矢量阵改进常规波束形成
阵列自适应波束形成及空时自适应处理方法研究
阵列自适应波束形成及空时自适应处理方法研究阵列自适应波束形成及空时自适应处理方法研究一、引言随着无线通信技术的不断发展和应用,阵列自适应信号处理的研究与应用越来越重要。
作为一种传统的信号处理技术,波束形成已经广泛应用于雷达、无线通信、声纳等领域。
而阵列自适应波束形成则是对传统波束形成方法的一种改进和完善,通过利用阵列天线的多径信道响应和干扰域上的统计特征,实现了自动跟踪和自适应增益控制。
二、阵列自适应波束形成的基本原理阵列自适应波束形成的基本原理是利用阵列天线的多个元件接收到的信号之间的相位和幅度差异,通过加权和相加的方式形成具有指向性的波束。
使得接收波束的指向性最大,从而抑制其他方向的干扰和噪声。
在空间波束形成的过程中,首先需要确定接收信号的传播关系,即阵列天线上的接收效应,然后通过一系列的滤波和加权处理,实现波束形成。
三、空时自适应处理方法1. LMS算法最小均方(LMS)算法是一种运用最小均方差准则的一种自适应滤波算法,它的主要思想是:通过不断的调整滤波器的权值,使滤波器的输出与期望响应尽量接近,从而实现滤除干扰和噪声的目的。
LMS算法的主要缺点是收敛速度较慢,对于信号的非平稳性和干扰的复杂性处理效果不佳。
2. RLS算法递归最小二乘(RLS)算法是一种具有较快收敛速度和较好处理效果的自适应滤波算法。
其核心思想是通过最小化预测误差平方的期望,使滤波器的输出与期望响应尽量接近。
该算法采用递归的方式,能够在每次输入一个新的样本时更新滤波器的权值,从而在实时性要求较高的应用场景具有优势。
3. BSS算法盲源分离(BSS)算法是一种利用统计学原理对混合信号进行分离的算法,可应用于信号处理和通信中的多路径干扰消除、噪声抑制等问题。
BSS算法将观测信号模型化为多个源信号按一定比例线性叠加的形式,并利用源信号之间的统计特性进行分离。
四、阵列自适应波束形成与空时自适应处理方法的研究应用阵列自适应波束形成和空时自适应处理方法在通信和雷达领域得到了广泛应用。
基于最小二乘估计的声矢量阵稳健波束形成
关键 词 : 信 息处 理 技术 ;稳 健 自适 应波 束形 成 ;声 矢量 阵 ; 广 义 旁瓣对 消器 ;最小 二乘估 计
中图分 类号 : T B 5 6 6 文献 标 志码 : A 文 章编 号 : 1 0 0 0 . 1 0 9 3 ( 2 0 1 4 ) 0 3 — 0 3 7 9 . 0 6
DOI :1 0. 3 9 6 9 / i . i s s n . 1 0 0 0 — 1 0 9 3 . 2 0 1 4 . 0 3 . 0 1 3
Ro bu s t Ada pt i v e Be a mf o r mi ng o f Ac o u s t i c Ve c t o r ・ s e ns o r Ar r a y Ba s e d o n Le a s t Sq u a r e s Es t i ma t i o n
W ANG Ya n. W U We n— f e n g。 LI ANG Gu o — l o n g
( S c i e n c e a n d T e c h n o l o g y o n Un d e r wa t e r Ac o u s t i c L a b o r a t o r y,Ha r b i n E n g i n e e r i n g Un i v e r s i t y,Ha r b i n 1 5 0 0 0 1,He i l o n g j i a n g,C h i n a )
器; 利用 最差 性 能最优 化 的 思想 , 将 声 矢量 阵标 准 C a p o n波束 形 成 器 转 化 为 稳健 最 小 二乘 估 计 问
题; 利用 二 阶锥规 划 求解 。仿真 分析 表 明 , 该 算 法在抗 导 向矢量 失配 、 快 拍数 不足 、 阵元 姿态 误差 方
波束形成
3.5 两种特殊的波束形成技术3.5.1协方差矩阵对角加载波束形成技术常规波束形成算法中,在计算自适应权值时用XX R ∧代替其中的X X R 。
由于采样快拍数是有限的,则通过估计过程得到的协方差矩阵会产生一定误差,这样会引起特征值扩散。
从特征值分解方向来看,自适应波束畸变的原因是协方差矩阵的噪声特征值扩散。
自适应波束可以认为是从静态波束图中减去特征向量对应的特征波束图,即:m in1()()()()(()())Ni V V iv iv V i iG Q E E Q λλθθθθθλ*=-=-∑,其中()V G θ是是自适应波束图,()V Q θ是静态波束图,即没有来波干扰信号而只有内部白噪声时的波束状态。
i λ是矩阵X X R 的特征值。
()iv E θ是对应i λ的特征波束图。
由于X X R 是 Hermite 矩阵,则所有的特征值均为实数,并且其特征向量正交,特征向量对应的特征波束正交。
而最优权值的求解表达其中的X X R 是通过采样数据估计得到的,当采样快拍数很少时,对协方差矩阵的估计存在误差,小特征值及对应的特征向量扰动都参与了自适应权值的计算,结果导致自适应波束整体性能的下降。
鉴于项目中的阵列形式,相对的阵元数较少,采样数据比较少,很容易在估计协方差矩阵的时候产生大的扰动,导致波束的性能下降,所以采用对角加载技术来保持波束性能的稳定及降低波束的旁瓣有比较好的效果。
(1)对角加载常数λ当采样数据很少时,自适应波束副瓣很高,SINR 性能降低。
对因采样快拍数较少引起自相关矩阵估计误差而导致的波束方向图畸变,可以采用对角加载技术对采样协方差矩阵进行修正。
修正后的协方差矩阵为:XX XX R R I λ∧=+。
自适应旁瓣抬高的主要原因是对阵列天线噪声估计不足,造成协方差矩阵特征值分散。
通过对角加载,选择合适对角加载λ ,则对于强干扰的大特征值不会受到很大影响,而与噪声相对应的小特征值加大并压缩在λ附近,于是可以得到很好的旁瓣抑制效果。
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。
波束形成原理
波束形成原理波束形成原理是指在无线通信系统中,如何通过天线来形成指定方向的波束,从而实现对特定区域的信号覆盖和接收。
波束形成技术是无线通信系统中的重要技术之一,它可以提高系统的频谱利用率和抗干扰能力,同时也可以改善用户体验和网络覆盖范围。
本文将对波束形成原理进行详细介绍。
首先,波束形成的原理是基于天线阵列的。
天线阵列是由多个天线单元组成的,这些天线单元之间的间距是根据波束宽度和波束方向来设计的。
在波束形成过程中,通过控制各个天线单元的相位和振幅,可以使得发射的信号在特定方向上形成波束。
这样一来,就可以实现对特定区域的信号覆盖和接收。
其次,波束形成的原理是基于波束赋形技术的。
波束赋形技术是通过对发射信号的相位和振幅进行调节,从而使得信号在空间中形成指定方向的波束。
这种技术可以在不改变信号频率和功率的情况下,实现对特定方向的信号传输和接收。
通过波束赋形技术,可以有效地减小信号的波束宽度,提高信号的方向性和覆盖范围,从而提高系统的频谱利用率和抗干扰能力。
此外,波束形成的原理还涉及到波束跟踪技术。
波束跟踪技术是指在移动通信系统中,通过对移动用户的位置和运动状态进行监测和跟踪,从而实时调整波束的方向和角度,以保证信号能够准确地覆盖到移动用户所在的位置。
通过波束跟踪技术,可以有效地提高移动通信系统的覆盖范围和通信质量,同时也可以降低系统的功耗和干扰程度。
综上所述,波束形成原理是通过天线阵列、波束赋形技术和波束跟踪技术来实现的。
通过这些技术手段,可以实现对特定区域的信号覆盖和接收,提高系统的频谱利用率和抗干扰能力,改善用户体验和网络覆盖范围。
波束形成技术在5G和未来的通信系统中将扮演着越来越重要的角色,它将成为无线通信系统中的关键技术之一。
基于波束形成原理的ADCP海浪波向估计方法
基于波束形成原理的ADCP海浪波向估计方法作者:康恺王忠康来源:《声学与电子工程》2022年第01期摘要受观测仪器和环境的限制,现有海浪方向谱观测技术有待发展。
坐底式ADCP能够便捷地对海面高度、速度等要素进行测量,通过对海浪要素反演可以求出海浪方向分布。
针对海浪测量时难以获得精准海浪运动方向估计的难题,文章将波束形成原理应用于海浪波向估计,将仿真得到的海面高度作互谱后乘以导向矢量,计算输出功率谱最大时到达角即为估计海浪传播方向。
通常将平稳海况下的海浪视为平稳的具有各态历经性的随机过程,以此建立一个三维海面模型,对仿真海面高度数据使用波束形成方法估计主波向。
仿真试验结果证明了该方法可以正确估计波向。
关键词波向估计;波束形成;海浪谱:ADCP海浪观测分析及预测预报、海洋环境研究以及海洋船舶工程等领域都需要研究海浪谱。
海浪方向谱观测手段按照测量方法可以分为人工观测法、仪器测量法和遥感反演法。
人工观测法准确度和观测水域受到限制;仪器测量法通常使用声学仪器进行测波,能够进行水底和水面的测量,且观测连续性较好;遥感反演法主要利用雷达测波和卫星测波,观测成本较为昂贵。
声学多普勒流速剖面仪(Acoustic Doppler Current Profiler ,ADCP)测波时可安装在水下或是海底,避免了海面大风浪对观测系统的破坏,具有测量准确度高、操作简单的特点。
因此对基于ADCP波向估计方法的研究具有显著的理论与应用价值。
海浪方向谱描述了一个组成波在频率和角度上的分布,而海浪可以看作是多个随机相位组成波的叠加。
海浪交叉谱表示任意两个海浪特性在频率上的相关程度。
任意两个海浪特性间的交叉谱等于海浪特性与海面间的传递函数与海浪方向谱乘积的傅里叶变换,使用反演算法可以估计海浪谱[2]。
Barber 最早提出基于波高仪阵列测量海浪方向谱的算法,该方法通过直接傅里叶变换(Direct Fourier Transformation ,DFT)对海浪谱进行了估计,运算速度快,可初步了解海浪分布情况,但方向分辨率不高。
基于二阶锥的扩展式矢量阵宽带恒定束宽稳健性设计
成设 计 的稳 健 性 问题进 行研 究 。对 波束 形成 的优 化
设计 、 宽带 恒定 束 宽 以 及 宽带 稳 健 性 波 束 优 化 设 计 的研究 , 已出现 了不 少方 法 ¨ 。其 中 , 以鄢 社 峰 等
C
式 中 , 是 从矢 量 水 听器 阵 的参 考 原 点 指 向声 源 的 l I
式 中, , 分别是 0, 的集合。由A , ) @, 的
定 义 可以看 出 , 矢 量 阵 的方 向矢 量 是 声 压 阵 的方 声 向矢量 与一 个只 与声 波传播 方 向有关 的列 向量 的直
基 于 二 阶锥 的扩展 式 矢 量 阵宽 带 恒 定 束 宽 稳 健 性 设 计
邱 宏 安 ,郭 兵 勇 ,尚 娟 ,王 永 亮
( 西北工业大 学 航 海学院 , 陕西 西 安 7 07 ) 10 2
摘
要 : 出基 于二 阶锥 的低 频八臂 扩展 式 矢量 阵宽 带恒定 束 宽波束 形 成设计 方 法。利 用 矢量传 感 提
21 0 1年 4月 第 2 第 2期 9卷
西 北 工 业 大 学 学 报
J u a fNo twe tr oy e h ia i est or l r n o h s n P ltc n c lUnv r i e y
Apr 2 . 011
V0 . 9 1 2 No. 2
1 八 臂 扩展 式 矢量 水 听 器 阵 列 结构 及 数 学 模 型 的建 立
图 l为根 据航 空声 纳特 点设 计 出 的一 种 八臂 扩
展 式矢 量 阵展 开结 构示 意 图 , 中 ( 其 1为 传输 电缆 、 2
宽容自适应波束形成RCB在矢量阵上的应用
总第171期2008年第9期舰船电子工程Ship Electronic Enginee ring Vol.28No.9192 宽容自适应波束形成RCB 在矢量阵上的应用3魏玉华1) 涂 英2 蔡惠智2)(驻北京地区武备配套军事代表室1) 北京 100082)(中国科学院声学研究所2) 北京 100080)摘 要 矢量水听器由声压水听器和振速水听器复合而成,可以共点同时测量声场中的声压与振速。
RCB (RobustCapon Beamfor ming )是最近出现的一种宽容自适应波束形成算法,该算法直接对导向矢量进行估计,并用估计的导向矢量作波束形成,有效避免了导向矢量失配而导致的性能下降。
通过推导秩亏情况下的RCB ,将其应用到矢量阵,海上试验结果表明了该方法的有效性。
关键词 声压阵;矢量阵;导向矢量;秩亏;RCB 中图分类号 TP929.3App lication of Robust Capon Beamf or ming to Vect or Sens or Arr ayWei Yuhua 1) Tu Ying 2) Cai Huizhi 2)(Military Rep rese ntaives Off ice of Navy in Beijing Supplying Appendix for Weapo n Equipment 1),Beijing 100082)(Instit ute of Acoustic s ,Chinese Acade my of Science s 2),Beijing 100080)Abs tra ct An acoustic vector sensor mea sure s the acoustic pre ssure a nd all three compone nt s of the acoustic par ticle ve 2locity at a single point in space.RCB (Robust Capon Beamforming)is a robust a daptive bea mfor ming algorithm proposed re 2cently.RCB estimate s t he steering vector directly ba sed on a steering vector uncertainty region ,thus avoiding t he suppre s 2sion of the SOI due to steering vector mismatche s.In thi s paper ,the RCB to the case of ra nk 2deficie nt is exte nded and com 2bine it with the vector 2se nsor a rra y.Expe rimental result at sea shows the e xcellent perfor ma nce of t his method.Ke y w ords p ressure 2sensor a rra y ,vec tor 2sensor a rray ,steering vecto ,ra nk 2deficie nt ,RCB Class N umber TN929.31 引言矢量水听器作为一种新型的传感器,可以测量声场的声压与该处质点的振速。
非等间距矢量阵虚拟阵元波束形成
式 中, ds  ̄c其 中,为声速 。抽取 个实阵元 中 : n/ , i C 的 K个来虚拟阵元 , . 虚拟阵元的接收信号为 第 号
对于如 图 1所 示 的 元 矢 量直 线 阵 , 阵元 距 各 原点距离 d ( =12 … , 一1 , 阵元 相对 原 点处 k ,, M )各
W ANG Mi g u , .Z i n y - HU We
( .Is t eo A oscE g er gN r w s r o tcncl nvr t, ia 0 2 C ia 1 ntu f cut n i ei , o h et nPl eh i i syX ’n70 7 , hn ; it i n n t e y aU ei 1 2 9 30U io ePJ Qnd oSad n 6 12 C ia . 23 nt fh I t A, iga hn og26 0 , hn )
距直线阵的分辨力 , 使用矢量传感器 , 充分利 用声场 的声压和振速联合信 息, 并采 用一种类似 均匀直线 阵的非等 间 距直线阵, 用时延方法估计非等间距直线 阵虚拟阵元上 的接 收信号, 使 虚拟扩大 了基 阵孔径。采用仿真 阵列模 型对 所述方法进行 了计算机仿真, 仿真结果表 明: 文方法能够提高阵列分辨力 , 本 并且具有较低 的旁瓣。
x =毫(丁 j 去 一 ( t ) )
此时 , =( ,i j d iO c G()- ) s / n
( 1 。 )
( 1 1)
阵元 的 延 迟 =[。,∞, ,O一 ,表 达 为 统 一 r … T ] M
形 式 帆= O ̄ C.=12 … , 一1 d CS/ , / j ,, } () 6
阵列信号处理中DOA算法分类地总结(大全)
阵列信号处理中的DOA (窄带)/接收过程中的信号增强。
参数估计:从而对目标进行定位/给空域滤波提供空域参数。
(DOA)θ的函数,P(θ)./经典波束形成器 注,延迟相加法和CBF 法本质相同,仅仅是CBF 法的最优权向量是归一化了的。
CBF / Bartlett 波束形成器CBF :Conventional Beam Former )最小方差法/Capon 波束形成器/ MVDR 波束形成器MVDR :minimum variance distortionless response ) Root-MUSIC 算法 多重信号分类法 解相干的MUSIC 算法 (MUSIC ) 基于波束空间的MUSIC 算法 TAM 旋转不变子空间法 LS-ESPRIT TLS-ESPRIT 确定性最大似然法(DML :deterministic ML )随机性最大似然法(SML :stochastic ML )最大似然估计法是最优的方法,即便是在信噪比很低的环境下仍然具有良好的性能,但是通常计算量很大。
同子空间方法不同的是,最大似然法在原信号为相关信号的情况下也能保持良好的性能。
阵列流形矩阵(导向矢量矩阵)只要确定了阵列各阵元之间的延迟τ,就可以很容易地得出一个传统的波达方向估计方法是基于波束形成和零波导引概念的,并没有利用接收信号向量的模型(或信号和噪声的统计特性)。
知道阵列流形 A 以后,可以对阵列进行电子导引,利用电子导引可以把波束调整到任意方向上,从而寻找输出功率的峰值。
①常规波束形成(CBF)法CBF法,也称延迟—相加法/经典波束形成器法/傅里叶法/Bartlett波束形成法,是最简单的DOA 估计方法之一。
这种算法是使波束形成器的输出功率相对于某个信号为最大。
(参考自:阵列信号处理中DOA估计及DBF技术研究_赵娜)注意:上式中,导向矩阵A表示第K个天线阵元对N个不同的信号s(i)示第i个信号s(i)在M将式(2.6)的阵元接收信号,写成矢量形式为:X(t)=AS(t)+N(t)其中,X(t)为阵列的M×1维快拍数据矢量,N(t)为阵列的M×1维噪声数据矢量,S(t)为信号空间的N ×1维矢量,A 为空间阵列的M ×N 维阵列流型矩阵(导向矢量矩阵),且ω ω ω ]其中,导向矢量 ω 为列矢量,表示第i 个信号在M 个天线上的附加权值ω, 式中, ,其中,c 为光速,λ为入射信号的波长。
常规波束形成算法 推导
常规波束形成算法推导常规波束形成算法(Conventional Beamforming Algorithm)是一种用于声纳、雷达和通信系统中的信号处理技术,用于确定传感器阵列接收到的信号的方向和位置。
该算法通过对接收到的信号进行加权和相位调节,来实现对特定方向信号的增强和抑制其他方向信号的效果。
首先,假设有一个包含N个传感器的线性阵列,每个传感器接收到的信号可以表示为:\[ x(n) = \sum_{i=1}^{N} s_i(n-\tau_i) + v(n) \]其中,\( s_i(n) \)是来自信号源的信号,\( \tau_i \)是传感器i的信号延迟,\( v(n) \)是噪声。
常规波束形成算法的关键思想是通过对接收到的信号进行加权和相位调节,使得在特定方向上的信号增强,其他方向上的信号抑制。
假设我们希望在角度\( \theta \)处形成波束,那么对于第k 个传感器的加权系数可以表示为:\[ w_k = e^{j2\pi f_k d \sin(\theta)/c} \]其中,\( f_k \)是传感器之间的间距,d是传感器的序号,c是信号速度。
然后,对接收到的信号进行加权和相位调节,可以得到波束形成后的信号:\[ y(n) = \sum_{k=1}^{N} w_k x_k(n) = \sum_{k=1}^{N}w_k \sum_{i=1}^{N} s_i(n-\tau_i) + \sum_{k=1}^{N} w_k v_k(n) \]最后,通过信号处理技术,可以得到在特定方向上的信号增强,其他方向上的信号抑制的效果。
总之,常规波束形成算法通过对接收到的信号进行加权和相位调节,实现了对特定方向信号的增强和抑制其他方向信号的效果,是一种常用的信号处理技术。
波束成形矢量与导向矢量
波束成形矢量与导向矢量1.引言1.1 概述波束成形矢量和导向矢量是无线通信中的两个重要概念。
在传统的无线通信系统中,信号的辐射方向是均匀的,无法针对特定的目标进行定向传输。
然而,随着通信系统的发展和需求的不断增加,定向传输成为了一种十分重要的技术手段。
波束成形矢量和导向矢量就是实现定向传输的关键。
波束成形矢量是一组复数形式的数值,在信号处理中常用来表示波束的方向和幅度。
通过调整波束成形矢量的数值,可以实现信号的定向传输。
波束成形矢量通常与阵列天线相结合使用,通过控制阵列天线的相位和振幅,将信号能量集中在特定的方向,从而实现波束的成形。
与波束成形矢量相比,导向矢量更加灵活。
导向矢量也是一组复数形式的数值,但相比于波束成形矢量,导向矢量可以实现更加精确的信号定向。
通过调整导向矢量的数值,并结合适当的信号处理算法,可以实现对信号的精确定向,从而提高通信系统的容量和覆盖范围。
本文将详细介绍波束成形矢量和导向矢量的背景、工作原理以及其在无线通信中的应用场景。
通过对这两个概念的深入了解,读者可以更好地理解和应用这些技术,实现更高效、稳定和可靠的无线通信系统。
【注意】在节头和节尾加上相应注释(该注释省略是不可取的), 并删除分割线。
1.2 文章结构文章结构部分的内容可以参考以下内容:文章结构:本文主要分为引言、正文和结论三个部分。
引言部分首先对波束成形矢量和导向矢量的背景和意义进行介绍,然后对本文的结构进行概述,最后明确本文的目的。
正文部分包括了对波束成形矢量和导向矢量进行详细解释的内容。
在波束成形矢量部分,首先介绍了背景知识,包括什么是波束成形以及其在通信和雷达领域的应用。
然后详细解释了波束成形矢量的工作原理,包括如何通过调整天线阵列中每个天线的振幅和相位实现波束的形成。
在导向矢量部分,同样先介绍了其背景,包括导向矢量在无线通信中的应用以及在自动驾驶领域中的潜在用途。
然后详细解释了导向矢量的工作原理,包括如何通过调整天线向目标方向发射信号的权重实现对目标的定向和追踪。
一种改进的广义旁瓣相消的波束形成算法
分别称 为主 支路 和辅助 支路 ,要 求期 望信号 只 能从非 自适 应 的主 支路通 过 ,而 自适应 的辅 助 支路 中 仅 含有 干扰 和噪声 分量 ,在 高信 噪 比的情况 下 ,将有 一 部分期 望信 号 泄漏 到辅助 支路 中 ,出现 了信 号 相消现 象 。文献 E- 出了信号 子 空 间投影 的 GS s1 提 C改 进 算 法 ,来 提 高 GS C稳 健 性 ,但 在 低信 噪 比下发生 波束 形成 畸变 。文 中将 提 出一种改 进 的广义 旁瓣 相 消的 波束形 成方 法 ,即基 于特 征结 构 的 GS C算法 ( SGS ) E - C ,该算 法 不 仅 克 服 了传 统 GS C算 法 在高 信 噪 比下 波束 形 成 效 果 变 差 的缺 点 , 而 且克服 了文 献 E- s 中提出 的改进 GS 1 C算 法在低 信 噪 比下性 能差 的缺 点 。
维普资讯
20 0 6年 1 O月
中 国 空 间 科 学 技 术
图 1 广 义 旁 瓣 阻 消 器 结 构
应两 部分 ,其 中非 自适 应部 分位 于约 束子 空 间 中 ,而 自适应 部分 正交 于 约束 子空 间 ,系 统 的权 向量
可表 示为
广义旁瓣相消器算法
线性 约束 最小 方差 准则 可表示 为
— a g m iw “ r n s
.
t C — I : “
() 1
式 中 R 为接 收信号 的 自相关 矩 阵 ;I为( + 1 维 约束 向量 ;C 为 M ×( +1 维 约 束矩 阵 ,M 为 . ) 厂 . ) 厂
波束形成-张小飞
第三章波束形成算法3.1 波束形成的发展近年来,阵列信号处理在无线通信系统中得到了广泛应用。
在蜂窝移动通信中,通信信道的需求急剧增长,使提高频谱复用技术显得日益重要。
这就是通常说的空分多址(SDMA)。
其中一个重要部分便是波束形成。
自适应波束形成(ADBF)亦称空域滤波,是阵列处理的一个主要方面,逐步成为阵列信号处理的标志之一,其实质是通过对各阵元加权进行空域滤波,来达到增强期望信号、抑制干扰的目的;而且可以根据信号环境的变化自适应地改变各阵元的加权因子。
自从1959年Van Atta提出自适应天线这个术语以来,自适应天线发展至今已经40多年了,自适应研究的重点一直是自适应波束形成算法,而且经过前人的努力,已经总结出许多好的算法比如SMI算法,ESB算法等等。
但理论与实际总是有差距的,因为实际系统存在误差,这使得实际阵列流形与理想阵列会把期望信号当干扰进行一直,造成输出信号干扰噪声比下降和副瓣电平升高,当输入信号的信噪比(SNR)较大时,这种现象尤为明显。
面对误差,传统自适应波束形成算法的效果很不理想,所以,研究实际环境下稳健的自适应波束形成算法具有重要的理论意义和军事,民用应用价值。
自适应波束形成常用协方差矩阵求逆(SMI)算法,该算法具有较快的信号干扰噪声比(SINR)意义下的收敛速度。
从协方差矩阵分解的角度,自适应波束形成是协方差矩阵特征值分散,小特征值对应的特征矢量扰动,并参与自适应权值计算所致。
针对这一问题,基于协方差矩阵非线性处理和对角线加载波束保形方法,对协方差矩阵非线性处理的加权因子的选取只能通过经验来取得;而在不同的干扰和噪声环境下对角线加载量的选取,至今没有很好的解决方法。
文献[3]提出了利用投影算子对阵列数据进行降维处理,在一定程度上降低了运算量,同时提高了自适应波束的稳健性,其投影算子是根据目标和干扰的粗略估计,以及不完全的阵列流形知识得到的。
当相关矩阵中含有期望信号时,导致输出SINR下降,波形畸变较严重,另外,当存在系统误差和背景噪声为色噪声时,该方法虽然能够减小协方差中的扰动量,但副瓣电平还会出现一定程度的升高以及主瓣发生偏离现象。
波束形成-张小飞
第三章波束形成算法3.1 波束形成的发展近年来,阵列信号处理在无线通信系统中得到了广泛应用。
在蜂窝移动通信中,通信信道的需求急剧增长,使提高频谱复用技术显得日益重要。
这就是通常说的空分多址(SDMA)。
其中一个重要部分便是波束形成。
自适应波束形成(ADBF)亦称空域滤波,是阵列处理的一个主要方面,逐步成为阵列信号处理的标志之一,其实质是通过对各阵元加权进行空域滤波,来达到增强期望信号、抑制干扰的目的;而且可以根据信号环境的变化自适应地改变各阵元的加权因子。
自从1959年Van Atta提出自适应天线这个术语以来,自适应天线发展至今已经40多年了,自适应研究的重点一直是自适应波束形成算法,而且经过前人的努力,已经总结出许多好的算法比如SMI算法,ESB算法等等。
但理论与实际总是有差距的,因为实际系统存在误差,这使得实际阵列流形与理想阵列会把期望信号当干扰进行一直,造成输出信号干扰噪声比下降和副瓣电平升高,当输入信号的信噪比(SNR)较大时,这种现象尤为明显。
面对误差,传统自适应波束形成算法的效果很不理想,所以,研究实际环境下稳健的自适应波束形成算法具有重要的理论意义和军事,民用应用价值。
自适应波束形成常用协方差矩阵求逆(SMI)算法,该算法具有较快的信号干扰噪声比(SINR)意义下的收敛速度。
从协方差矩阵分解的角度,自适应波束形成是协方差矩阵特征值分散,小特征值对应的特征矢量扰动,并参与自适应权值计算所致。
针对这一问题,基于协方差矩阵非线性处理和对角线加载波束保形方法,对协方差矩阵非线性处理的加权因子的选取只能通过经验来取得;而在不同的干扰和噪声环境下对角线加载量的选取,至今没有很好的解决方法。
文献[3]提出了利用投影算子对阵列数据进行降维处理,在一定程度上降低了运算量,同时提高了自适应波束的稳健性,其投影算子是根据目标和干扰的粗略估计,以及不完全的阵列流形知识得到的。
当相关矩阵中含有期望信号时,导致输出SINR下降,波形畸变较严重,另外,当存在系统误差和背景噪声为色噪声时,该方法虽然能够减小协方差中的扰动量,但副瓣电平还会出现一定程度的升高以及主瓣发生偏离现象。
矢量阵改进常规波束形成
0 引 言
波束 形成是 指将传 感器 按一定 几何 规则排 成一
个 阵 列 , 特 定 的 方 向 形 成 主 波 束 , 于 接 收 该 特 定 在 用
照 引 导 角 对 各 阵元 输 出 数 据 进 行 时 延 或 相 移 , 后 然
中 图 分 类 号 :T 5 B6 文 献 标 志 码 :A 文 章 编 号 :1 0 —0 3( 0 1 0 - 1 6 0 0 0 1 9 2 1 ) 2 0 7 -5
I pr v d Ba te t Be m o m i o c o n o r y m o e r l t a f r ng f r Ve t r Se s r Ar a
d mo sr t h n ii tre e c a b l y o e n tae t e a t—n e r n ec pa ii fAVS . T mp o e ispef r a c f t A o i r v t ro m n e,a mo i e rlt di df d Ba tet — i r c in e tmai n ag rt m s d o h e t si t lo ih ba e n t e AVSA sp o wad. T r s u e a d v l ct u p to o o i ut r r f hep e s r n eo iyo t u fAVS A a e p o e s d usn h o fe t d. Th ac a in p o e s o h s a g rt m i ie r rc se ig t e m di d meho i e c lult r c s ft i lo ih o s gv n. A an o g i f
s p r s i g l f— i h mb g i i e ne t a l z h sng e s d i e t i f t Ba te t a i t u p e s n e rg t a i u t s d f d o na y e t e i l i e d r c i t o wo t y i v y rl t z mu h
一种实用的共形阵波束形成方法
一种实用的共形阵波束形成方法摘要随着数字阵列技术发展,用数字技术实现共形雷达已成发展趋势。
常规的数字波束形成技术只能针对均匀平面阵处理。
利用常规的数字波束合成算法对共形阵列进行处理,其方向图会出现恶化。
文中针对共形阵列的特点,提出一种针对共形阵的数字波束形成算法,根据每个阵元的几何位置分别进行相位补偿。
通过对圆弧形阵面的仿真,证明了该算法比常规波束形成算法可以获得更好的波束。
【关键词】共形阵列处理数字波束形成相控阵雷达1 引言阵列信号处理在雷达中具有广泛重要的应用。
数字波束形成技术是阵列雷达中重要组成部分。
窄带数字波束形成的研究已经有很长时间,很多技术在工程中也几经实现。
但对于飞机、导弹、卫星等飞行器,其为了隐身和空气动力学需求,要求天线阵面与载体形状一致,即利用相控阵实现共形阵列处理。
目前共形阵的分析与综合典型方法有矩量法、有限元法以及时域有限差分技术等。
但这些算法都有计算量大、运算复杂的缺点,不适合于工程应用。
利用常规的相控阵波束形成方法实现共形阵,会由于阵元间相位补偿不彻底导致方向图恶化。
本文从工程实践出发,对常规数字波束形成进行改进,设计了一种新的方法实现共形阵列波束形成。
有效的克服了其他算法运算量大和方向图恶化的缺点,具有很高的工程实用价值。
2 常规数字波束形成理论常规的阵列系统数字波束形成流程如图1所示。
该阵为一个N单元的线阵相控阵。
其中每个天线之间间距为d,回波方向为。
则每个阵元接收到的信号相差的距离为,各个阵元上接收到的信号表示为:(1)为从回波信号,窄带情况下,(2)其中为载频。
对于一般窄带信号的数字阵列处理中,对接收到的每一路信号有个加权,以补偿各个阵元之间的相位差。
即(3)其中W为导向矢量,其值为:(4)其中为波束扫描的方向。
将式(1),式(2)和式(4)带入式(3)得到:(5)化简得到,(6)当N较大时,取绝对值,对上式进行近似,可得到天线方向图为:(7)从式(7)可以看出,线阵的方向图函数为辛格函数,其波束指向为,改变便可以实现不同方向的波束扫描。
阵列信号处理中DOA算法分类总结(大全)
阵列信号处理中的DOA(窄带)/接收过程中的信号增强。
参数估计:从而对目标进行定位/给空域滤波提供空域参数。
θ的函数,P(θ)./经典波束形成器注,延迟相加法和CBF法本质相同,仅仅是CBF法的最优权向量是归一化了的。
CBF/Bartlett波束形成器CBF:Conventional Beam Former)最小方差法/Capon波束形成器/MVDR波束形成器MVDR:minimum variance distortionless response)Root-MUSIC算法多重信号分类法解相干的MUSIC算法(MUSIC)基于波束空间的MUSIC算法TAM旋转不变子空间法LS-ESPRIT(ESPRIT)TLS-ESPRIT确定性最大似然法(DML:deterministic ML)随机性最大似然法(SML:stochastic ML)最大似然估计法是最优的方法,即便是在信噪比很低的环境下仍然具有良好的性能,但是通常计算量很大。
同子空间方法不同的是,最大似然法在原信号为相关信号的情况下也能保持良好的性能。
计算量小,不需进行谱峰搜索阵列流形矩阵(导向矢量矩阵)只要确定了阵列各阵元之间的延迟τ,就可以很容易地得出一个传统的波达方向估计方法是基于波束形成和零波导引概念的,并没有利用接收信号向量的模型(或信号和噪声的统计特性)。
知道阵列流形A以后,可以对阵列进行电子导引,利用电子导引可以把波束调整到任意方向上,从而寻找输出功率的峰值。
①常规波束形成(CBF)法CBF法,也称延迟—相加法/经典波束形成器法/傅里叶法/Bartlett波束形成法,是最简单的DOA 估计方法之一。
这种算法是使波束形成器的输出功率相对于某个信号为最大。
(参考自:阵列信号处理中DOA估计及DBF技术研究_赵娜)注意:上式中,导向矩阵A表示第K个天线阵元对N个不同的信号示第i个信号s(i)在M个不同的天线上的附加权值。
将式(2.6)的阵元接收信号,写成矢量形式为:X(t)=AS(t)+N(t)其中,X(t)为阵列的M×1维快拍数据矢量,N(t)为阵列的M×1维噪声数据矢量,S(t)为信号空间的N×1维矢量,A为空间阵列的M×N维阵列流型矩阵(导向矢量矩阵),且]其中,导向矢量为列矢量,表示第i个信号在M个天线上的附加权值式中,,其中,c为光速,λ为入射信号的波长。
宽带阵列信号处理关键知识点学习笔记
宽带阵列信号处理关键知识点学习笔记第⼀部分宽带阵列信号测向ISSM(Incoherent Signal-Subspace Method):宽带⾮相⼲信号⼦空间⽅法。
优点:不需要进⾏⾓度预估。
缺点:1、由于该⽅法在每个频段上仅利⽤了宽带信号的部分信息,所以其估计性能不⾼,主要是分辨率低,不能解相关信源。
CSM(Coherent Signal-Subspace Method):相⼲信号⼦空间算法。
优点:CSM ⽅法不仅估计性能优于⾮相⼲处理⽅法,并且具有处理相关信号的能⼒。
缺点:1、需要对信源的⽅向进⾏预估以便构造聚焦矩阵,所以性能易受到信源⽅位预估精度的影响。
2、CSM ⽅法本质上是⽤窄带模型在聚焦后构成低秩模型来近似宽带结果,从⽽导致其估计结果受到信号短时谱不确定的影响。
宽带阵列信号处理的优点:1、⽬标回波携带的信息量⼤,有利于⽬标检测、参量估计和⽬标特征提取等特点。
2、宽带信号的信息具有较好的抗信号起伏、衰落性能。
M 个阵元的接收机同时采样(快拍),得到⼀次快拍M 个数据(空间采样数据)线阵窄带信号⼀次快拍采样的数据是正弦序列。
相⼲信号源:如多径现象、敌⽅有意同频⼲扰。
信号阵列会接收到不同⽅向上的相⼲信号,相⼲信号会导致信源协⽅差矩阵的秩亏缺,使得信号特征⽮量发散到噪声⼦空间去。
⾣矩阵:n 阶复⽅阵U 的n 个列向量是U 空间的⼀个标准正交基,则U 是⾣矩阵。
也可定义为:H H n U U UUE ==。
充分必要判别条件是:1H U U -=Hermitian 矩阵:矩阵n n A ?满⾜H A A =。
Hermitian 矩阵性质如下:(1) Hermitian 矩阵所有特征值都是实的。
(2) Hermitian 矩阵对应于不同特征值的特征⽮量相互正交。
(3) Hermitian 矩阵可就⾏谱分解及特征分解。
相关系数:*0()()01()()1()()ik ik i k ik i k iki k s t s t s t s t s t s t ρρρρ==<上式中,当信号相⼲时,信号之间只差⼀个复常数。
矢量阵改进常规波束形成
是阵列接收到的噪声矢量。 a ( θ k ) 为声压阵的方向 矢量
T a( θ k ) = [ 1, e - j k , …, e - j( M - 1) k] , ( 5) 2 πd cosθ k , 式中: k = 为相邻两阵元之间的相位差。 λ a ( θ1 ) u1 , a ( θ2 ) u2 , …, a ( θK ) 令Av ( θ) = [
T [ 1, cosθ k , sinθ k] .
图1 Fig. 1
均匀矢量直线阵示意图
Sketch map of a vectorsensorarray with equal space units
( 8)
2
矢量阵常规 Bartlett 波束形成
对于 M 个矢量传感器组成的均匀直线阵列, 二 维平面内的 K 个信号入射到该矢量阵列上, 第k个 信号的方位为 θ k , 第 m 个阵元的输出为
T nv1 ( t) , nv2 ( t ) , …, nvM ( t) ] 号波前矢量。Nv ( t ) = [
1
矢量阵测量模型
假设信号和噪声满足如下条件: 1 ) 信号满足窄带远场平面波条件; 信号是统计 即在一次处理中信号的频率和 平稳和各态历经的, 方位等参数不发生变化, 可以用时间平均来代替统 计平均; 各入射信号统计独立。 2 ) 各阵元接收到的背景噪声为高斯噪声, 噪声 , 的相关时间半径远小于数据采样的时间间隔 即可 以将噪声看成时间域上的白噪声; 噪声满足空间独 立条件, 即各阵元接收到的背景噪声是相互独立的 。 3 ) 信号和噪声是互相独立的。 考虑到水声信道的特殊性, 我们只讨论水平面 内的二维情况。图 1 所示是一个均匀矢量直线阵的 x、 y 坐标系表示矢量传感器 x、 y 轴的 示意图, 其中, 方向, θ 为平面波的入射方位, 是与 x 轴正向的夹 d 为阵元间距。 角, 阵的法线方向为 90 ° ,
- 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)。
1
矢量阵测量模型
假设信号和噪声满足如下条件: 1 ) 信号满足窄带远场平面波条件; 信号是统计 即在一次处理中信号的频率和 平稳和各态历经的, 方位等参数不发生变化, 可以用时间平均来代替统 计平均; 各入射信号统计独立。 2 ) 各阵元接收到的背景噪声为高斯噪声, 噪声 , 的相关时间半径远小于数据采样的时间间隔 即可 以将噪声看成时间域上的白噪声; 噪声满足空间独 立条件, 即各阵元接收到的背景噪声是相互独立的 。 3 ) 信号和噪声是互相独立的。 考虑到水声信道的特殊性, 我们只讨论水平面 内的二维情况。图 1 所示是一个均匀矢量直线阵的 x、 y 坐标系表示矢量传感器 x、 y 轴的 示意图, 其中, 方向, θ 为平面波的入射方位, 是与 x 轴正向的夹 d 为阵元间距。 角, 阵的法线方向为 90 ° ,
T 1, cosθ k , sinθ k] , 令u k = [ 将( 1 ) 式改写成 K
z m ( t) =
a m ( θ k ) u k s k ( t) ∑ k =1
+ n vm ( t) .
( 3)
将该阵 列 的 输 出 排 成 一 个 列 向 量, 并用符号 Z ( t) 表示 T Z( t) =[ z1 ( t) , z2 ( t) , …, zM ( t) ] = [ a( θ1 ) u1 , a( θ2 ) u2 , …, a( θK ) uK] S( t) + Nv ( t) , ( 4) 式中, 符号 表示克罗内克积, 又称直积。 S ( t ) = T [ s1 ( t) , s2 ( t) , …, sK ( t) ] , 称为信号源矢量或者入射信
uK ] , 称A v ( θ) 为声矢量阵的信号方向矩阵, 则( 4 ) 式 可以写成 T Z( t) = [ z1 ( t ) , z2 ( t ) , …, z M ( t) ] = A v ( θ) S( t) + N v ( t) . ( 6) 由A v ( θ) 的定义可以看出, 声矢量阵的方向矢 量是声压阵的方向矢量与一个只与声波传播方向有 关的列向量的直积。 声矢量阵的方向矢量用 a v ( θ ) 来表示, 则 T a v ( θ k ) = a( θ k ) [ 1, cosθ k , sinθ k] , ( 7) 把( 5 ) 式代入 ( 7 ) 式就可以得到图 1 所示的均匀等 间距直线矢量阵的方向矢量 T av ( θk ) = [ 1, e - j k , …, e - j( M - 1) k]
N
( 10 )
R v 是矢量阵输入数据 Z ( t ) 的阵列协方差矩 式中, 阵。 只考虑一个目标, 假定目标方位为 θ s , 则M元 矢量阵的输出矢量为 T Z( t) = [ z1 ( t ) , z2 ( t ) , …, z M ( t) ] = a ( θ s ) u( θ s ) s( t ) + N v ( t ) . ( 11 ) 矢量阵波束形成器的输出为 a H ( θ) a( θ s) ] [ y v ( t) = [ 1 + cos( θ - θ s) ] s( t ) = 2 a H ( θ) a ( θ) 槡 [ 1 + cos( θ - θ s) ] y p ( t) , 2 槡 ( 12 )
Improved Bartlett Beam forming for Vector Sensor Array
YAO Zhixiang,YU Guishui,HE Fuqiang
( College of Electronic Engineering,Naval University of Engineering,Wuhan 430033 ,Hubei,China)
[12 ]
z m ( t) =
T a m ( θ k) [ 1, cosθ k , sinθ k] s k ( t) ∑ k =1
+ ( 1)
n vm ( t) ,
式中: a m ( θ k ) 是阵元 m 对于第 k 个信号的声压响应 即声压阵的信号方向矩阵 A( θ) 的第 m 行第 k 系数, 列元素; s k ( t) 是第 k 个信号的波前; n vm ( t) 是一个三 维列向量, 是第 m 个阵元的声压和振速通道接收到 的噪声。 T n vm ( t) = [ n pm ( t) , n vxm ( t) , n vym ( t) ] , ( 2)
[2 - 4 ]
0
引言
波束形成是指将传感器按一定几何规则排成一 在特定的方向形成主波束, 用于接收该特定 个阵列, 方向的有用信号并抑制来自其他方向的干扰信号 。 因此, 可以将波束形成器看成空间滤波器 , 它是常用 可用来确定目标方位、 抑制强 的一种空间处理结构, [1 ] 干扰信号并增强对弱信号的接收 。 波束形成的基本实现方法有两类, 第一类是按
收稿日期: 2010 - 07 - 20 基金项目: 国家自然科学基金资助项目( 50909096 )
。
声矢量阵较声压阵有较大的优势, 如常规矢量 [5 ] 近年来成为 阵 Bartlett 波束形成具有单边指向性 ,
mail: whyaozx@ 163. com 作者简介: 姚直象( 1976 —) , 男, 副教授, 博士。E-
第2 期
矢量阵改进常规波束形成
[6 - 11 ]
177
K
水声领域研究热点
。 除常规声压波束形成外,
( p + v c ) v c 组合时 矢量阵可进行声压振速联合处理, 延( 相移) 波束形成是国内学者提出的声压振速联 能够更好地抑制噪声, 且具 合处理的经典方法 , 有单边 指 向 性。 笔 者 通 过 研 究 发 现, 常规矢量阵 Bartlett 波束形成和( p + v c ) v c 组合的单边指向性都 与目标方位角有关, 而现有文献没有讨论该问题, 只 是肯定了它们的单边指向性优点。 本文把 ( p + v c ) v c 组合联合处理的优点推广到 Bartlett 波束形成, 推 比 导( p + v c ) v c 组合 Bartlett 方位谱的解析表达式, 较其与常规矢量阵 Bartlett 波束形成在抑制噪声和 左右舷模糊上的性能差别, 并分析常规矢量阵 Bartlett 波束形成和 ( p + v c ) v c 组合 Bartlett 波束形成单 边指向性与目标方位角的关系。
T [ 1, cosθ k , sinθ k] .
图1 Fig. 1
均匀矢量直线阵示意图
Sketch map of a vectorsensorarray with equal space units
( 8)
2
矢量阵常规 Bartlett 波束形成
对于 M 个矢量传感器组成的均匀直线阵列, 二 维平面内的 K 个信号入射到该矢量阵列上, 第k个 信号的方位为 θ k , 第 m 个阵元的输出为
H
( 14 ) 矢量阵组合振速 v c 的波束输出为
M
y v c ( t ) = e j ωt ∑ w * x m ( t) cosθ s cosθ + m[
m =1
x m ( t) sinθ s sinθ]= y p ( t) cos( θ - θ s ) , ( 15 ) 式中, θ 为波束形成的搜索方位, 或称引导方位。 将矢量阵的声压、 振速波束进行组合, 可以得到 不同形式的波束。 首先来看 p( t) 和v x ( t) 组合波束的平均功率 P pv x ( w) = 1 N
是阵列接收到的噪声矢量。 a ( θ k ) 为声压阵的方向 矢量
T a( θ k ) = [ 1, e - j k , …, e - j( M - 1) k] , ( 5) 2 πd cosθ k , 式中: k = 为相邻两阵元之间的相位差。 λ a ( θ1 ) u1 , a ( θ2 ) u2 , …, a ( θK ) 令Av ( θ) = [
矢量阵波束形成的基本思想与声压阵波束形成 一样, 都是对各阵元的输出加权求和 y v ( t) = w H Z( t) , ( 9)
178
兵
工
学
报
M
第 32 卷
H 式 中: 上 角 标 H 表 示 共 轭 转 置,w ( θ ) = T [ w1 ( θ) , w2 ( θ) , …, w M ( θ) ] 称为波束形成矢量, 它
y v y ( t ) = e j ωt ∑ w * m x m ( t ) sin θ s = y p ( t ) sin θ s .
m =1
的每一个元素都是一个三维行向量, 分别对声矢量 传感器输出的一路声压信号和两路振速信号加权 , 因此波束形成向量 w ( θ ) 是一个 3 M 维列向量。 θ 是波束的指向角。波束形成向量的每一个元素都是 复数, 其模表示对阵元输出信号的幅度加权 , 辐角主 值表示对阵元输出信号的相位延迟 。 “方位谱” 声矢量阵的 为 H a v ( θ) R v a v ( θ) P v ( θ) = H , a v ( θ) a v ( θ)
Abstract: The traditional Bartlett beamforming based on an acoustic vector sensor array( AVSA) cann’ t demonstrate the antiinterference capability of AVSA. To improve its performance,a modified Bartlett direction estimation algorithm based on the AVSA is put forward. The pressure and velocity output of AVSA are processed using the modified method. The calculation process of this algorithm is given. A gain of suppressing leftright ambiguity is defined to analyze the single side directivity of two Bartlett azimuth spectra. The improved algorithm has lower side and better performance of leftright ambiguity suppressing for the combinese more sufficiently. The results of computer simulation and sea experiment show that the improved algorithm is feasible. Key words: acoustics; acoustic vector sensor array; beam forming; array processing; leftright ambiguity 照引导角对各阵元输出数据进行时延或相移 , 然后 相加, 最后计算和波束的功率, 这就是通常所说的时 延( 相移) 波束形成; 第二类是先计算各阵元输入数 据的协方差矩阵, 然后按照某种准则 ( 如最小方差 无畸变准则 ) , 根据引导方位和协方差矩阵计算全 空间的角度谱, 文献中一般叫做方位谱估计或波达 方向估计