CN115600099B - 非一致性噪声条件下的特征空间波束形成方法及系统 - Google Patents
非一致性噪声条件下的特征空间波束形成方法及系统 Download PDFInfo
- Publication number
- CN115600099B CN115600099B CN202211611981.4A CN202211611981A CN115600099B CN 115600099 B CN115600099 B CN 115600099B CN 202211611981 A CN202211611981 A CN 202211611981A CN 115600099 B CN115600099 B CN 115600099B
- Authority
- CN
- China
- Prior art keywords
- matrix
- array
- noise
- covariance matrix
- covariance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000011159 matrix material Substances 0.000 claims abstract description 124
- 239000013598 vector Substances 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
Description
技术领域
本发明涉及声学领域,具体涉及一种非一致性噪声条件下的特征空间波束形成方法及系统。
背景技术
波束形成和子空间类算法是两类最主要的方位谱估计方法。以最小方差无失真响应波束形成算法(MVDR)为代表的最优波束形成能自动抑制各向同性干扰,获得最高的输出信干噪比,并具有较好的稳健性。而以基于特征子空间的多信号分类算法(MUSIC)、旋转子空间不变法(ESPRIT)为代表的子空间类方法从理论上突破了方位分辨的瑞利限制,极大的提高了阵列目标方位分辨能力。但子空间类方法的稳健性通常不如波束形成方法,因此人们将子空间处理引入到波束形成中,提高波束形成的方位谱估计性能。其中较为典型的是特征空间波束形成(Eigenspace-based Beamforming),将MVDR的权向量投影到信号子空间,减小阵列流型误差和噪声引起的权向量扰动,获得更好的分辨率性能。
在这些基于特征子空间的算法中,一般假设阵元噪声是一致性的,即每个阵元噪声的方差相同,此时可以通过阵列协方差矩阵的特征分解估计特征子空间。而实际情况中,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,直接利用阵列协方差矩阵特征分解估计的特征子空间存在误差,会导致这些算法性能的严重下降。
发明内容
本发明的目的是提出一种非一致性噪声条件下的特征空间波束形成方法及系统,解决阵列非一致性噪声干扰的问题。
为了实现上述发明目的,本发明采用如下的技术方案:
一种非一致性噪声条件下的特征空间波束形成方法,包括以下步骤:
根据阵列接收数据协方差矩阵与噪声协方差矩阵的差值为不含噪声的阵
列协方差矩阵,将不含噪声的阵列协方差矩阵转换为,其中为对角
线上的元素,I为单位矩阵,根据的特征向量和特征值,推导出,从而对特征分解得到信号子空间矩阵;
本发明还提供一种非一致性噪声条件下的特征空间波束形成系统,包括:
特征空间计算模块,被配置为根据阵列接收数据协方差矩阵与噪声协方差矩阵/>的差值为不含噪声的阵列协方差矩阵/>,将不含噪声的阵列协方差矩阵/>转换为,其中/>为/>对角线上的元素,I为单位矩阵,根据/>的特征向量/>和特征值,推导出/>,从而对/>特征分解得到信号子空间矩阵;
本发明还提供一种计算机设备,包括:一个或多个处理器;存储器;以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现如上所述的非一致性噪声条件下的特征空间波束形成方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的非一致性噪声条件下的特征空间波束形成方法的步骤。
本发明提出了一种新的特征子空间估计方法及系统,所述方法通过将阵列协方差矩阵对角线置零,进行特征分解估计得到特征子空间,将不受阵元噪声非一致性的影响。与通过噪声协方差矩阵间接估计特征子空间的方法相比,本方法具有相同的性能,但无需估计噪声协方差矩阵,复杂度低。将其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本发明所提方法的可行性和有效性。
附图说明
图1为本发明的非一致性噪声条件下的特征空间波束形成方法流程图;
图2为仿真实验中独立信源不同信噪比下的目标方位图;
图3为仿真实验中独立信源相同信噪比下的目标方位图;
图4为仿真实验中两个独立信源入射角夹角在18°~30°变化时目标分辨力正确检测概率对比;
图5为仿真实验中输出信干噪比随输入信噪比的变化曲线;
图6为海试实验中MVDR目标方位历程图;
图7为海试实验中ES目标方位历程图;
图8为海试实验中ESQ目标方位历程图;
图9为海试实验中ESR(本发明方法)目标方位历程图;
图10为海试实验中43s时刻方位谱;
图11为海试实验中43s时刻48个阵元的噪声功率估计。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
假设接收阵列是阵元数为M的均匀线列阵,接收从远场的目标信号源发射的L个独立的窄带信号(已知L<M)。阵列噪声为零均值高斯噪声,且与信号不相关。在时间t处的阵列输出的快拍表达式为:
阵列的协方差矩阵可以表示为:
当噪声的协方差矩阵的对角线元素不相同时,对/>的特征分解得到的特征向量不同于对/>的特征分解得到的特征向量,此时无法由/>的特征分解直接获得准确的信号和噪声子空间。当特征空间波束形成将权向量向信号子空间投影时引入误差,使得特征空间波束形成的性能退化。
基于式(2),注意到阵列协方差矩阵与噪声协方差矩阵/>的差值即为/>。因此一种方法是通过估计噪声协方差矩阵/>,得到不存在噪声时阵列的协方差矩阵/>的估计,进而通过/>的特征分解获得信号子空间。如文献[1]“Liao B ,Chan S C ,Lei H ,et al. Iterative Methods for Subspace and DOA Estimation in Nonuniform Noise[J]. IEEE Transactions on Signal Processing, 2016, 64(12):3008-3020.”、文献[2]“Esfandiari M, Vorobyov S A, Alibani S, et al. Non-Iterative Subspace-BasedDOA Estimation in the Presence of Nonuniform Noise[J]. Signal ProcessingLetters, IEEE, 2019.”通过两种不同方法估计噪声协方差矩阵,阵列协方差矩阵与噪声协方差矩阵的差值为不含噪声的阵列协方差矩阵。对不含噪声的阵列协方差矩阵进行特征分解估计特征子空间,消除了噪声不一致性带来的影响。但这两种技术都需要估计噪声协方差矩阵,运算量较大。
本发明提出了一种新的非一致性噪声条件下特征子空间估计方法,通过将阵列协方差矩阵对角线置零,进行特征分解估计的特征子空间不受阵元噪声非一致性的影响,无需估计噪声协方差,算法复杂度和运算量均明显降低。
参照图1,本发明所述的非一致性噪声条件下特征空间波束形成方法,包括以下步骤:
式中:
其中,为第k个目标信号源的功率,下标i,j表示矩阵第i行第j个元素,通过式(5)将阵列接收数据协方差矩阵的对角线元素置零,通过式(6)将阵列接收数据协方差矩阵的对角线元素单独取出来,从而将/>分成两个部分。
步骤S2,对不存在噪声时阵列的协方差矩阵进行转换,再特征分解得到信号子空间矩阵。
根据(4)、(5)、(6)可知:
将(7)代入(8)得:
所以:
步骤S3,进行特征空间波束形成。
特征空间波束形成的空间谱估计可以表示为:
本发明方法在算法复杂度和运算量均有明显优势。下面通过数值仿真来分析本方法的有效性。
仿真条件如下:接收阵列为5阵元的均匀直线阵,声速为1500m/s,采样频率393216Hz,信号频率1750Hz,阵元间距为半波长。阵元噪声为零均值的高斯白噪声,各阵元间噪声相互独立,噪声与信号、信号与干扰以及信号与信号之间都相互独立,其噪声协方差矩阵Q=diag{1,1,1,3,3}。
特征空间波束形成算法采用两种特征子空间估计方法。以文献[2]的估计方法作为比较,将文献[2]中通过估计噪声子空间的间接方法记为ESQ,本发明方法记为ESR。另加上ES和MVDR,共四种方法进行对比。
仿真1:目标分辨能力
两个目标信号入射方向分别为73°和97°。MVDR、ES、ESQ和QSR四种波束形成的方位谱如图2和3所示。图2中两目标信噪比为20dB和15dB,图3中两目标信噪比均为20dB,信号子空间的维度为2。从图2、3中可以看出ESQ和ESR两者曲线近似重合。相比于MVDR和ES,ESQ和ESR的主瓣更窄,旁瓣更低。ES的方位分辨能力要优于MVDR,而ESQ和ESR的方位分辨能力优于MVDR和ES。这是由于ESQ和ESR估计的信号子空间较ES更为准确。
进行蒙特卡洛仿真,每种算法各自独立200次试验。一个目标信号的信噪比为15dB,入射角为97°,另一个目标信号的信噪比为20dB,入射角从79°开始减小至67°。图4给出了两个独立信源入射角夹角在18°~30°变化时,四种算法的目标分辨概率。由图4可以看出,ESQ和ESR明显是优于MVDR和ES。在入射角夹角为20.5°时ESQ和ESR可以分辨2个目标信号的正确概率近似为20%,而MVDR和ES完全无法分辨两目标信号。在入射角夹角为27°时,ESQ和ESR的分辨概率已近似为1,而MVDR和ES的分辨概率分别近似为78%和85%。
仿真2:不同输入SNR下四种算法的输出SINR
在同一输入SNR下独立运行200次试验,统计算法的输出信干噪比。图5给出了四种算法在不同输入SNR下与输出SINR的关系。MVDR和ES的输出SINR较为接近,而ESQ和ESR在输入SNR大于5dB时的输出SINR明显高于MVDR和ES。
进一步地,利用实验数据验证本发明所提方法的有效性。海试数据来自48个阵元的直线阵列,阵元间距为0.3 m,声速约为1500m/s,采样频率为4000Hz,选取单频信号1000Hz。特征空间波束形成中信号子空间维度取6。图6~图9分别是四种算法的目标方位历程图,从方位历程图中可以看出,几种方法都能分辨出三个目标信号,但ESQ和ESR的分辨能力更好,旁瓣更低。
图10为43s时刻的方位谱,可以看出,在40°、70°和85°附近都有显著的目标,且相比于MVDR和ES,ESR的主瓣更窄,旁瓣更低。此时,估计出的噪声协方差矩阵如图11 所示。可以看到,各阵元噪声功率是不相同的,整体的趋势是随着阵元序号增大而噪声功率减小。其中最小值364733,平均值为612130,最大值为858453。最大值达到最小值的2.35倍,平均值的1.4倍,是非一致性的噪声。
经过以上验证实验可以看出,本发明通过对角线置零的阵列协方差矩阵特征分解直接得到的信号子空间,不受非一致性噪声的影响,因而方位分辨性能较特征空间波束形成有明显的提高。
本发明还提供一种非一致性噪声条件下的特征空间波束形成系统,包括:
特征空间计算模块,被配置为根据阵列接收数据协方差矩阵与噪声协方差矩阵/>的差值为不含噪声的阵列协方差矩阵/>,将不含噪声的阵列协方差矩阵/>转换为,其中/>为/>对角线上的元素,I为单位矩阵,根据/>的特征向量/>和特征值,推导出/>,从而对/>特征分解得到信号子空间矩阵;
应理解,本发明实施例中的系统可以实现上述方法实施例中的全部技术方案,其各个功能模块的功能可以根据上述方法实施例中的方法具体实现,其具体实现过程可参照上述实施例中的相关描述,此处不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,本发明中的迁移节点与工作节点的交互方式,收集物理机和虚拟机的资源和时间信息与在线调度方法在各系统中均适用,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种非一致性噪声条件下的特征空间波束形成方法,其特征在于,包括以下步骤:
根据阵列接收数据协方差矩阵与噪声协方差矩阵/>的差值为不含噪声的阵列协方差矩阵/>,将不含噪声的阵列协方差矩阵/>转换为/>,其中/>为/>对角线上的元素,I为单位矩阵,根据/>的特征向量/>和特征值/>,推导出/>,从而对/>特征分解得到信号子空间矩阵;
4.一种非一致性噪声条件下的特征空间波束形成系统,其特征在于,包括:
特征空间计算模块,被配置为根据阵列接收数据协方差矩阵与噪声协方差矩阵/>的差值为不含噪声的阵列协方差矩阵/>,将不含噪声的阵列协方差矩阵/>转换为,其中/>为/>对角线上的元素,I为单位矩阵,根据/>的特征向量和特征值/>,推导出/>,从而对/>特征分解得到信号子空间矩阵;
7.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现如权利要求1-3中任一项所述的非一致性噪声条件下的特征空间波束形成方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的非一致性噪声条件下的特征空间波束形成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211611981.4A CN115600099B (zh) | 2022-12-15 | 2022-12-15 | 非一致性噪声条件下的特征空间波束形成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211611981.4A CN115600099B (zh) | 2022-12-15 | 2022-12-15 | 非一致性噪声条件下的特征空间波束形成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115600099A CN115600099A (zh) | 2023-01-13 |
CN115600099B true CN115600099B (zh) | 2023-06-23 |
Family
ID=84853934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211611981.4A Active CN115600099B (zh) | 2022-12-15 | 2022-12-15 | 非一致性噪声条件下的特征空间波束形成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600099B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266044B2 (en) * | 2004-12-17 | 2007-09-04 | United States Of America Represented By The Secretary Of The Navy | Method and apparatus for acoustic source tracking using a horizontal line array |
CN111049556B (zh) * | 2019-12-27 | 2021-12-14 | 中国科学技术大学 | 一种基于干扰协方差矩阵重构的互素阵稳健自适应波束形成方法 |
CN112903081B (zh) * | 2021-01-21 | 2022-05-03 | 中国海洋石油集团有限公司 | 声矢量传感器阵列自适应波束形成方法、系统及存储介质 |
-
2022
- 2022-12-15 CN CN202211611981.4A patent/CN115600099B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115600099A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Robust adaptive beamforming via simplified interference power estimation | |
Feldman et al. | A projection approach for robust adaptive beamforming | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN108375751B (zh) | 多信源波达方向估计方法 | |
Ma et al. | Efficient method to determine diagonal loading value | |
US20080247274A1 (en) | Sensor array post-filter for tracking spatial distributions of signals and noise | |
CN108809398B (zh) | 一种基于信源个数约束的稳健自适应波束形成方法 | |
El-Keyi et al. | Robust adaptive beamforming based on the Kalman filter | |
Huang et al. | Two-stage decoupled DOA estimation based on real spherical harmonics for spherical arrays | |
CN110673119A (zh) | 基于压缩感知的非正则化方位估计方法及系统 | |
CN111812581A (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
CN109923430B (zh) | 用于进行相位差展开的装置及方法 | |
CN115600099B (zh) | 非一致性噪声条件下的特征空间波束形成方法及系统 | |
CN109541526A (zh) | 一种利用矩阵变换的圆环阵方位估计方法 | |
CN106295142A (zh) | 一种基于概率约束的鲁棒Capon波束形成方法 | |
CN111698011A (zh) | 一种对称噪声中非对称信号的稳健自适应波束形成方法 | |
CN109061594B (zh) | 一种强杂波环境下基于子阵空时自适应处理的测角方法 | |
CN112903081B (zh) | 声矢量传感器阵列自适应波束形成方法、系统及存储介质 | |
CN115980721A (zh) | 一种无误差协方差矩阵分离的阵列自校正方法 | |
CN113381793B (zh) | 一种面向相干信源估计的无网格波达方向估计方法 | |
CN114996653A (zh) | 一种基于原子范数最小化的二维鲁棒自适应波束形成方法 | |
CN113093098B (zh) | 基于lp范数补偿的轴向不一致矢量水听器阵列测向方法 | |
CN108051773A (zh) | 基于盖式圆盘准则估计信源数目的epuma方法 | |
CN114563764A (zh) | 一种自适应波束生成方法及系统 | |
CN114047481A (zh) | 一种基于子空间正交性的稳健自适应波束形成方法 |
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 |