基于失真度评估的时变聚焦多波束形成算法
频域宽带波束形成器优化设计
频域宽带波束形成器优化设计胡谨贤;张英波【摘要】将常规频域宽带波束形成运用到电子战侦察系统存在一个问题:分块DFT 处理会造成时域输出波形在块衔接处产生周期性失真,影响系统对信号时域参数的检测.为解决上述问题,在分析失真产生原因的基础上提出采用交叠DFT处理对传统方案予以改进,该方法首先对预处理数据进行交叠分段,再完成DFT运算及后续窄带处理.最后的仿真通过对比改进前后方案时域输出波形的保真度,验证改进后方法能有效缓解时域输出波形失真对系统的影响,并为工程实现提供了依据.%There exists a problem in the application of the conventional frequency-domain broadband beamforming in electronic warfare reconnaissance systems: the periodic distortion of time-domain output waveform occurs in block cohesion due to block DFT processing,which has an impact on signal time-domain parameters detection. To solve the above-mentioned problem, the overlapped DFT method is adopted for the improvement of the conventional scheme based on the analysis of the causes of the distortion in this paper. The proposed method is to carry out overlapped subsection for the pretreatment data, and then perform DFT operation and narrow-band processing. Finally, the simulation results are given to compare fidelity of time-domain output waveform produced by two methods. The results indicate that the improved scheme minimizes time-domain output waveform distortion effectively and provides the basis for the engineering application.【期刊名称】《现代电子技术》【年(卷),期】2012(035)015【总页数】4页(P15-18)【关键词】电子战;频域波束形成;周期性失真;交叠DFT【作者】胡谨贤;张英波【作者单位】江苏科技大学电子信息学院,江苏镇江212003;中船重工集团723研究所,江苏扬州 225001;中船重工集团723研究所,江苏扬州 225001【正文语种】中文【中图分类】TN97-340 引言随着电子技术的飞速发展和电磁信号环境的不断变化，新体制的电子战设备不断涌现，其中基于相控阵天线的电子战系统已经成为发展主流[1]。
数字多波束形成与波束跟踪算法研究的开题报告
数字多波束形成与波束跟踪算法研究的开题报告一、研究背景及意义数字多波束形成技术是指利用数学算法和数字信号处理技术在接收天线阵列上实现组合波束形成，从而提高雷达、通信等系统的性能。
该技术可以在空域和角度域上对目标进行定位和跟踪，大大提高系统的探测与定位准确性。
因此，数字多波束形成技术在军事、民用、医疗等领域有着广泛的应用前景。
波束跟踪算法是数字多波束形成技术的重要组成部分，其准确性和效率对系统性能有着决定性的影响。
二、研究目标和内容本研究旨在深入探究数字多波束形成与波束跟踪算法，具体研究内容如下：1. 数字多波束形成技术的基本原理及其在信号处理中的应用；2. 波束跟踪算法的原理及分类；3. 基于数字多波束形成技术的波束跟踪算法设计，包括基于卡尔曼滤波的波束跟踪算法、最大似然估计法等；4. 算法仿真与实验验证。
三、研究方法本研究主要采用理论分析、数学建模、仿真模拟和实验验证等方法，具体如下：1.通过文献调研和学习，掌握数字多波束形成和波束跟踪的基本理论和方法；2. 依据问题进行建模，分析数字多波束形成信号的特性，并结合实际情况，构建数学模型；3. 采取MATLAB等工具进行仿真模拟实验，验证算法的有效性和性能；4. 借助实验平台进行实验验证，如利用MATLAB Simulink和DSP实验室进行数字多波束形成技术的实验。
四、预期成果1.对数字多波束形成和波束跟踪算法的理论和方法有较为深入的了解，能够灵活应用其基本原理解决实际问题；2.设计出基于数字多波束形成技术的波束跟踪算法，掌握相应算法的表达和实现方法；3.实现算法仿真和实验验证，展示模型的优越性和有效性，为后续相关应用提供了可靠的基础数据。
五、研究进度安排本研究计划用一年时间完成，进度安排如下：1. 第1-2个月：调查研究该领域相关的文献资料，了解数字多波束形成和波束跟踪算法的基本原理和研究热点；2.第3-4个月：对数字多波束形成技术进行数学建模，并探讨其在信号处理中的应用；3. 第5-7个月：设计基于数字多波束形成技术的波束跟踪算法，并进行算法仿真实验；4. 第8-10个月：实证研究算法有效性，利用MATLAB和DSP等实验平台进行数字多波束形成技术的实验；5.第11-12个月：撰写毕业论文，准备答辩。
电波传播中的多径干扰抑制技术
电波传播中的多径干扰抑制技术在我们的日常生活中，无论是通过手机进行通话、使用无线网络浏览网页，还是收看电视节目，都离不开电波的传输。
然而，在电波传播的过程中，往往会受到多径干扰的影响，从而导致信号质量下降、通信中断等问题。
为了保障通信的可靠性和稳定性，研究和应用多径干扰抑制技术就显得尤为重要。
首先，让我们来了解一下什么是多径干扰。
当电波从发射端发出后，会通过不同的路径到达接收端。
这些路径可能包括直射、反射、折射等，从而形成多个具有不同时延和幅度的信号分量。
这些信号分量在接收端相互叠加，就会造成多径干扰。
这种干扰会使接收信号产生失真、衰落和码间串扰，严重影响通信质量。
为了抑制多径干扰，一种常见的技术是分集接收。
分集接收的基本思想是通过多个独立的接收分支来接收信号，并对这些分支的信号进行合并处理。
常见的分集方式有空间分集、频率分集和时间分集。
空间分集是利用多个天线在不同的空间位置接收信号；频率分集则是在不同的频率上发送相同的信息；时间分集是在不同的时间间隔发送相同的信号。
通过这些分集方式，可以有效地降低多径衰落的影响，提高接收信号的可靠性。
均衡技术也是抑制多径干扰的重要手段之一。
均衡的目的是补偿信道的频率选择性衰落，消除码间串扰。
常见的均衡技术有线性均衡和非线性均衡。
线性均衡器结构简单，但在信道特性较差时性能有限；非线性均衡器，如判决反馈均衡器，能够更好地适应复杂的信道环境，但计算复杂度较高。
在实际应用中，需要根据具体的系统要求和信道条件选择合适的均衡技术。
智能天线技术在多径干扰抑制中也发挥着重要作用。
智能天线可以通过调整天线阵列的加权系数，形成特定的波束方向图，从而增强有用信号，抑制干扰信号。
通过对信号到达方向的估计和波束形成算法的应用，智能天线能够有效地减少多径干扰的影响，提高系统的容量和性能。
此外，编码技术也可以用于对抗多径干扰。
纠错编码，如卷积码、Turbo 码等，可以在接收端通过纠错译码来纠正由于多径干扰引起的错误。
基于时频分析的深度学习调制识别算法
在通信系统中,通常用不同的调制方法来调制发送的信号,以进行有效的数据传输。
调制识别是信号检测和信号解调之间的中间过程[1],自动调制识别(Automatic Modulation Recog⁃nition ,AMR )可以识别出信号的调制信息,在实际的民用和军事应用中发挥关键作用,如认知无线电、信号识别和频谱监控[2]。
通常AMR 算法可分为两类:基于似然的方法和基于特征的方法。
基于似然的方法使用概率论、假设检验理论和适当的决策准则来解决调制识别问题[3],但其计算十分复杂;而基于特征的方法则对调制信号进行特征提取和分类,其识别性能与提取的特征数量有关。
调制信号的瞬时幅度、相位和频率等各种统计特征已用于对调制方式的识别,如循环平稳特性和高阶统计[4-5]。
现有基于特征的分类器包括决策树算法和机器学习算法,如朴素贝叶斯和人工神经网络。
近年来,作为一种强大的机器学习方法的深度学习在图像分类和语音识别等方面取得了巨大的成功。
基于深度学习的方法级联多层非线性处理单元对输入数据自动优化提取特征,以最大程度地减少分类错误。
深度学习方法也已应用于调制识别[6-7]。
文献[8]论述了在无线电信号处理中的深度学习新兴应用,并使用GNU Ra⁃dio 软件生成了具有同相(in-phase ,I )和正交(quadrature ,Q )分量的调制信号的开放数据集,从而进行调制识别;文献[9]在开源数据集上应用CNN 网络结构进行识别,相对于基于循环特征的识别算法,识别性能更优;文献[10]提出使用基于CNN 、起始网络(inception network )、卷积长短时记忆全连接网络(ConVoluional ,Long Short -Term Memory ,Fully Connected Deep Neural Network ,CLDNN )和残差神经网络(ResidualNetwork ,ResNet )对调制信号数据集进行识别同时对各自识别性能进行比较;文献[11]提出将调制信号的同相、正交分量以及四阶高阶累积量一起组成数据集来提升调制识别性能。
波束形成基础原理总结
波束赋形算法研究包括以下几个方面:1.常规的波束赋形算法研究。
即研究如何加强感兴趣信号,提高信道处理增益,研究的是一般的波束赋形问题。
2.鲁棒性波束赋形算法研究。
研究在智能天线阵列非理想情况下,即当阵元存在位置偏差、角度估计误差、各阵元到达基带通路的不一致性、天线校准误差等情况下,如何保证智能天线波束赋形算法的有效性问题。
3.零陷算法研究。
研究在恶劣的通信环境下,即当存在强干扰情况下,如何保证对感兴趣信号增益不变,而在强干扰源方向形成零陷,从而消除干扰,达到有效地估计出感兴趣信号的目的。
阵列天线基本概念（见《基站天线波束赋形及其应用研究_白晓平》）阵列天线（又称天线阵）是由若干离散的具有不同的振幅和相位的辐射单元按一定规律排列并相互连接在一起构成的天线系统。
利用电磁波的干扰与叠加，阵列天线可以加强在所需方向的辐射信号，并减少在非期望方向的电磁波干扰，因此它具有较强的辐射方向性。
组成天线阵的辐射单元称为天线元或阵元。
相邻天线元间的距离称为阵间距。
按照天线元的排列方式，天线阵可分为直线阵，平面阵和立体阵。
阵列天线的方向性理论主要包括阵列方向性分析和阵列方向性综合。
前者是指在已知阵元排列方式、阵元数目、阵间距、阵元电流的幅度、相位分布的情况下分析得出天线阵方向性的过程；后者是指定预期的阵列方向图，通过算法寻求对应于该方向图的阵元个数、阵间距、阵元电流分布规律等。
对于无源阵，一般来说分析和综合是可逆的。
阵列天线分析方法天线的远区场特性是通常所说的天线辐射特性。
天线的近、远区场的划分比较复杂，一般而言，以场源为中心，在三个波长范围内的区域，通常称为近区场，也可称为感应场；在以场源为中心，半径为三个波长之外的空间范围称为远区场，也可称为辐射场。
因此，在分析天线辐射特性时观察点距离应远大于天线总尺寸及三倍的工作波长。
阵列天线的辐射特性取决于阵元因素和阵列因素。
阵元因素包括阵元的激励电流幅度相位、电压驻波比、增益、方向图、极化方式，阵列因素主要包括阵元数目、阵元排列方式、阵元间距。
基于时间反转的目标聚焦及探测方法研究
基于时间反转的目标聚焦及探测方法研究摘要：时间反转技术是一种基于相干波理论的成像方法，通过记录发射与接收的波形数据，并利用倒时差和多普勒效应，可以实现对目标的高分辨聚焦与探测。
本文将对基于时间反转的目标聚焦及探测方法进行研究，并探讨其在雷达和声纳等领域的应用。
1.引言时间反转技术是一种新兴的成像方法，其基本原理是通过利用发射与接收的波形数据，实现对目标的聚焦与探测。
相比传统的成像方法，时间反转技术具有更高的分辨率和更好的鲁棒性，因此在雷达、声纳等领域具有广泛的应用前景。
2.基于时间反转的目标聚焦方法基于时间反转的目标聚焦方法主要包括以下几个步骤：首先，收集发射与接收的波形数据，并进行预处理；然后，利用倒时差和多普勒效应，计算目标的位置和速度信息；最后，通过聚焦算法将目标的散射信号集中到一个点上，实现目标的高分辨聚焦。
2.1波形数据的收集和预处理在实施时间反转的目标聚焦方法之前，首先需要收集发射与接收的波形数据。
波形数据的采集可以通过雷达或声纳等设备实现，关键是要保证波形数据具有一定的信噪比。
之后，对波形数据进行预处理，包括去除噪声、去除多径干扰等步骤，以提高目标聚焦的效果。
2.2倒时差和多普勒效应的计算利用倒时差和多普勒效应，可以计算出目标的位置和速度信息。
具体而言，倒时差可以通过比较发射和接收波形数据的到达时间差来计算，而多普勒效应可以通过比较发射和接收波形数据的频率差来计算。
通过这些计算，可以得到目标的空间和速度信息，为下一步的聚焦提供基础。
2.3目标聚焦算法目标聚焦算法是时间反转技术的核心步骤，其目的是将目标的散射信号集中到一个点上，实现高分辨聚焦。
目标聚焦算法可以分为时域聚焦算法和频域聚焦算法两种类型。
时域聚焦算法包括超分辨率算法和相干积累算法等，而频域聚焦算法包括动态扩展聚焦算法和紧束缚等方法。
3.基于时间反转的目标探测方法除了目标聚焦方法，时间反转技术还可以用于目标的探测。
基于时间反转的目标探测方法主要包括以下几个步骤：首先，收集发射与接收的波形数据，并进行预处理；然后，利用倒时差和多普勒效应，计算目标的位置和速度信息；最后，通过探测算法识别出目标并进行定位。
mvdr波束形成算法
mvdr波束形成算法MVDR波束形成算法全称为最小方差无偏估计（Minimum Variance Distortionless Response），也被称为逆滤波器法（Inverse Filtering）。
该算法是一种基于自适应滤波的波束形成技术，可以用于抑制干扰并提高信噪比。
在信号处理中，MVDR波束形成算法是基于传感器阵列收集到的多个输入信号进行处理和滤波，其目标是得到一个合成信号，使得该合成信号的信噪比尽可能高，同时抑制干扰的影响。
具体实现方法是通过自适应滤波器不断地调整各传感器的权重系数，使得输出信号的方差最小，从而达到抑制干扰的目的。
MVDR波束形成算法的主要优点是可以针对复杂的信号环境进行处理，并能够有效地抑制强干扰的影响，提高接收信号的质量和精度。
同时该算法还可以灵活地适应不同的信号类型，具有较好的通用性和适用性。
MVDR波束形成算法的主要步骤包括：确定阵列几何结构，计算协方差矩阵，根据所选目标函数构造约束条件，最小化方差估计，以获取最佳波束形成滤波器。
总之，MVDR波束形成算法是一种常用的自适应波束形成技术，可以用于抑制干扰和提高信噪比，在语音识别、雷达图像处理等领域有着广泛的应用。
MVDR波束形成算法的公式如下：先定义d(θ)为到达角为θ的信号入射方向与阵列垂线之间的夹角，s(n)为阵列接收到的输入信号向量，w(n)为自适应滤波器系数向量，x(n)为合成信号向量，则可得到以下公式：其中，HH表示共轭转置。
MVDR波束形成算法的目标是最小化输出信号的方差，即：其中，E[\cdot]E[⋅]表示期望操作。
进一步地，我们可以引入约束条件来保证信号不失真，即：由此，可以得到MVDR波束形成算法的优化问题表达式为：通过求解该优化问题，可以得到最佳的自适应滤波器系数向量w(n)w(n)，从而实现MVDR波束形成的功能。
波束形成算法原理
波束形成算法（Beamforming），是一种用于改善通信、雷达、声音等传感系统的算法。
波束形成通过合成波束的相位和幅度，将信号聚焦到特定的方向上，从而增强信号的接收或发送效果。
波束形成算法原理的关键在于波束。
波束是由多个波源或接受器所发送或接收的同相位、同方向、相干的波的叠加形成的空间能量聚焦区域。
波束形成算法通过合成相位和幅度，使得波束能够在特定的方向上聚焦，从而增强信号的强度和质量。
波束形成算法可以分为线性波束形成和非线性波束形成两种主要类型。
线性波束形成通常基于阵列信号处理技术，其中，阵列中的每个传感器都贡献一个权重和相位延迟，用于控制信号的接收或发送方向。
最常见的线性波束形成算法是波达波束形成算法（Delay-and-Sum Beamforming）。
波达波束形成算法通过对每个传感器的接收或发送信号进行延迟补偿和加权，使得波束在特定方向上相干叠加，从而增强目标信号。
非线性波束形成算法主要包括最大似然估计（Maximum Likelihood）和最小方差无失真响应（Minimum Variance Distortionless Response，MVDR）等算法。
最大似然估计算法通过最小化似然函数，寻找最可能的声源方向，从而实现波束聚焦。
最小方差无失真响应算法通过最小化输出误差的方差，优化权重和相位的选择，从而实现波束聚焦。
对于语音信号的波束形成，还可以利用混响对抗训练（Reverberation-Robust Training）来提高性能。
该方法通过在训练阶段引入模拟混响，使得波束形成算法能够更好地应对实际环境中的回声干扰。
波束形成算法在通信、雷达、声学等领域有着广泛的应用。
在通信系统中，波束形成可以提高信号的抗干扰能力和覆盖范围，从而增强通信质量。
在雷达系统中，波束形成可以提高目标检测和跟踪的准确性和灵敏度。
在声学领域，波束形成可以用于语音增强和声源定位，提高语音信号的质量和定位的准确性。
基于波束形成的声源定位算法
基于波束形成的声源定位算法
首先，波束形成是一种空间滤波技术，它利用传感器阵列上的多个传感器来合成一个指向特定方向的响应模式。
通过对每个传感器接收到的信号进行加权和相位调节，可以实现对特定方向的信号增强，从而抑制其他方向的干扰信号。
这种波束形成的技术可以有效地提高信噪比，从而有利于声源定位的精确性。
其次，声源定位算法通常基于波束形成原理，利用阵列接收到的信号进行空间谱估计。
通过对接收到的信号进行时频分析，可以得到声源在空间上的方向信息。
常用的算法包括波束形成算法、最小方差无失真响应（MVDR）算法、音频相关算法等。
这些算法可以利用阵列接收到的信号的相位和幅度信息，结合声源信号的传播特性，来估计声源在空间中的方向。
另外，波束形成的声源定位算法还可以结合定位误差分析和校正方法，以提高定位的准确性。
通过对传感器阵列的几何结构、声源信号的特性以及环境因素进行建模，可以对定位误差进行分析，并设计相应的校正方法来提高定位的准确性和稳定性。
总的来说，基于波束形成的声源定位算法是一种利用阵列信号
处理技术来实现声源定位的方法。
它通过对传感器阵列接收到的信
号进行空间滤波和谱估计，可以实现对声源方向的准确估计。
同时，结合定位误差分析和校正方法，可以进一步提高声源定位的准确性
和稳定性。
这种算法在声学信号处理、通信系统和无线定位等领域
有着广泛的应用前景。
几种方位估计算法的性能比较
几种波达方向估计算法的性能比较叶青华黄海宁何心怡张春华综合声纳技术实验室摘要本文讨论了几种可用于宽带信号的波达方向估计算法，包括延时—相加波束形成、延时—方差方位估计、基于Frost算法的自适应波束形成、基于MVDR的宽带高分辨波束形成，并且用湖试数据比较了它们的方位分辨性能。
关键词波束形成自适应MVDR1 引言波束形成是声纳信号处理的主要方法之一，它是水听器基阵在空间上抗噪声和混响的一种处理过程，一方面可以获得足够大的信噪比，另一方面也是为了获得高精度的波达方向（DOA）估计。
在实际的海洋环境中，不可避免地会存在各种干扰，如本舰的辐射噪声，近场的其他船只等，使得常规波束形成的效果不够理想。
其主要原因在于常规波束形成只是一个预形成波束系统，当它处在各向同性、均匀噪声场时，可能具有很好的检测能力，而一旦出现近场干扰或背景噪声的非平稳波动，其检测能力会迅速下降，直至完全失去检测力。
本文讨论几种分辨能力更好的波束形成方法，并且用湖试数据比较其性能。
2 几种波达方向估计算法2.1 时域波束形成最常用的一类波束形成器是延时—相加波束形成器[1]，不同阵元输出信号采取延时后相加的处理方式。
在单目标的情况下，当波束形成器对准目标时波束输出的平均功率最大。
延时—相加波束形成器的主要缺点是没有对干扰采取预先措施。
如果将延时—相加结构改成延时—方差结构，即各阵元输出信号延时后求方差，则将得到一种延时—方差方位估计器。
在单目标的情况下，当波束形成器对准目标时输出的方差数值最小（若求方差倒数则最大）。
延时—方差方位估计器有着和延时—相加波束形成器相同的稳健性能，并且具有更高的方位分辨力。
2.2 基于Frost算法的自适应波束形成线性约束自适应波束形成——Frost算法不需要预先知道期望信号的特性，只与信号的方位有关[2,3]。
当波束形成器在全景空间扫描时，就能获得比常规波束形成高的目标分辨力。
图1是Frost自适应波束形成器算法框图。
波束域music算法-概述说明以及解释
波束域music算法-概述说明以及解释1.引言1.1 概述概述波束域MUSIC算法是一种基于波束形成理论的信号处理算法，能够用于对多传感器阵列接收的信号进行方向估计和谱分析。
该算法的基本思想是通过对接收到的信号进行空间谱分析，实现对信号源的定位和分离。
相比传统的MUSIC算法，波束域MUSIC算法通过将接收信号投影到合适的波束域中，能够进一步提升方向估计的性能和精确度。
在波束域MUSIC算法中，首先需要对接收到的信号进行预处理，包括去除噪声、信号补偿等步骤。
然后，通过对预处理后的信号进行傅里叶变换，得到频域的信号数据。
接下来，将频域信号数据投影到波束域中，得到波束域权重矩阵。
通过对波束域权重矩阵进行特征值分解，可以得到信号源的方向估计结果。
波束域MUSIC算法已经在许多领域得到广泛应用，特别是在无线通信、雷达和声音处理等领域。
在无线通信中，波束域MUSIC算法可以实现对多路径信号的分离和定位，从而提升通信质量和信号传输速率。
在雷达领域，波束域MUSIC算法可以用于目标检测和跟踪，提高雷达系统的性能和灵敏度。
在声音处理中，波束域MUSIC算法可以实现语音信号的降噪和分离，提供清晰的音频效果。
总之，波束域MUSIC算法是一种强大的信号处理算法，具有较高的方向估计性能和灵活性。
随着无线通信和雷达技术的快速发展，波束域MUSIC算法在各个领域的应用前景非常广阔。
然而，目前该算法仍存在一些局限性，如对信号源数目和信号强度的限制等。
未来的研究可以进一步探索改进波束域MUSIC算法的方法，以提升其性能和适用范围。
文章结构是指文章整体的框架和组织方式，它有助于读者系统地理解和理解文章的主旨和内容。
本文的结构如下：1. 引言1.1 概述引言部分将介绍本文所讨论的主题——"波束域music算法"，包括其基本概念和背景信息。
同时，也会提到该算法在实际应用中的重要性和研究意义。
1.2 文章结构文章结构部分将详细说明本文的组织结构和各章节的内容简介，以帮助读者快速了解全文的组成和主题展开。
基于多尺度特征融合网络的多聚焦图像融合技术
基于多尺度特征融合网络的多聚焦图像融合技术作者：吕晶晶张荣福来源：《光学仪器》2021年第05期摘要：多聚焦圖像融合技术是为了突破传统相机景深的限制，将焦点不同的多幅图像合成一幅全聚焦图像，以获得更加全面的信息。
以往基于空间域和基于变换域的方法，需要手动进行活动水平的测量和融合规则的设计，较为复杂。
所提出的方法与传统的神经网络相比增加了提取浅层特征信息的部分，提高了分类准确率。
将源图像输入训练好的多尺度特征网络中获得初始焦点图，然后对焦点图进行后处理，最后使用逐像素加权平均规则获得全聚焦融合图像。
实验结果表明，本文方法融合而成的全聚焦图像清晰度高，保有细节丰富且失真度小，主、客观评价结果均优于其他方法。
关键词：多聚焦图像融合;卷积神经网络;多尺度特征中图分类号：TP 183文献标志码：AMulti-focus image fusion technology based on multi-scale feature fusion networkLU Jingjing，ZHANG Rongfu（School of Optoelectronic Information and Computer Engineering，University of Shanghai for Science and Technology，Shanghai 200093，China）Abstract：The multi-focus image fusion technology is to break through the limitation of the traditional camera's depth of field and combine multiple images with different focal points into a full-focus image to obtain more comprehensive information. In the past，methods based on the spatial domain and the transform domain required manual activity level measurement and fusion rule design，which was more complicated. Compared with the traditional neural network，the method proposed in this paper increases the part of extracting shallow feature information and improves the classification accuracy. The source image is input into the trained multi-scale feature network to obtain the initial focus map. Then，the focus map is post-processed. Finally ，the pixel- by-pixel weighted average rule is used to obtain the all-focus fusion image. The experimental results show that the all-focus image fused by the method in this paper has high definition，richdetails，and low distortion，the subjective and objective evaluation results are better than those of other methods for comparison.Keywords：multi-focus image fusion;convolutional neural network;multi-scale features 引言图像融合技术是指将多张图像中的重要信息组合到一张图像中，比单一源图像具有更丰富的细节[1]。
GPS自适应天线阵多波束形成算法分析
关 键 词 ：通 信技 术 ；自适 应 阵列 ；波 束形 成 ；功 率倒 置 ；最小 方差 无 失真 响 应 ；解 耦最 大似
然 ；到 达 角 中 图 分 类 号 ： Ｎ １ ． Ｔ ９ １４ 文献标 志码 ： Ａ 文 章 编 号 ： ０ ０１ ９ （ ｏ ｏ １ ・６ ６０ １ ０ — ３ ２ ｌ ） ２ １８ －５ ０
摘要 ： Ｐ Ｇ Ｓ天 线 阵列接收抗 干扰 技术 多采用 Ｐ Ｉ自适 应调 零 算 法 ， 但其 自由度 有 限， 基 于卫 而 星 Ｄ Ａ估计 的波束形 成技 术又敏感 于到达 角 的估计 性 能。本 文提 出基 于 Ｄ ＭＬ的卫 星到 达角 估 Ｏ Ｅ
计结 合 多波 束形成抗 干扰 技术 ， Ｄ Ａ估 计性 能稳健性 高 、 算量小 。分析 了 Ｐ 其 Ｏ 计 Ｉ自适 应零 陷技 术 和 Ｍ Ｄ 多波束 形成技 术 的接 收机结 构 、 法。仿真 结果表 明 了多波束 形成 方法 的有 效 性和 稳健 Ｖ Ｒ 算
ｐ ｒｏ ｍ ａ ｃ ｆＤＯＡ ｓｉ ｔｒｉ ｏ ｓ ｎ ａ ｅ ｓ ｃ ｍ ｐ ｔｔｏ ｅ ｆｒ ｎ ｅ ｏ ｅ ｔｍａ ｏ ｓ ｒｂｕ ｔａ ｄ ｈ ｓｌ ｓ ｏ ｕ ａｉｎ．Ｔｈ ｅ ｅｖ ｒｓｒ ｔ ｒ ｎ ｌｏ ｉ ｍ ｆ ｅ ｒ ｃ ｉｅ ｔｕｃｕ ｅ ａ ｄ ａ ｇ ｒｔ ｈ ｏ
ｓ ｏ ｓ ＭＶＤＲ）ｉ ａ ａｙ ｅ ｐ ｎ ｅ（ ｓ ｎ ｌｚｄ，ｃ ｍｐ ｔｒｓｍｕａｉｎ ｃ ｎｉ ｈ ｖ ｉ ｂｌｙ ａ ｄｒｂ ｓ ｅ ｓｏ ｅ ｍｕｔ ｏ ｕｅ ｉ ｌｔ ｏ ｆ ｍｓｔｅａ ａｌ ｉｔ ｎ ｏ ｕ ｔ ｓ ｆｔ ｌ ・ ｏ ｒ ａ ｉ ｎ ｈ ｉ
包 括 自适 应滤 波技术 、 阵列 天 线 技术 以及 导 航 信号
处 理技术等 。 自适 应滤 波技术 能够有 效地去 除窄带 干扰（ 相对 Ｇ Ｓ信 号 ） 但难 以应 对 宽 带 干扰 ； 括 Ｐ ， 包 Ｉ Ｓ辅 助技术在 内的导 航信 号处 理 能够 克服 一定 的 Ｎ
第四章 近场宽带波束形成
第四章近场宽带波束形成4.1 引言在上一章中详细介绍了近场窄带波束形成理论。
在实际的应用中由于宽带信号具有携带的目标信息量大、混响北京相关性不强、易于低信噪比条件下的目标检测和参数估计等诸多优点，这使得宽带信号的出来逐渐成为了信号处理领域的一个重要研究方向和热点。
在宽带波束形成中，人们比较感兴趣的一类波束就是恒定束宽波束形成。
在这里所说的恒定束宽，就是指当宽带信号通过一个确定的几何形状和尺寸的阵列系统时，宽带信号的不同频率分量所形成的波束图在波束宽度内保持恒定不变。
这样宽带信号从波束宽度内入射时，其波束输出不存在失真，从而保证波束形成器给后续的信号处理提供无失真的信号波形。
恒定束宽设计思想的思想就是采用某种方法使得信号的不同的频率分量所形成的波束图形状与频率无关。
在本章中针对宽带阵列信号处理问题，在上一章窄带波束形成理论的基础上，深入的研究了宽带信号在频域恒定束宽近场波束形成算法。
将接收信号首先进行DFT处理得到频域信号，在对各频点信号分布进行处理，最后进行各频点信号综合。
本章首先介绍了基于远-近场补偿的宽带波束形成，这种方法只能在期望角度补偿，在其它角度不能实现控制。
针对这一缺陷提出了基于虚拟变换的近场宽带波束形成算法。
最后针对目前的近场宽带恒束宽波束形成只是频域-角度恒束宽，未考虑距离-频域恒束宽的缺陷，提出了基于窗函数法的近场二维宽带恒定束宽波束形成算法。
4.2 近场补偿4.2.1 近场补偿原理在近场波束形成方面较早提出的方法是近场聚焦波束形成，但用此方法很难控制波束形状，得到期望的波束性能。
Khalile等人提出了用于远程电信会议系统的近场补偿方法。
在混响室中测量了麦克风阵对双目标声信号的增强和对另一处干扰的抑制。
这种方法对不同的传播延迟分别进行时延补偿，是一种比较直接的方法。
但是它并不能在所有方向上得到精确的期望响应，特别是在旁瓣区域。
Kennedy 等人提出的基于半径转换的近场波束形成方法可以在所有方向上得到精确的期望近场特性,但是因为涉及到波动方程的谐波解求解问题，实际设计起来非常复杂。
基于幅度检测的多波束测深算法仿真性能分析
ｌ 本 原 理 基
１１ 底 混响 信号模 型 ．海
在 讨论测 深算 法 的原理 和性 能之 前 ，首先 需要
进行 海底 混 响信 号 的建 模 。本文 在基 于单 元散 射理
２０
吴英姿 等：基 于幅度检测的多波束测深算法仿真性能分析
度及波束角有关，Ａ Ｗ／ ２。只要找到图 ２中能量 最 大 的 区 间， 即可 求 出回波 到达 时 ，这 就是 能 量 中心 算 法 。 多波束测量系统的基阵一般是安装在船上 ，由 于载 体存 在运动 ，因此 必须对 接 收到 的数据 进行 角 度 补偿 ，一般 为横 摇补 偿 ，就 是对 所有 到达 角估 计 进 行补 偿 。 １３ 应用 起始 门与终止 门 －－ ３ 根据波束控制角、深度 、发射脉宽计算回波信 号 的波 束控 制 角 的起 始 门和终 止 门 ，而 仅保 留起 始 门和 终止 门之 内的“ 中” 如 图 ３ｂ中所示 ， 个 命 ， （） 每 脉冲 周期 内保 留下 来 的“ 中” 命 画在 一起 就 构成一 幅
２ １年 第 １期 ０ ２
声 学 与电子 工程
总 第 １５ 期 ０
基于幅度检测 的多波束测深算法 仿真性 能分析
吴英姿 姜石 王卫波
（ 尔滨工程 大学 水声技术科技重点 实验 室 ，哈 尔滨 ，１００ ） 哈 ０１ ５
摘要 研 究了三种 幅度检测算法 的理论性 能，分析 了理想条件下不 同幅度检测算法 的精度和相应 的波
影 响 ，回波信 号是 随机起 伏和 时 间展 宽的 ，因此 ，
一
般 不 能用 回波 信 号 的前 沿 或 最 大 值 来 确 定 回波
图 １海 底 单 兀 散射 模 型示 意 图
到达 时刻 。阵列接 收波束 一般 为一 个含 有最 大 响应
基于智能反射面的多组、多播联合波束赋形算法设计[发明专利]
![基于智能反射面的多组、多播联合波束赋形算法设计[发明专利]](https://img.taocdn.com/s3/m/3b6c54130622192e453610661ed9ad51f01d54fe.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010982807.5(22)申请日 2020.09.17(71)申请人 南通大学地址 226019 江苏省南通市崇川区啬园路9号(72)发明人 张国栋 李业 包志华 (74)专利代理机构 北京盛凡智荣知识产权代理有限公司 11616代理人 蔡奂(51)Int.Cl.H04B 7/06(2006.01)H04B 7/0456(2017.01)(54)发明名称基于智能反射面的多组、多播联合波束赋形算法设计(57)摘要本发明公开了一种基于智能反射面的多组、多播联合波束赋形算法设计。
特别的，在给定基站最大发射功率及IRS反射单元相位偏移的单模约束条件下，该发明致力于设计用户服务质量公平的基站发射波束及IRS反射相位偏移的联合优化策略及算法。
针对所建立的非凸、多变量分式优化问题，该发明依据分式规划理论及交替优化技术，采用广义丁克尔巴赫算法(GDA)进行转化求解。
对于GDA算法中复杂的子问题，该发明采用矩阵提升技术转化成半正定规划问题进行优化，并通过高斯随机化技术获得满足秩为1的可行解。
通过计算机仿真验证及对比，显示该发明所提方案可以显著改善网络中链路质量最差用户的接收信干噪比(SINR)。
权利要求书2页 说明书7页 附图3页CN 112073107 A 2020.12.11C N 112073107A1.基于智能反射面的多组、多播联合波束赋形算法设计，其特征在于，包括以下步骤：S1、建立如下数学优化模型：其中，W是基站的发射波束赋形矩阵，Φ是IRS的反射相位偏移矩阵；且第一个约束条件是基站最大总发射功率约束，第二个约束是IRS反射相位偏移约束；S2、通过GDA将以上问题等效转化成如下形式：通过GDA算法迭代求解该问题并不断更新τ值直至其收敛；S3、由于步骤2问题的目标函数的不平滑特性，引入辅助变量并等效转化成如下形式：由于上述优化问题变量耦合，故无法直接求解，通过交替优化技术及矩阵提升将上述问题分解成如下两个子问题分别求解并进行交替优化：其中关于W和的子优化问题：将变量进行如下矩阵提升，令得到利用矩阵提升求解如下关于基站发射波束赋形的子问题：令u＝[u1,…,u N]H，v H＝[u H,t*]，V＝vv H，其中t是辅助变量并满足|t|＝1。
GNSS测量中的多路径效应与滤波算法比较
GNSS测量中的多路径效应与滤波算法比较一、引言GNSS（全球导航卫星系统）在现代导航和定位中起着至关重要的作用。
然而，由于多种原因，比如地面反射、建筑物和其他物体的遮挡，以及大气等环境影响，多路径效应成为影响GNSS测量准确性和精度的主要问题之一。
为了解决多路径效应带来的误差问题，滤波算法被广泛应用于GNSS测量中。
本文将对GNSS测量中的多路径效应与滤波算法进行比较，并探讨它们对定位精度的影响。
二、多路径效应的影响多路径效应是指GNSS信号由于受到地面或其他物体的反射而产生的多个路径，导致信号接收机接收到原始信号之外的额外信号。
这些额外信号会与原始信号相干叠加，导致测量结果的失真和偏差。
多路径效应会影响GNSS测量的精度和可靠性，特别是在城市、山区或密集建筑物等复杂环境中。
三、传统滤波算法传统的滤波算法主要包括卡尔曼滤波和扩展卡尔曼滤波两种。
卡尔曼滤波是一种基于状态空间模型的递归滤波算法，适用于线性系统和高斯噪声。
扩展卡尔曼滤波则是对非线性系统的卡尔曼滤波的一种扩展，通过线性化并对非线性部分进行近似处理，可以用于非线性系统。
传统滤波算法在消除多路径效应方面有一定的效果，但还存在一些问题。
首先，传统滤波算法对非线性和非高斯噪声的处理能力有限，对于非线性系统和非高斯分布的噪声，其估计结果可能存在较大误差。
其次，传统滤波算法在处理大动态和高加速度情况下的性能较差，容易发生滤波器发散或者偏差过大的情况。
四、基于信号处理的滤波算法随着信号处理技术的不断发展，基于信号处理的滤波算法在GNSS测量中得到越来越广泛的应用。
这些算法主要基于自适应滤波、波束形成和波束跟踪等技术，通过对接收到的信号进行实时处理和优化，从而减少多路径效应带来的误差。
基于信号处理的滤波算法相比传统滤波算法在多路径抑制效果上更为显著。
通过合理选择滤波参数和优化算法，可以有效地抑制多路径效应，提高测量精度和可靠性。
此外，基于信号处理的滤波算法对于非线性和非高斯噪声的处理能力更强，能够适用于更多复杂的环境和实际应用场景。
fcb相位小数偏差-概述说明以及解释
fcb相位小数偏差-概述说明以及解释1.引言1.1 概述在通信系统中，时钟同步是至关重要的一项技术。
而在光传输领域中，常常会涉及到光纤中光信号的传输速率和相位的问题。
光纤通信系统中的光信号传输速率非常高，信号的相位偏差则是一个不容忽视的问题。
本文将重点探讨的是光纤通信系统中的FCB（Frequency and Clock Bias）相位小数偏差问题。
FCB是指在光纤通信系统中，由于光信号的传输速率和相位之间的微小差异，导致接收端的时钟与发送端时钟不完全同步的情况。
FCB相位小数偏差问题会对光纤通信系统的性能产生一定的影响。
首先，它可能导致传输误码率的增加，从而影响数据的可靠性。
其次，它还会导致时钟同步系统的不稳定性，进而影响整个通信系统的正常运行。
因此，研究和解决FCB相位小数偏差问题，对于提高光纤通信系统的性能和可靠性具有重要的意义。
本文将从以下几个方面展开讨论。
首先，我们将介绍FCB相位小数偏差的基本概念和原因分析。
其次，我们将探讨FCB相位小数偏差对通信系统性能的影响。
然后，我们将介绍当前国内外对于FCB相位小数偏差问题的研究现状和成果。
最后，我们将对未来的研究方向进行展望，并提出一些解决该问题的可能方法和策略。
通过对FCB相位小数偏差问题的深入研究，我们可以为光纤通信系统提供更可靠和稳定的时钟同步技术。
这将对促进通信技术的发展和应用具有重要的意义。
同时，本文的研究成果也可为相关领域的科研人员提供参考和借鉴，推动该领域的进一步研究和发展。
1.2文章结构文章结构部分的内容应该是对整篇文章的结构进行介绍和概括。
可以从以下几个方面展开：首先，介绍文章的整体结构框架。
可以提及文章的大致组成部分，如引言、正文和结论。
其次，对各个部分的内容进行简要描述。
可以依次介绍引言部分的概述、目的，正文部分的各个要点内容，以及结论部分的总结、结果分析和展望。
最后，强调整篇文章的逻辑性和连贯性。
可以指出各个部分之间的关联和衔接，以及整体框架的合理性和完整性。
基于相位中心补偿的多阵面切换波束形成方法及装置
基于相位中心补偿的多阵面切换波束形成方法及装置主要包括以下步骤：
将N个天线阵面分别间隔M度均匀分布在载体四周，其中N×M=360。
采用迟滞的方式切换阵面，即当入射信号从越过两个阵面的临界面加θ度后再切换到下一个阵面。
当判断天线阵面切换时，对导向矢量进行相位补偿。
结合生成的相位补偿后的导向矢量，计算加权值，与原信号进行加权后得到合路信号。
将该合路信号输出给基带进行处理。
这种基于相位中心补偿的多阵面切换波束形成方法及装置实现了接收波束的全空域覆盖，阵面切换时采用相位中心补偿算法，保证了全空域多阵面天线阵列之间波束形成的相位连续性。
这种装置和方法可以广泛应用于通信、雷达、导航等领域，特别是在需要全空域覆盖和快速波束切换的应用场景中具有显著的优势。
高分辨波束形成及快速算法研究的开题报告
高分辨波束形成及快速算法研究的开题报告一、课题背景随着雷达技术的发展，高分辨波束形成已成为一种重要的雷达信号处理技术。
高分辨波束形成可以将多个接收天线的接收信号加权相加，从而实现对目标的高分辨率成像和跟踪。
然而，高分辨波束形成算法的计算复杂度较高，需要大量的计算资源和较长的计算时间，因此如何提高高分辨波束形成算法的计算速度和效率成为了一个重要问题。
二、课题研究目的本课题旨在研究高分辨波束形成算法的快速计算方法和优化算法，提高算法的计算速度和效率。
通过对主要的高分辨波束形成算法进行分析和优化，研究多种加速算法，如基于硬件加速的计算方法和低复杂度可实现的算法等，从而实现快速高效的高分辨波束形成算法。
三、研究内容1.高分辨波束形成算法的理论基础和发展历程研究。
2.对主要的高分辨波束形成算法进行详细分析。
3.设计和实现基于硬件加速的高分辨波束形成算法加速计算平台。
4.研究低复杂度可实现的高分辨波束形成算法。
5.基于深度学习方法研究高分辨波束形成算法的优化策略。
四、研究意义高分辨波束形成技术已广泛应用于雷达成像、目标跟踪、通信系统等领域，它可以大幅提高雷达的探测能力和分辨率。
该课题研究的高分辨波束形成算法快速计算方法和优化算法，可以提高算法的计算速度和效率，从而在实际应用中降低计算成本、提高系统可靠性和性能，具有较高的研究实用性和应用前景。
五、研究方法本课题的研究方法主要包括理论分析、仿真验证和实验研究。
在理论分析方面，通过分析和比较不同的高分辨波束形成算法的原理和特点，探究优化算法的可行性和可行性。
在仿真验证方面，利用MATLAB等模拟软件进行模拟实验，验证研究得出的高分辨波束形成算法加速策略和优化算法的可行性和有效性。
在实验研究方面，设计和实现高分辨波束形成算法加速计算平台，通过实验验证优化算法的可行性和有效性。
六、研究计划本课题的研究计划如下：第1-3个月：对高分辨波束形成算法进行理论和方法研究，完成相关文献查阅和分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于失真度评估的时变聚焦多波束形成算法窦法旺;夏伟杰;金雪【摘要】为了在保证声呐成像质量的前提下,缓解近场聚焦精度与计算复杂度之间的矛盾,文中提出了一种基于失真度评估的时变聚焦多波束形成算法.首先,建立近场时变聚焦模型,将聚焦点的时间结构和半圆形阵列的空间结构联系起来,获得了各个聚焦点精确的延时信息;其次,在兼顾波束方向图的各项性能指标的基础上,利用二阶锥规划(Second-order cone programming,SOCP)方法设计了各个聚焦点的最优权值;最后,构建散焦波束失真度的评估模型,并在失真度阈值的约束下,合理地选择了几个必要的聚焦面.仿真和测试结果表明,该算法减轻了硬件计算和存储的压力,提高了工程的可实现性,而且对复杂多变的探测场景取得了很好的成像效果.【期刊名称】《南京航空航天大学学报》【年(卷),期】2016(048)005【总页数】7页(P642-648)【关键词】多波束形成;失真度评估;时变聚焦;二阶锥规划【作者】窦法旺;夏伟杰;金雪【作者单位】南京航空航天大学电子信息工程学院,南京,210016;南京航空航天大学电子信息工程学院,南京,210016;南京航空航天大学电子信息工程学院,南京,210016【正文语种】中文【中图分类】TN911.72海洋安全与开发、堤坝缺陷检测等国防和国民经济领域的重大需求，使得水下声呐成像技术日渐受到重视[1-2]。
声呐成像质量与聚焦精度密切相关，但是目前关于聚焦波束形成的研究大多集中在目标检测、语音提取和医学超声成像等方面[3-4]，针对水下声呐成像的研究较少。
传统的多波束成像声呐多采常规波束形成技术[5]，虽然算法复杂度小，但是探测时无法动态调整权值进行实时聚焦，不能满足对复杂多样的场景精细成像的要求。
自适应波束形成技术[6-7]虽然可以自动调节本身的参数以适应周围环境的变化，但是算法复杂度较高，稳健性能较差，不能满足对探测场景进行实时、稳定成像的要求。
对于成像波束的优化设计，文献[8]中选择余弦平方加权来形成波束，虽然波束的主瓣较窄，但是第一旁瓣电平很高，而且无法动态控制旁瓣等级，灵活性差。
文献[9]中选择切比雪夫加权，虽然能够灵活调整旁瓣等级，但是传统的切比雪夫加权针对标准线阵设计，应用到不规则阵列上时，无法达到完全等旁瓣的效果。
文献[10]指出可以通过数学推导将波束优化设计问题转化为二阶锥规划(Second-order cone programming, SOCP)的标准形式，但是仅仅给出了不均匀线阵在远场条件下的波束设计结果。
文献[11～13]针对不同问题提出了基于凸优化的恒定束宽的波束设计方法，虽然适用于任意形状阵列，但是求解问题的表述过于繁杂，不便于理解与计算。
实际情况中，成像声呐经常工作在近场区域，如果用远场条件下的波束形成器接收近场信号，波束指向性能将会退化，严重情况下会导致声呐图像的畸变。
由于排布阵元的载体存在遮挡效应，并不是所有的阵元都能全向接收信号。
为了得到高质量的声呐图像，还需要保证多波束之间的均匀性和一致性。
这些因素都增加了对波束进行优化设计的难度，进而影响到成像声呐的图像质量。
综合考虑上述因素，本文提出了一种基于失真度评估的时变聚焦多波束形成算法。
首先建立了近场时变聚焦模型，将聚焦点的时间结构和半圆形阵列的空间结构联系起来，获得了各个聚焦点精确的延时信息，为波束优化设计奠定基础。
其次简要阐述了半圆形阵列子孔径旋转下时变聚焦多波束形成的基本原理。
然后在兼顾波束主旁瓣性能及波束数量的基础上，利用SOCP方法设计了各个聚焦点的最优权值，并指出了SOCP方法设计波束的优点。
最后给出了波束的失真度评估准则，研究了散焦波束的失真度随探测距离的变化关系，并在失真度阈值的约束下，合理地选择了几个必需的聚焦面，提高了算法的工程可实现性。
近场波束的指向性是距离的函数，根据聚焦点的位置做近场聚焦校正，这样才能实现对连续大尺度水下目标的精细成像。
半圆形阵列的近场条件[8]为d<(2R)2/λ，其中λ为发射信号波长，R为阵列半径。
近场时变聚焦模型如图1所示，设回波信号的采样频率为fs，则任意两个采样点之间的时间间隔为1/fs。
考虑主动声呐的双程传播和脉冲测距原理，探测场景的第n个距离单元上的聚焦点Q(n,θi)相对圆心O的距离为d(n)=nc/(2fs)，其中c 为水下声速。
根据余弦定理，聚焦点Q(n,θi)到第k阵元的距离为式中:M为阵元总数;θi为波束预成方向;φk=(k-1)π/(M-1)为第k阵元对应的圆心角。
将式(1)对R在0点处进行泰勒级数展开，可得第k阵元相对阵列圆心O的延时精确的阵列流形矩阵为式中为导向矢量;N=91为形成波束的阵元数，即阵列子孔径的阵元数；f0为发射信号频率；K为入射信号数。
半圆形阵列的近场球面波信号可用矩阵描述为x(n)=A·s(n)+v(n)，其中s(n)为入射信号幅度，v(n)为加性高斯白噪声。
在探测场景的第n个距离单元上，θi方向的波束输出为式中:w(n,θi)为第n个距离单元上指向θi方向的聚焦权值。
同理，在探测场景的第n+1个距离单元上形成θi方向的波束时，聚焦点移到Q(n+1,θi)，聚焦距离变为d(n+1)=(n+1)c/(2fs)。
重复上述步骤，即可得波束输出为此外，利用半圆形阵列子孔径旋转的方式形成波束[14]，可以大大减少聚焦点个数。
对于180阵元的均匀半圆形阵列，用1～91阵元形成1～6号波束，保持权值系数不变，用2～92阵元形成7～12号波束，以此类推，子孔径旋转90次后，仅用6组权值即可形成540个波束，同时保证了成像多波束之间的均匀性。
为了满足半圆形阵列的近场高精度成像要求，本文给出了设计兼顾波束各项性能的最优权值的方法。
首先通过近场时变聚焦模型可以得到各个距离单元上包含精确延时信息的导向矢量a(θ)，则波束的空间指向性函数为g(θ)=wHa(θ)。
其次将波束优化设计问题看作多目标优化问题[12]，并转化为SOCP的标准形式。
利用基于MATLAB的SeDuMi工具箱求解，得到适于成像的最优权值。
波束方向图的综合设计主要包括波束指向的控制、主瓣宽度约束、旁瓣等级约束、零陷约束、权值范数约束等，下面给出波束优化的统一表达式ξi式中:θ0为波束预成方向;θML为波束主瓣方向;θSL为波束旁瓣方位;θNL为波束零陷方位;gd(θML)为期望波束的主瓣;ξi(i=1,2,3,4)为附加的约束。
式(4)满足二阶锥规划的标准形式，可以用SOCP方法求解波束设计的优化权值w。
成像波束的指向控制影响目标方位的测量，主瓣宽度约束影响声呐图像的方位分辨率，旁瓣等级约束影响探测时的虚警概率，权值范数约束影响阵列对白噪声的输出增益，零陷方向约束决定对干扰方向的抑制能力，波束优化设计的主要问题在于权衡波束的各项性能指标以得到折中的最优权值。
SOCP方法优化波束的优势主要体现在以下几个方面：(1)设计过程仅与导向矢量a(θ)有关而对阵列形状没有要求，非常适用在不规则阵列以及近场模型中；(2)波束设计过程与回波数据的接收相互独立，因此形成的波束具有较高的稳健性，有利于声呐稳定地成像显示；(3)设计不同指向的波束时，能使得多波束之间保持较高的一致性，有利于提高声呐图像的精度；(4)通过调整约束条件可以设计出不同主旁瓣性能的波束，具有很强的灵活性。
多波束成像声呐通常具有较高的距离分辨率，如果近场范围的每个距离单元上都进行聚焦校正，聚焦面将多达上百个，聚焦权值将高达上千组。
工程实现时的计算量和存储量都无法容忍这么多的权值系数，所以必须要适当减少聚焦面的数量。
但是声呐的近场成像质量又与波束的聚焦精度密切相关，所以为了缓解计算和存储的压力，需要在保证成像精度的前提下，合理地选择聚焦面。
为了快速准确地找到必要的聚焦面，本文建立了波束失真度的评估模型，以当前波束与理想的聚焦波束之间的相对误差作为波束失真程度的度量，给出第n个距离单元上的波束失真度的定义，即式中:g(n,θ)为当前距离单元上的波束指向性函数;gd(θ)为理想的聚焦波束指向性函数;wd为聚焦权值;w(n)为当前使用的加权。
多波束成像声呐一般采用脉冲测距与波束形成定位相结合的方法实现目标场景的定距定位显示。
时变聚焦波束形成及成像流程如下;首先通过脉冲测距方法得到目标场景的距离信息，进而得到精确的延时信息和导向矢量;然后利用波束失真度评估准则得到各个聚焦面位置;最后采用SOCP方法设计得到聚焦权值用于波束形成，得到目标场景的方位信息。
聚焦波束形成的过程中，如果当前波束与理想波束的失真度大于选取的阈值T，输出聚焦距离di，同时更新权值进行实时聚焦，否则继续使用上一组权值，流程如图2所示。
为了验证本文算法的可行性，进行如下仿真。
参数选择为均匀半圆阵的阵元数M=180，阵列半径R=0.12 m，子孔径阵元数N=91，工作频率f0=450 kHz，水下声速c=1 500 m/s，最大探测距离D=100 m，距离分辨率Δd=2.5 cm，远、近场分界距离d=17.28 m。
由于本文研究的多波束成像声呐存在1 m的视野盲区，根据工程经验将聚焦面的初始位置选择选在d1=1.05 m处，散焦波束的失真度阈值选择为T=0.01。
以上仿真参数为课题组研发的一款多波束成像声呐的实际参数[14]。
仿真1：散焦波束失真度仿真图3给出了不同阵元入射信号的延时变化曲线。
表1给出了在失真度阈值约束下，聚焦面的分级选择情况，选择流程如图2所示。
图4给出了近场波束在未聚焦、全聚焦和时变分级聚焦情况下失真度随探测距离的变化曲线。
其中未聚焦是指远场近似波束对近场区域进行成像，全聚焦是指在近场范围的各个距离单元上都聚焦，时变分级聚焦是指仅在表1选择的几个聚焦面上进行聚焦。
结合图3,4和表1可以看出,通过散焦波束的失真评估模型可以得到9个离散的聚焦面。
利用这9个离散的聚焦距离设计得到的聚焦权值进行时变聚焦波束形成，其波束失真度曲线能够很好地拟合全聚焦情况下的波束失真度曲线，而且在近场条件下，其失真度远小于未聚焦情况下的数值，证明了聚焦面位置选择的正确性以及时变聚焦波束形成的可行性和准确性。
仿真2：波束优化设计仿真图5对比了近场4.1 m处聚焦面上，均匀加权、余弦平方加权、切比雪夫加权和SOCP设计的最优加权情况下的波束方向图。
由图5可以看出，在不规则阵列和近场模型下，均匀加权和余弦平方加权虽然波束主瓣较窄，但是第一旁瓣电平很高。
选择-30 dB的切比雪夫加权，此时波束失去了等旁瓣效果，而通过SOCP方法设计的权值依然具有完全的等旁瓣控制能力，有利于设计一致性很好的波束用于成像。
图6给出了4.1 m处聚焦面上，通过SOCP方法设计的具有不同主旁瓣性能的波束方向图，仿真选择的峰值旁瓣电平(Peak sidelobe level,PSLL)分别为-30,-40,-50,-60 dB。