大规模阵列Kronecker稳健波束形成器

针对大规模阵列对样本需求量大、计算复杂度高的问题,提出一种应用于大规模阵列的Kronecker自适应稳健波束形成器。首先,将期望信号导向矢量分解成两个导向矢量的Kronecker乘积,将原始导向矢量的失配问题转化为两个低维导向矢量的失配问题;然后,基于最坏情况性能最优原理建立双二次代价函数,并利用双迭代算法求解该代价函数,每次迭代过程只需求解两个低维的二阶锥规划问题。理论分析和仿真实验结果表明,与传统全维稳健算法相比,所提方法能够有效降低计算复杂度和样本需求量,与现有的降维稳健算法相比,由于具有更多自由度,所提方法具有更高的输出信干噪比。

基于波束形成及CNN-LSTM的托辊故障距离估计模型

托辊是带式输送机的关键组件,也是输送系统的薄弱环节,波束形成算法的定向性和深度学习算法的特征识别能力为托辊故障距离估计提供可能。针对输送机输送距离长、不易检测等问题,提出一种利用波束形成(Beamforming)及时空网络(Convolutional Neural Network-Long Short-Term Memory,CNN-LSTM)对托辊故障声源实现距离估计的方法(Beamforming-Convolutional neural network-Long short-term memory,BCL)。首先利用麦克风阵列采集不同距离的故障声源数据,经波束形成定位处理构建数据集;通过卷积神经网络(CNN)获得数据采样集的空间特性,再借助LSTM网络在序列上的建模功能,将由空间数据组成的序列信息输入LSTM网络,从而获得空间时序信息;最后,再将由LSTM网络产生的空间时序信息输入到Softmax分类器,实现故障距离估计。实验结果表明,BCL模型在有无噪声干扰的环境下都可以以高准确率实现托辊的故障距离估计且较其他模型拥有更好的识别能力。

基于波束形成的海上智能天线算法

远距离海上雷达探测由于海上环境的复杂性容易受到杂波干扰,常用的最小均方算法通过在干扰噪声中形成主波束并引导至目标信号,有效解决了杂波干扰问题。通过对自适应智能天线波束形成技术的海上应用进行研究,给出了常用的天线阵列结构模型和信号模型,研究了智能天线中的自适应波束成型算法,目前在这一领域的解决方案中最小均方算法最为常见,但其存在收敛速度差、通用性低等问题。本文将优化遗传算法引入,对传统遗传算法中初始种群规划和交叉操作进行了优化和改进。仿真实验表明,与最小均方算法、传统遗传算法相比,优化遗传算法对杂波的抑制效果提高了28%,收敛速度提升了3倍,具有良好发展前景。

麦克风阵列鲁棒频率不变波束形成算法

在实际应用中,频率不变波束形成器通常受到麦克风阵列失配误差的影响,因此提高频率不变波束形成器的鲁棒性具有重要意义。针对上述问题提出了一种约束优化模型,可以在保持频率不变波束形成的同时提高阵列的鲁棒性。首先设计目标波束图,考虑到差分麦克风阵列本身具有频率不变的波束图,选用传统二阶超心型差分麦克风波束图做为目标波束图。上述模型以麦克风阵列权矢量的二范数作为目标函数来最大化鲁棒性,在无失真约束,目标波束主瓣逼近约束以及旁瓣增益精准控制约束下实现频率不变。然后在交替方向乘子法算法框架下,将优化问题分解为多个优化子问题求解,然后对每个优化子问题分别求解,通过仿真验证了在交替方向乘子法算法下上述模型的可行性与有效性,最终达到了麦克风阵列鲁棒频率不变波束响应的效果。

基于海试数据的水声信号自适应波束形成方法性能分析

为了更好验证自适应波束形成技术的实际应用,本文研究了基于海试数据的不同自适应波束形成方法的性能,对比分析CBF算法、MVDR算法、MUSIC算法的优缺点,总结了各算法适用条件及实用性。研究结果表明,在声呐的实际应用中,CBF算法更适用于实时性要求较高、目标数量较少的方位探测;MUSIC算法更适用于实时性要求不高、目标数量较多、目标数量已知的方位探测;MVDR算法更适用于实时性要求不高、目标数量较多、目标数量未知的方位探测。

基于小快拍场景的联合校正稳健波束形成算法

针对传统的自适应波束形成算法在目标导向矢量失配及接收数据的协方差矩阵存在误差时,性能急剧下降的问题,提出了一种基于小快拍场景的联合协方差矩阵重构,及导向矢量优化的稳健波束形成算法。对不确定集约束求解得到干扰导向矢量,根据稀疏干扰来向的导向矢量近似正交,求出干扰导向矢量对应的干扰功率,从而完成协方差矩阵重构;对期望信号来向及其邻域进行权值求解,对加权后的数据特征分解,利用多信号分类(Multiple Signal Classification, MUSIC)谱估计算法对信号区域积分得到信号协方差矩阵,将其主特征值近似为期望信号的导向矢量完成重新估计。仿真结果表明,在无误差时,算法输出信干噪比(Signal to Interference Plus Noise Ratio, SINR)接近理论最优;在多种误差环境下输出性能随信噪比(Signal to Noise Ratio, SNR)的变化均具有较好的稳健性,并且在信号来向可精准形成波束;在小快拍时可以较快收敛至理论最优值。

宽带数字波束形成中的分数延时滤波器设计优化

在宽带数字波束形成处理中,一个关键问题是对阵列天线接收到的信号进行包络延时补偿。解决该问题的基本方法是通过分数延时滤波器对输入信号进行延时。本文主要讨论Farrow结构的分数延时滤波器设计优化方法,以便于工程应用。

阵元位置互质的线性阵列:阵列校正和波束形成

该文研究了阵元位置互质的线性阵列(CLA)的阵列校正和波束形成问题。在假设CLA天线单元部分校准的条件下,基于同时干扰定位与阵列校正(SILAC)技术,设计了一种适用于CLA的阵列校正和波束形成方法:CLA-SILAC-INCM算法。从理论上分析证明了,当CLA中包含有L_c≥3个完全校准的天线单元,使用SILAC技术可以高精度无模糊地实现干扰源角度和阵列天线幅相误差估计,并在此基础上完成干扰噪声协方差矩阵(INCM)重建和波束形成最优权向量构造。通过仿真实验验证了,提出的CLA-SILAC-INCM算法具有比其他常用算法更好的性能,尤其是信噪比接近干噪比时,CLA-SILAC-INCM算法的优势更为明显。

基于共振解调波束形成的滚动轴承故障定位方法研究

针对传统分析方法识别高频滚动轴承故障位置存在的定位混叠及精度问题,文中提出了基于共振解调波束形成的滚动轴承故障定位方法。该方法通过对轴承故障信号进行共振解调,从高频载波中提取含有故障信息的低频信号,然后选择含有故障信息的频率段采用近场波束形成算法进行定位,实现了在较大传声器间距下对高频轴承故障冲击信号进行定位同时也有效地解决了传统定位方法的不足。通过轴承故障试验台的定位试验验证了该方法的准确性,结果表明:该方法定位精度保持在95%以上,且能识别轴承的状态及其故障类型。

三维声强与振速波束形成结合的声源识别方法研究

针对难以准确分离同频率双声源及计算声功率值的问题,提出三维声强矢量与质点振速的常规波束形成技术结合的声源识别方法,应用于同频率双声源的定位与声功率分离中。利用三维声强矢量特性求解各探头中心处质点振速与声强值;将质点振速引入常规波束形成对各声源定位;将定位结果代入三维声强矢量分解法中,构建声强、声功率的非线性方程组,求解得各声源声功率值。在半消声室内进行实验,实验结果表明:质点振速波束形成的声源定位方法可行,三维声强矢量方程组求解各声源声功率值误差在5%以内。

基于反卷积的双线阵聚焦波束形成被动定位方法

为了提高双线阵聚焦波束形成在阵元数少或频率低时的定位精度,文章研究了一种基于反卷积的双线阵聚焦波束形成被动定位方法。首先在测量区内对双线阵接收信号进行球面波补偿,给出噪声源分布的声图信息。然后根据阵型的参数,计算双线阵的指向性函数。最后利用一种适用于移变阵列的二维扩展R-L反卷积算法,对声图波束输出和双线阵的指向性函数做反卷积,求解基于反卷积波束形成的源的分布。该方法旁瓣更低,分辨力更高,有效提高双线阵聚焦波束形成的定位精度和左右舷分辨能力,为后续的减振降噪、噪声检测等工作提供了参考。

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。

一种非平滑相干干扰鲁棒的自适应波束形成器

针对文献报道的鲁棒自适应波束形成(robust adaptive beamforming,RAB)算法,分析了在存在相干干扰时其性能严重下降甚至失效的原因:通过将接收信号协方差矩阵分解为阵列流形矩阵左和共轭右乘一个矩阵P的描述形式,在存在相干干扰时,P为非对角阵,其非对角元素表征了信号与干扰间的互相关,该成分造成了RAB算法的失效;另表明:快拍数有限可视为特殊的相干干扰情况。为此,提出了一种构建P为对角阵的协方差矩阵拟合方法;并据拟合的协方差矩阵,给出了对非平滑相干干扰RAB方法。仿真验证了分析的有效性,所提方法在相干干扰时仍能实现非相干干扰时的性能,且收敛速度优于报道方法。

圆阵多项式结构宽带波束形成器的时域降维设计

针对现有圆阵多项式结构宽带波束形成器频域设计方法在短抽头长度条件下性能严重下降的问题,提出了一种时域降维优化设计方法。首先,利用圆阵的对称性特点,理论分析了多项式结构宽带波束形成器权系数存在的对称性,继而导出圆阵多项式结构宽带波束形成器时域设计的降维形式,剔除了优化问题中近一半的冗余波束形成器权系数,有效降低了时域优化问题的维度。然后,结合交替方向乘子法进一步导出了圆阵多项式结构宽带波束形成器的时域降维优化方法。仿真结果表明,所提时域降维设计方法在短抽头条件下显著优于现有的频域设计方法,且在提升时域优化效率方面也具有明显优势。

基于位置补偿的蒙皮数字波束形成方法

为了减少天线结构给载体带来的影响,将天线附着于载体表面形成智能蒙皮天线是解决这一问题的有效手段。但由于天线在运动过程中遭受风力和气流的影响,会产生明显颠簸,使得天线的阵面上下抖动,从而导致相控阵雷达中每个阵元位置变化。此时利用常规数字波束形成技术已无法得到有效波束。为解决天线上下振动带来的相位色散问题,本文提出了一种基于位置补偿的方法,可以有效解决位置变动给波束形成带来的影响,从而解决蒙皮天线的波束形成问题。

一种基于FFT的快速多波束形成算法设计

多波束形成算法在相控阵雷达、无线通信、测量等多领域均有重要应用,而波束形成数量直接决定了阵面空域覆盖能力,为了提高多波束形成算法的计算效率,节约硬件设计成本,在空间域中对阵元接收数据进行有效重排,利用快速傅里叶变化将阵元接收数据从空间域变化到波束域,实现多指向的接收多波束快速形成。通过仿实验分析,256线阵元数目下形成256波束,采用快速傅里叶变换(fast Fourier transformation,FFT)方式的快速多波束形成算法运算量大约是传统算法的125%。快速多波束形成算法能够有效提升计算速度,降低工程实现的硬件成本。

一种星载数模混合阵列结构及波束形成算法

6G星地融合网络对卫星通信系统提出了高速率低时延低能耗的要求,由于星地链路信道环境复杂多变且容易受到干扰,需要研究干扰场景下的低成本可实现阵列架构及算法。针对这一问题,设计了一种数模混合阵列结构,子阵采用50%稀疏馈电以及最小二乘波束形成算法,超阵采用最小二乘与线性约束最小方差波束形成算法,并理论分析了阵列结构的可行性,证明子阵的零点能够抑制超阵的栅瓣。仿真结果表明,该结构以更低的复杂度实现了大规模阵列的效果,波束方向图指向明确且零陷深度足够,对干扰的抑制明显,获得了接近理想阵列增益的BER性能。

基于SDW-MMSE的广义特征值稳健波束形成方法

最大输出信噪比(Signal-to-noise ratio,SNR)准则下,广义特征值(Generalized eigenvalue,GEV)波束形成存在复系数难以控制的问题,在复杂的声学环境中容易导致输出信号严重失真。针对复系数估计问题,本文提出一种基于最小均方误差(Minimum mean square error,MMSE)的复系数估计方法,并通过引入语音失真权重因子(Speech distortion weight,SDW),调节降噪效果和语音失真之间的权重关系,进而提出了基于SDW-MMSE的广义特征值稳健波束形成方法。通过最大似然法估计目标信号和噪音信号的功率谱,进而求解主广义特征向量。进一步基于SDW-MMSE估计复系数,将复系数与主广义特征向量相结合,从而得到基于SDW-MMSE的广义特征值稳健波束形成滤波向量。仿真实验结果表明,本文提出的波束形成方法可有效消除相干噪声和非相干噪声,具有输出信噪比高、语音失真少等稳健性能。

基于波束形成的变压器噪声成像技术研究与应用

作为变电站中最为昂贵和重要的设备,变压器一直是科研人员的研究重点对象。目前对变压器噪声源识别的相关研究较少,因此结合波束形成技术针对变压器噪声源识别展开研究。首先根据所调研的变压器噪声特性,确定了所关注的噪声频段和所用的声源识别方法,阐述了宽带信号的波达方向估计与波束形成的相关理论,进而整理出了一种基于频域数据的宽带变压器信号定位思路,利用仿真结果证实了所提定位思路的合理性与准确性。最后基于LabVIEW平台搭建了一套变压器噪声源识别系统,并通过对不同情况下实际运行变压器的现场试验,对系统的定位效果进行了测试,其定位误差在2°左右,结果证明噪声源识别思路和搭建的系统平台具有良好的可靠性与可用性。

最小范数约束的改进MVDR波束形成算法

针对传统的最小方差无畸变响应(MVDR)波束形成方法,难以有效均衡和同时优化干扰和噪声抑制的问题,提出一种基于最小范数解的改进算法。通过对阵列接收信号的自相关阵进行特征分解,取大特征值减去噪声功率及大特征值对应特征向量,构建线性约束方程的最小范数解,代替MVDR算法中的自相关阵的逆的形式形成加权系数,其中噪声功率由小特征值的平均值估计,获得的权系数对应于线性约束条件下的最小范数解。仿真分析表明,该算法能够有效地在干扰位置处形成零陷,利于后续在时间维的噪声滤波处理,较之于MVDR等算法有更好的干扰和噪声抑制性能。