯白噪声数据,λ=fl/c为波长,d为线列阵相邻阵元间距,θ0为目标相对线列阵入射角度,c为声速入射;
步骤2)在搜索角度θ,θ=1,2,…180处,按下式对各组数据进行相移预处理:
步骤3)对各组数据预处理结果进行相加,得到一组新数据Y(fl)为:
步骤4)求取Y(fl)的协方差矩阵RY(fl)=E[Y(fl)HY(fl)]并进行特征分解:
式中,E[·]为期望函数,Λ=diag(λ1,λ2,…,λN)为新数据协方差矩阵RY(fl)的特征值,U=[u1,u2,…,uN]为新数据的协方差矩阵RY(fl)的特征向量,Uaps为新数据Y(fl)的信号特征向量,Uapv为新数据Y(fl)的噪声特征向量;
步骤5)根据噪声特征向量和目标波达方向导向权向量的正交性,获得基于分子阵预处理的MUSIC波束形成输出的来波方向波束为:
式中,为导向权向量,τn=(n-1)dcos(θ)/c,1≤n≤N。
3.根据权利要求2所述的基于分子阵预处理的MUSIC波束形成方法,其特征在于,所述方法还包括:
步骤6)按下式求取波束输出的宽带空间谱:
其中,L为频带数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018258.2A CN110018466B (zh) | 2018-01-09 | 2018-01-09 | 一种基于分子阵预处理的music波束形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018258.2A CN110018466B (zh) | 2018-01-09 | 2018-01-09 | 一种基于分子阵预处理的music波束形成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110018466A true CN110018466A (zh) | 2019-07-16 |
CN110018466B CN110018466B (zh) | 2020-11-06 |
Family
ID=67187634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810018258.2A Active CN110018466B (zh) | 2018-01-09 | 2018-01-09 | 一种基于分子阵预处理的music波束形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110018466B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239714A (zh) * | 2019-09-18 | 2020-06-05 | 中国人民解放军海军工程大学 | 柔性阵波束形成稳健化实现方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5990834A (en) * | 1997-08-29 | 1999-11-23 | Codar Ocean Sensors, Ltd. | Radar angle determination with music direction finding |
CN101644773A (zh) * | 2009-03-20 | 2010-02-10 | 中国科学院声学研究所 | 一种实时频域超分辨方位估计方法及装置 |
JP2010054344A (ja) * | 2008-08-28 | 2010-03-11 | Denso Corp | 方位検出装置 |
CN102662158A (zh) * | 2012-05-04 | 2012-09-12 | 电子科技大学 | 一种对传感器天线阵列接收信号的快速处理方法 |
CN103837871A (zh) * | 2012-11-23 | 2014-06-04 | 中国科学院声学研究所 | 一种逆波束形成方法及系统 |
CN105467365A (zh) * | 2015-12-08 | 2016-04-06 | 中国人民解放军信息工程大学 | 一种改善mimo雷达doa估计性能的低旁瓣发射方向图设计方法 |
-
2018
- 2018-01-09 CN CN201810018258.2A patent/CN110018466B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5990834A (en) * | 1997-08-29 | 1999-11-23 | Codar Ocean Sensors, Ltd. | Radar angle determination with music direction finding |
JP2010054344A (ja) * | 2008-08-28 | 2010-03-11 | Denso Corp | 方位検出装置 |
CN101644773A (zh) * | 2009-03-20 | 2010-02-10 | 中国科学院声学研究所 | 一种实时频域超分辨方位估计方法及装置 |
CN102662158A (zh) * | 2012-05-04 | 2012-09-12 | 电子科技大学 | 一种对传感器天线阵列接收信号的快速处理方法 |
CN103837871A (zh) * | 2012-11-23 | 2014-06-04 | 中国科学院声学研究所 | 一种逆波束形成方法及系统 |
CN105467365A (zh) * | 2015-12-08 | 2016-04-06 | 中国人民解放军信息工程大学 | 一种改善mimo雷达doa估计性能的低旁瓣发射方向图设计方法 |
Non-Patent Citations (2)
Title |
---|
VESA VALIMAKI ET.AL: "《Discrete-Time Synthesis of the Sawtooth Waveform With Reduced Aliasing》", 《IEEE SIGNAL PROCESSING LETTERS》 * |
郑恩明 等: "《基于波束域相位稳定性的目标检测方法研究》", 《电子学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239714A (zh) * | 2019-09-18 | 2020-06-05 | 中国人民解放军海军工程大学 | 柔性阵波束形成稳健化实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110018466B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108680910B (zh) | 基于波形认知的调频广播外辐射源雷达目标检测方法 | |
CN105137399B (zh) | 基于斜投影滤波的雷达自适应波束形成方法 | |
CN106054123A (zh) | 一种稀疏l阵及其二维doa估计方法 | |
CN103837861B (zh) | 基于特征子空间的子阵级线性约束自适应波束形成方法 | |
CN110320490B (zh) | 一种无直达信号条件下的无线电波达方向估计方法 | |
CN109459744B (zh) | 一种实现多干扰抑制的稳健自适应波束形成方法 | |
CN110888105B (zh) | 一种基于卷积神经网络和接收信号强度的doa估计方法 | |
CN109143190B (zh) | 一种零陷展宽的宽带稳健自适应波束形成方法 | |
CN112612005B (zh) | 基于深度学习的雷达抗主瓣干扰方法 | |
CN111693971B (zh) | 一种用于弱目标检测的宽波束干扰抑制方法 | |
CN108631851B (zh) | 基于均匀直线阵列零陷加深的自适应波束形成方法 | |
CN108957406A (zh) | 一种基于神经网络的雷达主瓣干扰抑制方法 | |
CN109254261A (zh) | 基于均匀圆阵epuma的相干信号零陷加深方法 | |
CN112904279A (zh) | 基于卷积神经网络和子带srp-phat空间谱的声源定位方法 | |
CN109600152A (zh) | 一种基于子空间基变换的自适应波束形成方法 | |
CN111580042B (zh) | 一种基于相位优化的深度学习测向方法 | |
CN111366892A (zh) | 一种基于神经网络Massive MIMO DOA系统及实现方法 | |
CN112034418A (zh) | 基于频域Bark子带的波束扫描方法及声源定向装置 | |
CN104931941B (zh) | 一种Capon波束形成器的加权稀疏约束稳健设计方法 | |
CN110018466A (zh) | 一种基于分子阵预处理的music波束形成方法 | |
CN111090089A (zh) | 一种基于两类辅助数据的空时自适应检测方法 | |
CN104931937A (zh) | 基于协方差矩阵归一化的子阵级正交投影波束形成方法 | |
CN105372644B (zh) | 一种基于动态重修正的自适应波束形成方法及系统 | |
CN109669172B (zh) | 基于主瓣内强干扰抑制的弱目标方位估计方法 | |
CN111446997A (zh) | 基于深度学习的自适应数字波束合成方法 |
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 |