CN116301195B - 函数波束优化方法与装置 - Google Patents
函数波束优化方法与装置 Download PDFInfo
- Publication number
- CN116301195B CN116301195B CN202310549370.XA CN202310549370A CN116301195B CN 116301195 B CN116301195 B CN 116301195B CN 202310549370 A CN202310549370 A CN 202310549370A CN 116301195 B CN116301195 B CN 116301195B
- Authority
- CN
- China
- Prior art keywords
- mvdr
- spectrum matrix
- cross spectrum
- function
- initial
- 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 70
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 130
- 239000013598 vector Substances 0.000 claims abstract description 113
- 238000001228 spectrum Methods 0.000 claims abstract description 108
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000000875 corresponding effect Effects 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 28
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 79
- 238000004590 computer program Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000001629 suppression Effects 0.000 description 6
- 238000013499 data model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process 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
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/02—Digital function generators
-
- 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
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种函数波束优化方法与装置,其中,方法包括:获取MVDR波束形成算法对应的互谱矩阵和加权向量;根据互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;基于初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;根据互谱矩阵以及加权向量对零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。整个过程中,在MVDR波束的基础上进一步改进,增加零陷展宽技术可以得到抑制噪声、且提高分辨率的函数波束。
Description
技术领域
本申请涉及函数波束技术领域,特别是涉及一种函数波束优化方法与装置。
背景技术
随着智能制造产业蓬勃发展,对石化、电力等工业能源需求日益旺盛。工业现场中漏气、漏油、漏电等现象造成的重大危险事故频发,严重危害着人们的生命财产安全和工业生产安全。
由于肉眼无法识别工业中的漏电、漏气等现象,所以通常采用声成像技术对工业中的漏电、漏气等现象进行识别,传统声成像领域应用最广泛的技术就是常规波束形成技术,常规波束形成技术是所有声成像技术中最稳健的技术之一。
然而,在实际应用中,人们发现常规波束形成通常会存在分辨率低、且无法对受到的干扰产生抑制的问题,其已经无法满足高精度的声成像需求。
发明内容
基于此,有必要针对上述技术问题,提供一种分辨率高、且可以抑制干扰的函数波束优化方法与装置。
第一方面,本申请提供了一种函数波束优化方法。所述方法包括:
获取MVDR波束形成算法对应的互谱矩阵和加权向量;
根据所述互谱矩阵和加权向量,采用MVDR波束形成(Minimum VarianceDistortionless Response,自适应波束形成)算法形成初始MVDR波束;
基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
在其中一个实施例中,所述获取MVDR波束形成算法对应的互谱矩阵和加权向量包括:
获取所述初始MVDR波束中期望信号响应向量的真实值、以及MVDR波束形成算法对应的互谱矩阵;
根据所述互谱矩阵以及所述期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
在其中一个实施例中,所述根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束包括:
根据所述互谱矩阵和加权向量、且通过MVDR波束形成器,形成初始MVDR波束。
在其中一个实施例中,所述获取MVDR波束形成算法对应的互谱矩阵和加权向量包括:
获取初始MVDR波束中期望信号响应向量的真实值;
根据所述初始MVDR波束中期望信号响应向量的真实值,获取MVDR波束形成算法对应的接收数据的协方差矩阵;
将所述接收数据的协方差矩阵作为MVDR波束形成算法对应的互谱矩阵;
根据所述互谱矩阵以及所述期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
在其中一个实施例中,所述基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束包括:
将所述初始MVDR波束对应的波束图方位离散化,以及标记出干扰所在区域;
利用MVDR波束形成会对干扰产生零陷的特征,在所述干扰所在区域设置若干虚拟噪声源,以产生零陷展宽,得到零陷展宽的MVDR波束。
在其中一个实施例中,所述根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束包括:
对所述互谱矩阵进行特征值分解,得到特征值分解后的互谱矩阵;
构建函数命令,对特征值分解后的互谱矩阵求1/v次幂,得到降幂后的互谱矩阵,其中v为预设值;
根据所述加权向量以及所述降幂后的互谱矩阵,得到MVDR波束形成函数;
对所述MVDR波束形成函数乘以v次幂以复原声源分布,得到优化的函数波束。
在其中一个实施例中,所述v与所述优化的函数波束成像分辨率成正相关。
在其中一个实施例中,所述构建函数命令,对特征值分解后的互谱矩阵求1/v次幂,得到降幂后的互谱矩阵之前,还包括:
基于所述零陷展宽的MVDR波束的波束图,采用试凑法确定所述v的值。
在其中一个实施例中,所述根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束之后,还包括:
采用Matlab对所述优化的函数波束性能进行仿真验证。
第二方面,本申请还提供了一种函数波束优化装置。所述装置包括:
数据获取模块,用于获取MVDR波束形成算法对应的互谱矩阵和加权向量;
初始波束生成模块,用于根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
零陷展宽模块,用于基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
优化模块,用于根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取MVDR波束形成算法对应的互谱矩阵和加权向量;
根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
第四方面,本申请还提供了一种计算机可读存储介质。所述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以下步骤:
获取MVDR波束形成算法对应的互谱矩阵和加权向量;
根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取MVDR波束形成算法对应的互谱矩阵和加权向量;
根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
上述函数波束优化方法、装置、计算机设备、存储介质和计算机程序产品,获取MVDR波束形成算法对应的互谱矩阵和加权向量;根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。整个过程中,在MVDR波束的基础上进一步改进,增加零陷展宽技术可以得到抑制噪声、且提高分辨率的函数波束。
附图说明
图1为一个实施例中本申请函数波束优化方法的流程示意图;
图2为又一个实施例中本申请函数波束优化方法的流程示意图;
图3为另一个实施例中本申请函数波束优化方法的流程示意图;
图4为一个实施例中S800的子流程示意图;
图5为一个应用实例中本申请函数波束优化方法的流程示意图;
图6为一个实施例中本申请函数波束优化装置的结构示意图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种函数波束优化方法,包括以下步骤:
S200:获取MVDR波束形成算法对应的互谱矩阵和加权向量。
在形成初始MVDR波束之前,需要针对初始MVDR波束形成算法对应的互谱矩阵以及加权向量进行求解。在实际应用中,可以通过MVDR波束形成算法来生成初始MVDR波束,因此,在这里可以先求解MVDR波束形成算法的互谱矩阵和加权向量,以便后续基于获取的数据生成初始MVDR波束。
S400:根据互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束。
常规波束形成的阵增益有限,为了最大程度上提高阵增益,目前已有学者提出了最小方差无失真响应(MVDR)波束形成算法,其原理为使其对感兴趣方位的信号无失真输出,而使波束输出噪声方差最小。
具体可以通过MVDR波束形成算法来生成初始MVDR波束。MVDR波束形成算法的主要目的为使波束输出噪声方差最小。假设一个由N个间距为d的阵元组成的线阵,期望信号从角度入射,P个干扰从/>角度入射,考虑如下阵列接收数据模型:
式中:为N×1阵列天线数据向量/>表示矩阵的转置,/>表示为期望信号响应向量的假想值。/>表示为信号源快拍向量,/>表示窄带噪声快拍向量。
S600:基于初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束。
可以采用旁瓣抑制算法来实现干扰抑制。具体来说,该方法利用MVDR波束形成算法会对干扰产生零陷展宽的特征,通过MVDR波束形成分别得到声源与干扰的所在方向,并在干扰所在方向放置虚拟干扰源,以此来抑制干扰方向所存在的过高旁瓣。进一步的,可以在旁瓣所在区域进行自适应零陷展宽技术,降低整个旁瓣高度。
S800:根据互谱矩阵以及加权向量对零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
MVDR波束形成的特性为:常规波束形成的阵增益有限,MVDR波束形成技术的设计原理就是可以使其对感兴趣的方位信号无失真地进行输出,从而使波束输出噪声方差最小。然而MVDR波束存在旁瓣高、分辨率低的缺陷,在这里采用函数波束形成的方式可以压制旁瓣并且提高分辨率,最终得到旁瓣低、且分辨率高的波束。
上述函数波束优化方法,获取MVDR波束形成算法对应的互谱矩阵和加权向量;根据互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;基于初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;根据互谱矩阵以及加权向量对零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。整个过程中,在MVDR波束的基础上进一步改进,增加零陷展宽技术可以得到抑制噪声、且提高分辨率的函数波束。
在其中一个实施例中,根据互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束包括:
根据互谱矩阵和加权向量、且通过MVDR波束形成算法,形成初始MVDR波束。
MVDR波束形成器也称Capon波束形成器,该波束形成器的主要目的为使波束输出噪声方差最小。假设一个由N个间距为d的阵元组成的线阵,期望信号从角度入射,P个干扰从/>角度入射,考虑如下阵列接受数据模型:
式中:为N×1阵列天线数据向量/>表示矩阵的转置,/>表示为期望信号响应向量的假想值。/>表示为信号源快拍向量,/>表示窄带噪声快拍向量。波束输出噪声功率为:/>
式中,表示波束输出噪声功率,w为期望信号的加权向量,Rn是可提前预知的互谱矩阵(窄带快拍噪声协方差矩阵)。
如图2所示,在其中一个实施例中,S200包括:
S220:获取初始MVDR波束中期望信号响应向量的真实值、以及MVDR波束形成算法对应的互谱矩阵;
S240:根据互谱矩阵以及期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
MVDR波束形成的加权向量的设计问题为:
式中,表示为期望信号响应向量的真实值。
采用拉格朗日乘数法,假设函数
另该函数对w进行求导,并令所得导数为零,得:
将公式(5)代入中,得:
将公式(6)代入公式(5)中,可得到MVDR波束形成算法得加权向量为:
若噪声场为空间白噪声,则,此时MVDR波束形成的加权向量与常规波束形成的加权向量相等, MVDR波束形成转化为常规波束形成。式中:I为单位矩阵。
MVDR波束形成加权向量对真实方向响应向量的响应为:
在其中一个实施例中,获取MVDR波束形成算法对应的互谱矩阵和加权向量包括:
步骤1:获取初始MVDR波束中期望信号响应向量的真实值;
步骤2:根据所述初始MVDR波束中期望信号响应向量的真实值,获取MVDR波束形成算法对应的接收数据的协方差矩阵;
步骤3:将接收数据的协方差矩阵作为MVDR波束形成算法对应的互谱矩阵;
步骤4:根据互谱矩阵以及期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
基于上述公式(8)可知若想得到MVDR波束形成算法的加权向量需要提前确定互谱矩阵Rn,而Rn在某些情况下是未知的,在该情况下,目前最常用的方法是用接受数据的协方差矩阵Rx来代替Rn由此,MVDR的设计问题变为:
考虑与式(1)相同的数据模型,该情况下噪声n包含了上述数据模型中的干扰分量与噪声分量,因此可得协方差矩阵Rx为:
其中为白噪声功率,Rc为非白噪声分量,/>为值为0或1的变量。当/>时,式(9)所示的设计问题与式(3)所示的设计问题相等。当/>时,协方差矩阵Rx变为:
采用Rx代替Rn,计算得此时MVDR波束形成算法加权向量为:
可以理解的是,MVDR波束形成算法与常规波束形成算法均可在期望信号方向产生主瓣,但MVDR波束形成算法可以解决常规波束形成存在的阵增益问题,且MVDR波束形成法会对干扰进行零陷展宽。即波束图会在干扰方向产生零陷。当化境中存在多干扰时,利用上述零陷展宽效应,可将因干扰产生的过高旁瓣进行零陷展宽。
如图3所示,在其中一个实施例中,S600包括:
S620:将初始MVDR波束对应的波束图方位离散化,以及标记出干扰所在区域;
S640:利用MVDR波束形成会对干扰产生零陷的特征,在干扰所在区域设置若干虚拟噪声源,以产生零陷展宽,得到零陷展宽的MVDR波束。
首先将波束图方位离散化,标记出主瓣区域、旁瓣区域与干扰所在区域;然后利用MVDR波束形成会对干扰产生零陷的特性,在干扰所在区域手动设置若干个虚拟噪声源,产生零陷展宽,消除干扰。
具体来说,可以采用凹槽噪声法作为旁瓣抑制算法,该方法利用MVDR波束形成算法会对干扰产生零陷展宽的特性,通过MVDR波束形成分别得到声源与干扰的所在方向,并在干扰所在方向人为放置虚拟干扰源,以此来抑制干扰方向所存在的过高旁瓣。
将波束图离散化,离散方位点记为:
将波束图分为主瓣区域、旁瓣区域/>和干扰所在区域/>,通常情况下进行波束形成时只需控制旁瓣幅度,凹槽噪声法为一种自适应迭代算法,通过迭代运算自适应的降低整个旁瓣的高度。采用零陷展宽技术,在干扰区域人工放置若干虚拟干扰源,使波束在干扰区域产生零陷,而不需要整个降低整个旁瓣,从而减少了计算量,进一步增加运算速度。具体来说,在进行波束形成时只需控制旁瓣幅度,因此通常在旁瓣所在区域/>进行自适应零陷展宽技术,降低整个旁瓣高度。利用MVDR波束形成技术可提前测量出干扰所在的精确位置,通过在干扰所在区域/>手动放置若干虚拟干扰源,使波束在干扰区域/>自动产生零陷,而不需要整个降低整个旁瓣。假设一个线列阵,每个干扰旁都存在D个等功率且不相关的点声源平面波干扰,干扰源方位分别为/>,此时,数据协方差矩阵可表示为:/>
式中,Ri代表窄带快拍干扰协方差矩阵,代表第q个干扰的功率,/>为相应的响应向量。由式(15)推导可得:
式中,代表协方差矩阵中的第m行,第n列的元素,/>是Kronecker函数:
假设第q个干扰源由P个等强度干扰源所组成,在方向上按/>均匀分布,每个干扰源的功率为/>,W表示在/>域的展宽宽度,/>表示干扰源之间的间隔,/>,则变化数据后的协方差矩阵/>为:/>
式中:,进一步可得:/>
式中,“。”表示Hadamard积,表示两个元素的对应元素相乘。
如图4所示,在其中一个实施例中,S800包括:
S820:对互谱矩阵进行特征值分解,得到特征值分解后的互谱矩阵;
S840:构建函数命令,对特征值分解后的互谱矩阵求1/v次幂,得到降幂后的互谱矩阵,其中v为预设值;
S860:根据加权向量以及降幂后的互谱矩阵,得到MVDR波束形成函数;
S880:对MVDR波束形成函数乘以v次幂以复原声源分布,得到优化的函数波束。
通过MVDR波束形成算法形成的波束图有旁瓣高、分辨率低等缺点,在这里,采用函数波束形成可以压制旁瓣并且提高分辨率,最终得到旁瓣低、且分辨率高的函数波束。
首先,根据式(12)可知MVDR波束形成算法的互谱矩阵Rx,对其进行特征值分解,得:
式中U是由Rx特征向量所组成的酉矩阵,,其中N为阵元的数量,是对角线为Rx特征值由小到大排列的矩阵,/>,/>表示互谱矩阵Rx的特征值。假设一个函数f(x),协方差矩阵Rx可被定义为:
令,进一步可得:
将开v次方的互谱矩阵记作:
在MVDR波束形成的基础上对其波束图进行函数波束形成,其步骤如下:
表示波束的观察方向,常规波束形成的扫描方位谱为:
根据式(13)所示,已知MVDR波束形成的加权向量,将其代入式(25)替换常规波束形成的加权向量,同样,将式(24)中的RFB替换式(25)中的Rx,可得:
根据式(26)可得波束形成结果,为了复原声源分布信息,对得到的结果做v次幂函数,得到MVDR函数波束形成结果:
当声源为近场声源时,特征向量与加权向量的乘积结果会略小于1,即,而/>为旁瓣干扰的主要来源,当对其做v次幂时,随着v值的增加会越来越趋近于0,理论上v值越大,波束图的旁瓣越小,图像的分辨率越高。但在实际工程中由于阵列方向向量难以准确估计其大小,因此对v值会有限制,v值通常使用试凑法得到,逐渐增加v值的大小,当波束图的主瓣峰值下降时停止增加v值的大小,以此时v-1的值作为最终确定的v值。
在其中一个实施例中,根据互谱矩阵以及加权向量对零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束之后,还包括:
采用Matlab对优化的函数波束性能进行仿真验证。
在这里通过仿真软件Matlab来对函数波束性能进行仿真验证,以验证本申请函数波束优化方法的优化效果。具体来说,本申请提出的改进的MVDR函数波束形成方案,并结合零陷展宽技术以降低某方向所存在的干扰,利用Matlab设计具体算法验证其有效性。
图5所示为算法仿真的具体流程图,首先,建立一个16阵元的直线阵,阵元间距为半波长,快拍数为30,声传播速度c为340m/s,期望信号在15000Hz频率下从-45°方向进入,信噪比SNR=10dB。首先验证基于MVDR算法的函数波束形成旁瓣抑制法的有效性,手动在-20°方向设置一个干燥比为20dB的虚拟干扰源,在v=2的情况下,常规波束形成技术在-20°并没有形成凹槽,MVDR算法和本申请提供的技术方案所提出的算法在-20°均形成了零陷,本申请提供的技术方案算法形成的零陷深度比MVDR算法形成的零陷深度深-65dB以上,且本申请提供的技术方案算法所生成波束图旁瓣比传统波束形成与MVDR波束形成所生成的波束旁瓣低。
不同v值情况下本申请提供的技术方案所提出算法的零陷性能仿真对比可知在v=2和v=4的情况下都形成了零陷,v=4情况下零陷深度远远深于v=2时,且旁瓣高度更低,主瓣宽度更窄。该仿真也验证了随着v值的增大,图像分辨率越来越高这一结论。
在上述v=2的仿真实验的基础上设置一个干扰在10000Hz频率下从45°方向进入,波束图在-45度与45度方向均产生了较高的波束,由干扰所产生的较高波束所在区间约为[35°,55°]。为了验证本申请提供的技术方案提出算法对干扰抑制的有效性,在上述实验的基础上在[35°,55°]区间手动放置21个干燥比为20dB的虚拟干扰源进行零陷展宽,常规波束形成仍然会受到干扰的影响,在[35°,55°]区间并未形成零陷。MVDR波束形成与本申请提供的技术方案算法均在[35°,55°]区间形成零陷展宽,MVDR算法产生的零陷展宽深度约为-60dB,本申请提供的技术方案算法所产生的零陷展宽深度约为-120dB。可见,本申请提供的技术方案所提出的算法与MVDR算法对干扰抑制均有较好的效果,本申请提供的技术方案算法形成的零陷深度较深,且主瓣宽度更窄,旁瓣高度更低,成像分辨率更佳。通过以上仿真可知,基于MVDR算法的函数波束形成在进行零陷展宽时可以使干扰所在区域有效的展宽零陷,且零陷深度相比其他算法更深,波束图的成像效果更佳,在大角度零陷展宽时仍然具有较好的波束形成性能。
本申请提供的技术方案提出了一种基于MVDR算法的函数波束形成算法,并结合零陷展宽技术对干扰进行有效抑制,进而加深了零陷深度,解决了现有算法在进行零陷展宽过程中存在的零陷深度变浅,旁瓣升高等问题。本申请提供的技术方案通过在干扰区域手动添加虚拟干扰源进行仿真实验,验证了本申请提供的技术方案所提出算法能够在有效抑制干扰的同时降低旁瓣高度,提高成像分辨率,以此提升定位精度。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的函数波束优化方法的函数波束优化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个函数波束优化装置实施例中的具体限定可以参见上文中对于函数波束优化方法的限定,在此不再赘述。
如图6所示,本申请还提供一种函数波束优化装置,装置包括:
数据获取模块200,用于获取MVDR波束形成算法对应的互谱矩阵和加权向量;
初始波束生成模块400,用于根据互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
零陷展宽模块600,用于基于初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
优化模块800,用于根据互谱矩阵以及加权向量对零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。
上述函数波束优化装置,获取MVDR波束形成算法对应的互谱矩阵和加权向量;根据互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;基于初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;根据互谱矩阵以及加权向量对零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束。整个过程中,在MVDR波束的基础上进一步改进,增加零陷展宽技术可以得到抑制噪声、且提高分辨率的函数波束。
在其中一个实施例中,数据获取模块200还用于获取初始MVDR波束中期望信号响应向量的真实值、以及MVDR波束形成算法对应的互谱矩阵;根据互谱矩阵以及期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
在其中一个实施例中,初始波束生成模块400还用于根据互谱矩阵和加权向量、且通过MVDR波束形成算法,形成初始MVDR波束。
在其中一个实施例中,求解模块400还用于获取初始MVDR波束中期望信号响应向量的真实值;根据初始MVDR波束中期望信号响应向量的真实值,获取MVDR波束形成算法对应的接收数据的协方差矩阵;将接收数据的协方差矩阵作为MVDR波束形成算法对应的互谱矩阵;根据互谱矩阵以及期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量根据互谱矩阵以及期望信号响应向量的真实值。
在其中一个实施例中,零陷展宽模块600还用于将初始MVDR波束对应的波束图方位离散化,以及标记出干扰所在区域;利用MVDR波束形成会对干扰产生零陷的特征,在干扰所在区域设置若干虚拟噪声源,以产生零陷展宽,得到零陷展宽的MVDR波束。
在其中一个实施例中,优化模块800还用于对互谱矩阵进行特征值分解,得到特征值分解后的互谱矩阵;构建函数命令,对特征值分解后的互谱矩阵求1/v次幂,得到降幂后的互谱矩阵,其中v为预设值;根据加权向量以及降幂后的互谱矩阵,得到MVDR波束形成函数;对MVDR波束形成函数乘以v次幂以复原声源分布,得到优化的函数波束。
在其中一个实施例中,v与优化的函数波束成像分辨率成正相关。
在其中一个实施例中,优化模块800还用于基于零陷展宽的MVDR波束的波束图,采用试凑法确定v的值。
在其中一个实施例中,上述函数波束优化装置还包括仿真模块,用于采用Matlab对优化的函数波束性能进行仿真验证。
上述函数波束优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种函数波束优化方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述的函数波束优化方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的函数波束优化方法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的函数波束优化方法。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种抑制干扰的函数波束优化方法,其特征在于,应用于声成像技术,所述方法包括:
获取MVDR波束形成算法对应的互谱矩阵和加权向量;
根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束;
所述根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束包括:对所述互谱矩阵进行特征值分解,得到特征值分解后的互谱矩阵;构建函数命令,对特征值分解后的互谱矩阵求1/次幂,得到降幂后的互谱矩阵,其中/>为预设值;根据所述加权向量以及所述降幂后的互谱矩阵,得到MVDR波束形成函数;对所述MVDR波束形成函数乘以/>次幂以复原声源分布,得到优化的函数波束。
2.根据权利要求1所述的方法,其特征在于,所述获取MVDR波束形成算法对应的互谱矩阵和加权向量包括:
获取初始MVDR波束中期望信号响应向量的真实值、以及MVDR波束形成算法对应的互谱矩阵;
根据所述互谱矩阵以及所述期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
3.根据权利要求1所述的方法,其特征在于,所述根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束包括:
根据所述互谱矩阵和加权向量、且通过MVDR波束形成器,形成初始MVDR波束。
4.根据权利要求1所述的方法,其特征在于,所述获取MVDR波束形成算法对应的互谱矩阵和加权向量包括:
获取初始MVDR波束中期望信号响应向量的真实值;
根据所述初始MVDR波束中期望信号响应向量的真实值,获取MVDR波束形成算法对应的接收数据的协方差矩阵;
将所述接收数据的协方差矩阵作为MVDR波束形成算法对应的互谱矩阵;
根据所述互谱矩阵以及所述期望信号响应向量的真实值,求解得到MVDR波束形成算法对应的加权向量。
5.根据权利要求1所述的方法,其特征在于,所述基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束包括:
将所述初始MVDR波束对应的波束图方位离散化,以及标记出干扰所在区域;
利用MVDR波束形成会对干扰产生零陷的特征,在所述干扰所在区域设置若干虚拟噪声源,以产生零陷展宽,得到零陷展宽的MVDR波束。
6.根据权利要求1所述的方法,其特征在于,所述与所述优化的函数波束成像分辨率成正相关。
7.根据权利要求1所述的方法,其特征在于,所述构建函数命令,对特征值分解后的互谱矩阵求1/次幂,得到降幂后的互谱矩阵之前,还包括:
基于所述零陷展宽的MVDR波束的波束图,采用试凑法确定所述的值。
8.根据权利要求1所述的方法,其特征在于,所述根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束之后,还包括:
采用Matlab对所述优化的函数波束性能进行仿真验证。
9.一种抑制干扰的函数波束优化装置,其特征在于,应用于声成像技术,所述装置包括:
数据获取模块,用于获取MVDR波束形成算法对应的互谱矩阵和加权向量;
初始波束生成模块,用于根据所述互谱矩阵和加权向量,采用MVDR波束形成算法形成初始MVDR波束;
零陷展宽模块,用于基于所述初始MVDR波束对干扰所在区域进行零陷展宽,得到零陷展宽的MVDR波束;
优化模块,用于根据所述互谱矩阵以及所述加权向量对所述零陷展宽的MVDR波束进行函数波束形成处理,得到优化的函数波束;
所述优化模块还用于对所述互谱矩阵进行特征值分解,得到特征值分解后的互谱矩阵;构建函数命令,对特征值分解后的互谱矩阵求1/次幂,得到降幂后的互谱矩阵,其中/>为预设值;根据所述加权向量以及所述降幂后的互谱矩阵,得到MVDR波束形成函数;对所述MVDR波束形成函数乘以/>次幂以复原声源分布,得到优化的函数波束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310549370.XA CN116301195B (zh) | 2023-05-16 | 2023-05-16 | 函数波束优化方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310549370.XA CN116301195B (zh) | 2023-05-16 | 2023-05-16 | 函数波束优化方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116301195A CN116301195A (zh) | 2023-06-23 |
CN116301195B true CN116301195B (zh) | 2023-09-05 |
Family
ID=86799927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310549370.XA Active CN116301195B (zh) | 2023-05-16 | 2023-05-16 | 函数波束优化方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116301195B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117496997B (zh) * | 2023-12-27 | 2024-04-05 | 湘江实验室 | 基于惩罚机制的声源检测方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1919251A1 (en) * | 2006-10-30 | 2008-05-07 | Mitel Networks Corporation | Beamforming weights conditioning for efficient implementations of broadband beamformers |
CN105182302A (zh) * | 2015-10-15 | 2015-12-23 | 哈尔滨工程大学 | 一种抗快速运动干扰稳健零陷展宽波束形成方法 |
US9559417B1 (en) * | 2010-10-29 | 2017-01-31 | The Boeing Company | Signal processing |
CN114091328A (zh) * | 2021-11-11 | 2022-02-25 | 中国船舶重工集团公司第七一五研究所 | 加窗二维解卷多波束功率谱估计算法 |
CN115426023A (zh) * | 2022-08-31 | 2022-12-02 | 重庆邮电大学 | 基于区域响应抑制和矩阵扩展的均匀面阵波束形成零陷展宽方法 |
CN115967424A (zh) * | 2022-11-23 | 2023-04-14 | 国家无线电监测中心 | 波束形成方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10015588B1 (en) * | 2016-12-20 | 2018-07-03 | Verizon Patent And Licensing Inc. | Beamforming optimization for receiving audio signals |
EP3833043B1 (en) * | 2019-12-03 | 2022-10-19 | Oticon A/s | A hearing system comprising a personalized beamformer |
-
2023
- 2023-05-16 CN CN202310549370.XA patent/CN116301195B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1919251A1 (en) * | 2006-10-30 | 2008-05-07 | Mitel Networks Corporation | Beamforming weights conditioning for efficient implementations of broadband beamformers |
US9559417B1 (en) * | 2010-10-29 | 2017-01-31 | The Boeing Company | Signal processing |
CN105182302A (zh) * | 2015-10-15 | 2015-12-23 | 哈尔滨工程大学 | 一种抗快速运动干扰稳健零陷展宽波束形成方法 |
CN114091328A (zh) * | 2021-11-11 | 2022-02-25 | 中国船舶重工集团公司第七一五研究所 | 加窗二维解卷多波束功率谱估计算法 |
CN115426023A (zh) * | 2022-08-31 | 2022-12-02 | 重庆邮电大学 | 基于区域响应抑制和矩阵扩展的均匀面阵波束形成零陷展宽方法 |
CN115967424A (zh) * | 2022-11-23 | 2023-04-14 | 国家无线电监测中心 | 波束形成方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
李笑添.数字多波束抗干扰零陷展宽技术的研究与实现.中国优秀硕士学位论文全文数据库.2021,(第06期),第3-4章. * |
Also Published As
Publication number | Publication date |
---|---|
CN116301195A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vorobyov et al. | Robust adaptive beamforming using worst-case performance optimization: A solution to the signal mismatch problem | |
Jia et al. | Robust adaptive beamforming based on a new steering vector estimation algorithm | |
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 | |
CN116301195B (zh) | 函数波束优化方法与装置 | |
Hossain et al. | Efficient robust broadband antenna array processor in the presence of look direction errors | |
Huang et al. | Two-stage decoupled DOA estimation based on real spherical harmonics for spherical arrays | |
Zhang et al. | Robust beamforming for coherent signals based on the spatial-smoothing technique | |
CN109343003B (zh) | 一种快速迭代收缩波束形成声源识别方法 | |
CN108872930B (zh) | 扩展孔径二维联合对角化doa估计方法 | |
Mu et al. | Robust MVDR beamforming based on covariance matrix reconstruction | |
US20090052689A1 (en) | Deconvolution Methods and Systems for the Mapping of Acoustic Sources from Phased Microphone Arrays | |
Zhang et al. | Sidelobe suppression for adaptive beamforming with sparse constraint on beam pattern | |
CN111812581A (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
Luo et al. | Mainlobe anti-jamming via eigen-projection processing and covariance matrix reconstruction | |
Rahmani et al. | Robust and rapid converging adaptive beamforming via a subspace method for the signal‐plus‐interferences covariance matrix estimation | |
CN113673419A (zh) | 适用于强干扰环境的波束域快速稀疏贝叶斯方位估计方法 | |
Ravetta et al. | Noise source localization and optimization of phased-array results | |
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 | |
Yang et al. | Robust adaptive beamforming for uniform linear arrays with sensor gain and phase uncertainties | |
Yang et al. | Robust adaptive beamforming against array calibration errors | |
Rahmani et al. | Two layers beamforming robust against direction‐of‐arrival mismatch | |
CN114184999B (zh) | 一种互耦小孔径阵列的生成式模型处理方法 | |
Chen et al. | Robust adaptive beamforming using a low-complexity steering vector estimation and covariance matrix reconstruction algorithm | |
CN114488027A (zh) | 一种共形阵天线的波束调零展宽方法 | |
Li et al. | An effective technique for enhancing anti-interference performance of adaptive virtual antenna 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 |