殷冰潔

?

基于多普勒特征恢復的聲矢量陣魯棒自適應波束形成方法

殷冰潔

(昆明船舶設備研究試驗中心，云南昆明 650051)

在短快拍、信號導向矢量失配環(huán)境下，傳統(tǒng)的自適應波束形成方法性能受到影響，對角加載技術是提高算法在復雜環(huán)境下性能魯棒性的重要技術之一。針對水聲環(huán)境和水聲信號特點，提出一種基于聲矢量陣的自適應波束形成方法。該方法利用水聲信號的多普勒頻率信息，在不同環(huán)境下自適應地選擇最優(yōu)對角加載因子，確定波束形成的權矢量，從而實現(xiàn)提取期望目標信號、抑制干擾和噪聲的目的。無需任何用戶參數(shù)，魯棒性強、估計精度高。最后基于聲矢量陣進行仿真實驗，仿真結果證明了所提出的方法能夠有效地獲取目標信號，具有較好的抗干擾能力。

自適應波束形成；水聲信號；矢量水聽器；多普勒特征尋優(yōu)算法；對角加載技術

0 引言

自適應波束形成在聲吶、雷達、通信、射電天文及生物醫(yī)學工程等領域已經(jīng)得到了廣泛應用[1-3]。然而，水聲環(huán)境復雜多變，海水溫度、風浪和其它環(huán)境條件的變化會影響水聲陣列的陣形結構，從而給水聲信號的自適應波束形成和波達方向估計帶來困難。矢量水聽器作為一種新型的傳感器，由傳統(tǒng)的無指向性聲壓傳感器和偶極子指向性質(zhì)點振速傳感器構成，可以測量聲場的聲壓與該處的質(zhì)點振速，這些信息都有助于改善水聲系統(tǒng)的性能，為解決一些水聲問題提供了新的思路和方法。

早期的基于聲矢量水聽器陣列的波束形成算法主要有常規(guī)波束形成法(Conventional beamforming, CBF)和最小方差無畸變響應波束形成法(Minimum Variance Distortionless Response, MVDR又稱Capon波束形成器)[4]，然而，當存在導向矢量誤差、陣元校正誤差等模型誤差時，波束形成器性能受到嚴重影響[5]，而且分辨力由瑞利限決定[6]。瑞利限是波束主瓣的兩個零點之間的距離，這個量衡量了陣列分辨兩個不同平面波的能力。之后提出的MUSIC方法突破了瑞利限的限制。K T Wong等[7]討論了基于聲矢量傳感器陣列的求根MUSIC法，避免了MUSIC方法所要求的噪聲子空間的求解。

然而在實際應用中，陣元的幅相誤差和位置誤差在所難免，尤其對于拖曳陣，陣元位置本來就是時變的，這就導致了導向矢量不準確，加之實際跟蹤的運動目標不具備長時間觀測的條件，造成了觀測數(shù)據(jù)不充分。在這樣的場景下，傳統(tǒng)的自適應波束形成方法性能嚴重下降。因此，如何提升自適應波束形成方法的魯棒性受到學者們的熱切關注。較為經(jīng)典的魯棒自適應波束形成算法主要有魯棒Capon波束形成法(Robust Capon Beamforming, RCB)[8-12]和對角加載魯棒自適應波束形成法等。RCB方法對導向矢量不確定集進行約束，極大降低了導向矢量誤差對算法性能造成的影響，但需要用戶參數(shù)。對角加載方法則需要根據(jù)不同準則選擇合適的對角加載因子[13-15]，導致了該方法在使用時受到條件限制。

本文從目標信號本身的特征出發(fā)來實現(xiàn)魯棒波束形成，通過利用水聲信號的多普勒頻率信息，提出一種基于多普勒特征恢復的對角加載因子自動尋優(yōu)方法，進而提取期望目標信號并抑制干擾信號和噪聲。該方法不受導向矢量失配及有限快拍效應的影響，在短快拍條件下，依然具有較好的波束形成性能，而且在閉式區(qū)間進行對角加載因子尋優(yōu)，極大降低了算法的計算復雜度。除此之外，該方法無需任何用戶參數(shù)。

1 信號模型

2 算法實現(xiàn)

對角加載Capon自適應波束形成器的設計準則為

上述式(4)所描述的問題可用拉格朗日方法進行求解，得到：

根據(jù)多普勒信號的結構特點，當干擾信號被完全抑制且期望目標信號被提取時，有：

將式(9)代入式(6)，得到最優(yōu)權矢量，表示為

3 仿真實驗與性能分析

聲吶波束形成器的輸出信干噪比(Signal to Interference plus Noise Ratio, SINR)定義為

仿真實驗1：波束方向圖

分析圖1和圖2可知，本文所提的方法在不同信噪比條件下均能成功抑制干擾，在干擾方向形成很深的零陷，同時波束方向圖主瓣對準期望目標信號方向，而傳統(tǒng)的Capon波束形成方法則不能成功提取期望信號，在低信噪比的情況下，性能下降更為明顯。

仿真實驗2：輸出信干噪比隨信噪比變化曲線

圖1 三種方法的波束方向圖：快拍數(shù)固定為50，信噪比等于0 dB

圖2 三種方法的波束方向圖：快拍數(shù)固定為50，信噪比等于15 dB

圖3 輸出信干噪比隨信噪比變化的曲線：快拍數(shù)固定為50

圖4 輸出信干噪比隨信噪比變化的曲線：快拍數(shù)為200

仿真實驗3：輸出信干噪比隨快拍數(shù)變化曲線

本實驗旨在驗證所提方法在面對導向矢量誤差時的有效性。本實驗中，信噪比固定為10dB，導向矢量誤差為2°。圖5和圖6分別為信噪比等于0 dB和20 dB時的輸出信干噪比變化曲線。圖5和圖6的仿真結果顯示，DPOS方法在存在導向矢量誤差時具有很好的魯棒性，算法性能仍優(yōu)于其它與之比較的方法，在短快拍環(huán)境下，算法性能尚未受到明顯影響。

圖5 輸出信干噪比隨快拍數(shù)變化的曲線：信噪比固定為0 dB

圖6 輸出信干噪比隨快拍數(shù)變化的曲線：信噪比固定為20 dB

圖7 輸出信干噪比隨頻率偏差變化的曲線：信噪比固定為15 dB，快拍數(shù)為500

仿真實驗4：輸出信干噪比隨頻率偏差變化曲線

本實驗研究傳感器采樣導致的多普勒頻率偏差對算法性能的影響，圖7為輸出信干噪比隨多普勒信號頻率偏差變化的曲線。信噪比固定為15 dB，采樣點數(shù)=500。由圖7可見，隨著頻率偏差的增大，各算法性能均有所下降，但是文中所提的DPOS方法仍然有高于其余算法的輸出信干噪比，說明DPOS方法具有優(yōu)于其余算法的期望信號提取能力和干擾噪聲抑制能力。

4 結論

本文從水聲信號本身的特征出發(fā)，給出了一種利用信號多普勒特征進行對角加載因子自適應尋優(yōu)的魯棒波束形成方法。該方法充分利用了多普勒信號本身的特點，無需任何用戶參數(shù)和訓練數(shù)據(jù)；此外，該方法在閉式區(qū)間進行對角加載因子自適應尋優(yōu)時，極大降低了算法的計算復雜度。仿真結果表明，DPOS方法不受導向矢量失配及有限快拍效應的影響，在短快拍條件下，依然具有優(yōu)于RCB和Capon方法的輸出性能，能較好地實現(xiàn)期望信號的提取和干擾噪聲的抑制，具有重要的理論意義和應用價值。

[1] ELNASHAR A, ELNOUBI S M, ELMIKATI H A. Further study on robust adaptive beamforming with optimum diagonal loading [J]. IEEE Transactions on Antennas Propagations, 2006, 54(12): 3647-3658.

[2] 許光, 周勝增. MVDR自適應波束形成技術在水聲中的研究進展 [J]. 聲學技術, 2014, 33(6): 554-558. XU Guang, ZHOU Shengzeng. Development and application of MVDR adaptive beamforming technique in underwater acoustic[J]. Technical Acoustics, 2014, 33(6): 554-558.

[3] 劉廣鐘, 夏曉麗. 水聲通信中RLS-LCMV波束形成算法的研究 [J]. 現(xiàn)代電子技術, 2011, 34(21): 89-91.

LIU Guangzhong, XIA Xiaoli. Research on RLS-LCMV beam forming algorithm in underwater communication[J]. Modern Electronics Technique, 2011, 34(21): 89-91.

[4] HAWKES M, NEHORAI A. Acoustic vector-sensor beamforming and Capon direction estimation[J]. IEEE Transactions on S ignal Processing, 1998, 46(9): 2291-2304.

[5] MESTRE X, LAGUNAS M A. Finite sample size effect on minimum variance beamformers: optimal diagonal loading factor for large arrays[J]. IEEE Transactions on Signal Processing, 2006, 54(1): 69-82.

[6] VAN TREE L. Optimum array processing[M]. Newyork: John Wiley ＆Sons Inc., 2003: 48.

[7] WONG K T, ZOLTOWSKI M D. Root-MUSIC-based azimuth elevation angle-of-arrival estimation with uniformly spaced but arbitrarily oriented velocity hydrophones[J]. IEEE Transactions on Signal Processing, 1999, 47(12): 3250-3260.

[8] LI J, STOICA P, WANG Z S. On robust Capon beamforming and diagonal loading[J]. IEEE Transactions on Signal Processing, 2003, 51(7): 1702-1715.

[9] LI J, STOICA P, WANG Z. Doubly constrained robust Capon beamformer[J]. IEEE Transactions on Signal Process, 2004, 52(9): 2407-2423.

[10] VOROBYOV S, GERSHMAN A B, LUO Z-Q. Robust adaptive beamforming using worst-case performance optimization: A solution to the signal mismatch problem[J]. IEEE Transactions on Signal Processing, 2003, 51(2): 313-324.

[11] STOICA P, LI J, TAN X. On spatial power spectrum and signal estimation using the pisarenko framework[J]. IEEE Transactions on Signal Processing, 2008, 56(10): 5109-5119.

[12] VOROBYOV S A. Principles of minimum variance robust adaptive beamforming design[J]. Signal Processing, 2013, 93(12): 3264- 3277.

[13] RüBSAMEN M, GERSHMAN A B. Robust adaptive beamforming using multidimensional covariance ?tting[J]. IEEE Transactions on Signal Processing, 2012, 60(2): 740-753.

[14] DU L, LI J, STOICA P. Fully automatic computation of diagonal loading levels for robust adaptive beamforming[J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(1): 449-458.

[15] YANG J, MA X C, HOU C H. Automatic generalized loading for robust adaptive beamforming[J]. IEEE Signal Processing Letters, 2009, 16(3): 219–222.

Doppler feature restoration based robust adaptive beamforming for acoustic vector-sensor array

YIN Bing-jie

(Kunming Shipborne Equipment Research and Test Center, Kunming 650051,Yunnan,China)

According to the characteristics of underwater acoustic environment and signals, a diagonal loading adaptive beamforming method based on the vector hydrophone array is proposed for the purpose of improving the robustness of the traditional adaptive beamforming method in the presence of finite sample effect, signal-of-interest steering vector mismatch and/or model array error. This method determines the appropriate diagonal loading level adaptively by using the Doppler information of acoustic signals, then obtains the weight vector to extract the signal-of-interest and suppresses interference signals. Simulation results illustrate the superior performance of the proposed robust user-parameter-free beamformer in the cases of low signal to noise ratio and short snapshot numbers.

adaptive beamforming; acoustic signal; vector hydrophone; Doppler property optimal diagonal level searching(DPOS); diagonal loading

TN911

A

1000-3630(2018)-06-0596-05

10.16300/j.cnki.1000-3630.2018.06.015

2017-08-24;

2017-11-16

殷冰潔(1992－), 女, 云南楚雄人, 碩士, 研究方向為水聲信號檢測與處理。

殷冰潔, E-mail: bingjieyin@163.com