基于压缩感知的空间虚拟阵列波束形成技术

发布时间：2022-02-18 12:19

　　主动声呐目标回波受海洋环境噪声干扰严重,远距离探测回波信号弱,目标方位估计准确度低,并且传统基阵空间谱估计方法需要满足奈奎斯特采样率,采集数据量大。利用信号的空域稀疏性,以回波信号亮点模型为基础,研究了基于压缩感知的空间虚拟阵列目标方位估计技术。在接收基阵物理孔径有限的情况下,利用线性预测（LP）虚拟阵列方法提高阵列孔径尺度,采用压缩感知（CS）算法对目标回波信号进行重构与恢复,通过数据仿真分析表明该算法提高了基阵空间谱估计的分辨力,有效地抑制了噪声干扰。 

【文章来源】：光学与光电技术. 2020,18(02)

【文章页数】：8 页

【部分图文】：

空间谱方位估计结果

图1 空间谱方位估计结果从图2中可以看出，当输入信噪比为-10 dB时，由于采用CS算法降低了阵列接收信号中的噪声分量，从而使基于CS算法去噪后的空间谱波束图旁瓣明显比未使用CS算法去噪的波束图旁瓣低，其主瓣宽度也明显变窄。这说明在相同阵列数据处理条件下，CS算法去噪后的抗干扰性能和对信号分辨率明显提高。

存在两个远场窄带信源，目标方位分别是10°和20°，快拍数为300，输入信噪比均为-5dB，采用实际基阵CBF算法估计和线性预测算法结合CS算法处理后的CBF算法估计，分别对两个信源信号进行空间谱估计，其中线性预测虚拟了8个虚拟阵元。仿真结果如图3所示。从图3可以看出，在信噪比为-5 dB下，实际基阵CBF算法旁瓣很高，主瓣较宽，基本上已经不能分辨出两信号，而基于线性预测算法结合CS算法共同处理后的信号空间谱波束图具有更低的旁瓣和较高的分辨率。这是由于线性预测算法加入了虚拟阵元使分辨率变好，而线性预测虚拟出的阵元再结合CBF算法可以使抗干扰能力提升。

【参考文献】：
期刊论文
[1]OMP算法对稀疏信号准确重构的一个充分条件[J]. 莫长鑫,毕宁.  复旦学报(自然科学版). 2019(01)
[2]改进的压缩感知测量矩阵优化方法[J]. 麻曰亮,裴立业,江桦.  信号处理. 2017(02)
[3]复杂混响背景下声呐基阵的目标方位估计算法[J]. 张国光.  舰船电子工程. 2017(01)
[4]基于PDAF和线性预测的实时小目标跟踪算法[J]. 魏瑞轩,沈东,孔韬,郭创.  系统工程与电子技术. 2011(05)
[5]多通道海底混响线性预测方法研究[J]. 郭熙业,苏绍璟,王跃科.  兵工学报. 2010(01)
[6]基于线性预测和最小二乘估计的缺陷阵波束形成[J]. 崔琳,李亚安.  系统仿真学报. 2009(24)
[7]基于线性预测的虚拟阵元波束形成[J]. 胡鹏,杨益新,杨士莪.  声学技术. 2007(04)
[8]声呐目标回波的亮点模型[J]. 汤渭霖.  声学学报. 1994(02)

博士论文
[1]基于稀疏信号表示的水下目标回波参数估计[D]. 孟祥夏.哈尔滨工程大学 2018
[2]水下目标声散射信号的盲分离研究[D]. 杨阳.哈尔滨工程大学 2017
[3]基于过完备字典的非凸压缩感知理论与方法研究[D]. 林乐平.西安电子科技大学 2016
[4]基于稀疏分解理论的声矢量阵信号处理[D]. 付金山.哈尔滨工程大学 2012

硕士论文
[1]基于压缩感知的水下目标声信号去噪识别方法研究[D]. 李冬冬.燕山大学 2018
[2]基于压缩感知的水下目标回波信号处理技术研究[D]. 高恩伟.杭州电子科技大学 2017



本文编号：3630826