基于高階次Cross Sensor處理的波束形成方法

鄭恩明， 黎遠松， 余華兵， 陳新華， 孫長瑜

(1.中國科學(xué)院 聲學(xué)研究所,北京　100190; 2. 四川理工學(xué)院 計算機學(xué)院,四川　自貢　643000)

?

基于高階次Cross Sensor處理的波束形成方法

鄭恩明1， 黎遠松2， 余華兵1， 陳新華1， 孫長瑜1

(1.中國科學(xué)院 聲學(xué)研究所,北京100190; 2. 四川理工學(xué)院 計算機學(xué)院,四川自貢643000)

在目標(biāo)檢測和方位估計中，波束形成(Beam-Forming，BF)對拖線陣具有重要作用。對于常規(guī)波束形成，角度分辨率無法突破“瑞利限”。隨著實際情況的復(fù)雜多變化，對同時估計多個目標(biāo)方位的需求越來越迫切。為了能夠得到高分辨波束形成技術(shù)，相關(guān)學(xué)者提出了不同方法，大致可分為兩類[1-7]：① 子空間類方法，該類方法是基于協(xié)方差矩陣特征分解理論，利用信號子空間和噪聲子空間正交特性使目標(biāo)分辨能力顯著提高，能夠得到方位參數(shù)的漸近無偏估計，并使方位估計方差接近克拉美羅界(CRB)，突破了“瑞利限”制約，具有良好的參數(shù)估計性能。其中主要包括Pisarenko法、MUSIC法、Johnson法、Mini-Norm法、JESPRIT法、MODE法、加權(quán)子空間擬合(WSF)法等。這類方法己經(jīng)成為陣列信號處理領(lǐng)域中研究的熱點，工程應(yīng)用前景良好。但該類方法對先驗知識依賴性較強，對目標(biāo)檢測的最低門限信噪比要求較高；② 參數(shù)模型方法，該類方法根據(jù)信號特點，利用參數(shù)模型(如AR模型、MA模型、ARMA模型等)來擬合信號過程，并進一步估計方位，較好地解決了加窗函數(shù)帶來的不利影響。在信噪比不太低、數(shù)據(jù)長度不太短的情況下，這類方法具有比常規(guī)波束形成方法更好的估計性能，其中包括自相關(guān)法、協(xié)方差法、線性預(yù)測法等。但是這類方法估計性能受模型準(zhǔn)確性及相應(yīng)階數(shù)的影響較大，對目標(biāo)檢測的最低門限信噪比要求較高。

隨著降噪技術(shù)不斷提高，拖線陣接收數(shù)據(jù)的信噪比會隨之在不斷降低，現(xiàn)有的高分辨波束形成技術(shù)已不能很好地滿足拖線陣需要。為了能夠得到同時具有高分辨和寬容性波束形成方法，可以通過深入研究以下3種方法得以實現(xiàn)： ① 繼續(xù)研究子空間類方法和參數(shù)模型方法，得到同時具備高分辨和寬容性的波束形成方法。② 通過合成孔徑方法擴大線陣有效孔徑[8]，得到同時具備高分辨和寬容性的波束形成方法。③ 通過虛擬陣元的方法[9]，得到同時具備高分辨和寬容性的波束形成方法。對此，本文依據(jù)波束形成方位分辨率與線陣有效孔徑的關(guān)系，通過擴大線陣有效孔徑得到魯棒性強的高分辨率波束形成方法。為了能夠擴大線陣有效孔徑，提出了一種高階次Cross Sensor處理方法。該方法依據(jù)陣元間接收信號相位差與目標(biāo)方位固有特性，陣元間協(xié)方差矩陣同一斜對角線上不同元素具有相同相位差的特點，對協(xié)方差矩陣進行M階次Cross Sensor處理后可虛擬出(2M-1)(N-1)個虛擬陣元(N為原始陣元數(shù))。虛擬陣元的增加可擴大線陣有效孔徑，得到較高分辨率的波束形成。在Cross Sensor處理過程中，該方法對協(xié)方差矩陣同一斜對角線上不同元素進行了疊加運算，可進一步削弱噪聲對波束形成的影響，提高了波束形成魯棒性。并對該算法進行了數(shù)值仿真和海上試驗數(shù)據(jù)驗證。

1一般頻域?qū)拵Рㄊ纬?/p>

一般寬帶波束形成可從時域或頻域?qū)崿F(xiàn)，頻域?qū)拵Рㄊ纬煽赏ㄟ^以下步驟實現(xiàn)：首先對各陣元接收信號做FFT分析，然后對各頻率單元進行相位補償、累加、求和，完成頻域窄帶波束形成，最后對各頻率單元空間譜等權(quán)值累加完成頻域?qū)拵Рㄊ纬伞?/p>

現(xiàn)假定，圖1為陣元數(shù)為N的等間距水平拖線陣，θ0為目標(biāo)相對水平拖線陣輻射信號方向，各陣元接收拾取數(shù)據(jù)xi(t)可表示為：

xi(t)=s(t+Δτi)+ni(t),

0≤i≤N-1

(1)

圖1　水平拖線陣接收信號示意圖Fig.1 The sketch map of horizontal lineal array

首先對xi(t)做FFT分析可得：

Xi(f)=FFT(xi(t))=FFT(s(t+Δτi)+ni(t))=

S(f)ej2πfΔτi+Ni(f),(0≤i≤N-1,fl≤f≤fh)

(2)

式中:fl為濾波器頻帶下限，fh為濾波器頻帶上限。

然后對Xi(f)進行相位補償、累加，可得各陣元在頻率單元f處累加數(shù)據(jù)。

(3)

式中:τi(θ)=d·i·cos(θ)/c為進行相位補償所設(shè)第i陣元相比參考陣元0時延差。

對式(3)中Y(f)進行共軛相乘，可得方位θ處的能量為：

P(θ)=Y(f)·Y*(f)=

A(θ)RSS(f)AH(θ)+A(θ)RSN(f)AH(θ)+

A(θ)RNS(f)AH(θ)+A(θ)RNN(f)AH(θ)=

A(θ)R(f)AH(θ)

(4)

A(θ)=[e-j2πfτ0(θ),e-j2πfτ1(θ),…,e-j2πfτN-1(θ)]

(5a)

RSS(f)=[S(f)ej2πfΔτ0,S(f)ej2πfΔτ1,…,S(f)ej2πfΔτN-1]T×

[S(f)ej2πfΔτ0,S(f)ej2πfΔτ1,…,S(f)ej2πfΔτN-1]*

(5b)

RSN(f)=[S(f)ej2πfΔτ0,S(f)ej2πfΔτ1,…,S(f)ej2πfΔτN-1]T×

[N0(f),N1(f),…,NN-1(f)]*

(5c)

RNS(f)=[N0(f),N1(f),…,NN-1(f)]T×

(5d)

RNN(f)=[N0(f),N1(f),…,NN-1(f)]T×

[N0(f),N1(f),…,NN-1(f)]*

(5e)

R(f)=RSS(f)+RSN(f)+RNS(f)+RNN(f)≈RSS(f)+RNN(f)=

(6)

2高階次Cross Sensor 處理的波束形成方法

2.1高階次Cross Sensor處理方法原理與實現(xiàn)

令，Rf=R(f)，對Rf進行Cross Sensor處理可得：

ZP(f)=

(7)

式中：n、P為所取Rf中元素位置，Rf為頻率f處的各陣元接收數(shù)據(jù)協(xié)方差矩陣。Z-N+1(f),Z-N+2(f),…,Z0(f),…,ZN-2(f),ZN-1(f)可表示為：

(8a)

(8b)

(8c)

(8d)

(8e)

由文獻[5-7,10-15]中關(guān)于Cross Sensor處理的理論推導(dǎo)和式(8a)~式(8e)所示可知，ZP(f),1-N≤P≤N-1已具有線列陣接收信號特性，對其可按常規(guī)波束形成(Conventional Beam-Forming，CBF)進行目標(biāo)方位估計。

令

[Z-N+1(f),Z-N+2(f),…,Z0(f),…,ZN-2(f),ZN-1(f)]*=

(9)

A′(θ)=[e-j2πfτ-N+1(θ),e-j2πfτ-N+2(θ),…,e-j2πfτ0(θ),…e-j2πfτN-2(θ),e-j2πfτN-1(θ)]

(10)

由式(9)和式(10)可得方位θ處的能量為：

(11)

由式(7)~式(11)處理過程可知，基于M階次Cross Sensor處理的波束形成(M階次Cross Sensor CBF)方法實現(xiàn)過程如下：

步驟1按式(7)~式(11)處理過程完成1階次Cross Sensor CBF即為文獻[11,14]所述FIM-IBF方法；

步驟3重復(fù)執(zhí)行步驟2過程，可依次完成3階次Cross Sensor CBF、4階次Cross Sensor CBF等。

2.2性能分析

由式(7)可知，ZP(f)所含陣元數(shù)相比原始線陣陣元數(shù)多了一倍。對ZP(f),1-N≤P≤N-1進行波束形成，-3 dB處的主瓣寬度可表示為：

(12)

式中:λ為波長，L′=2L=2(N-1)d為有效孔徑，L=(N-1)d為原始線陣有效孔徑。

經(jīng)過一次Cross Sensor處理可增加近一倍的陣元數(shù)，陣元數(shù)得增加可擴大線陣有效孔徑，由式(12)可知，在λ不變情況下，線陣有效孔徑的增加可有效降低主瓣寬度，提高波束形成方位分辨率。相比式(4)，式(11)所得波束形成主瓣寬度縮減了近1/3。

圖2　不同階次Cross Sensor處理虛擬陣元示意圖Fig.2 The sketch map of virtual array elements by different order Cross Sensor Processing

圖中，為經(jīng)Cross Sensor處理所得虛擬陣元。

令信號和背景噪聲不相關(guān)，各陣元接收背景噪聲是獨立高斯噪聲。在理論上，M階次Cross Sensor CBF 在-3 dB處的主瓣寬度，M階次Cross Sensor CBF的空間增益分別為：

(13)

(14)

由式(7)及式(12)~(14)可知，M階次Cross Sensor CBF的優(yōu)越性為：

(2)M階次Cross Sensor CBF本質(zhì)上仍然是線性空間譜估計，具有線性空間譜估計算法的優(yōu)點。

另外，波束形成旁瓣產(chǎn)生機理可表示為[14,16]。

K(α)=(2N-1)kdsinθ0sinα/2π

(15)

式中：α=θ0-θ，θ0為目標(biāo)輻射信號方向，θ波束方向，N為陣元數(shù)，k為波數(shù)，d為陣元間距。

同樣，由式(7)及式(15)可知，M階次Cross Sensor CBF的局限性為：

(1) 相比CBF第一旁瓣級，其第一旁瓣級被擴大20log(M+1) dB，旁瓣干擾較大。高旁瓣級可以通過滑動平均法或二階錐規(guī)劃法來降低[14,16]。

(2) 由于本質(zhì)上仍然是一種線性空間譜估計算法，因此同一頻帶內(nèi)目標(biāo)之間的互擾沒有得到有效消除。

(3) 在進行高階次Cross Sensor處理時，高階次Cross Sensor CNF對陣元接收數(shù)據(jù)協(xié)方差矩陣同一斜對角元素進行了多階次疊加處理，致使同一頻率單元的強目標(biāo)會被進一步加強，微弱目標(biāo)會被進一步弱化。

(4) 相比M-1階次Cross Sensor CBF,M階次Cross Sensor CBF增加運算量為(B+1)(2MN-2M+1)2-(B-1)(2M-1N-2M-1+1)2+(2MN-2M+1)次復(fù)乘法和B(2M-1N-2M-1)+(2M-1N-2M-1)2次復(fù)加法。

3實驗結(jié)果

在不同信噪比情況下，為了驗證文本所述基于不同階次Cross Sensor處理的波束形成所得空間譜具有不同的主瓣寬度，受不同程度的噪聲影響；高階次Cross Sensor CBF具有較窄主瓣寬度，受較弱噪聲影響，相比文獻[11,14]所述常規(guī)逆波束形成方法(FIM-IBF)、文獻[5-6]所述基于AR模型的逆波束形成方法(AR-IBF)具有較好的魯棒性。下面給出了MATLAB數(shù)值仿真和海上試驗數(shù)據(jù)處理結(jié)果。

3.1數(shù)值仿真

MATLAB數(shù)值仿真中水平拖線陣陣元數(shù)為N=16，陣間距為d=c/2fc，fc=120 Hz為中心頻率，c=1 500 m/s為參考聲速。采樣率為fs=5 kHz，每次采樣時間為T=1 s，并假設(shè)背景噪聲為各向同性的寬帶高斯噪聲，頻帶為f=40~200 Hz。

3.1.1非相干情況下分辨多目標(biāo)

目標(biāo)1輻射信號頻率為f1=69 Hz、幅度為A1=1 v，相對水平拖線陣方位角為θ1=87°(t=1~500 s)；目標(biāo)2輻射信號，目標(biāo)2輻射信號頻率為f2=107 Hz、幅度為A2=0.8 v，相對水平拖線陣方位角為θ2=90°(t=1~500 s)。圖3為不同信噪比情況下，6種方法所得正確分辨雙目標(biāo)概率曲線。圖4為不同信噪比情況下，6種方法所得空間譜(SNR=-10 dB)。

圖3　6種方法所得正確分辨雙目標(biāo)概率曲線Fig.3 The correct probability of bearing estimation by the six methods

圖4　6種方法所得空間譜(SNR=-10 dB)Fig.4 The spatial spectrum of the six methods (SNR=-10 dB)

圖5　6種方法所得正確分辨雙目標(biāo)概率曲線Fig.5 The correct probability of bearing estimation by the six methods

圖6　6種方法所得空間譜(SNR=-10 dB)Fig.6 The spatial spectrum of the six methods(SNR=-10 dB)

3.1.2相干情況下分辨多目標(biāo)

目標(biāo)1輻射信號頻率為f1=100 Hz、幅度為A1=1 v，相對水平拖線陣方位角為θ1=86.5°(t=1~500 s)；目標(biāo)2輻射信號頻率為f2=100 Hz、幅度為A2=0.8 v，相對水平拖線陣方位角為θ2=90°(t=1~500 s)； 圖5為不同信噪比情況下，6種方法所得正確分辨雙目標(biāo)概率曲線。圖6為不同信噪比情況下，6種方法所得空間譜(SNR=-10 dB)。

3.1.3方位估計的均方誤差

目標(biāo)輻射信號頻率為f1=100 Hz、幅度為A1=1 v，相對水平拖線陣方位角為θ1=90°(t=1~500 s)；圖7為不同信噪比情況下，6種方法所得方位估計均方誤差曲線。

圖7　6種方法所得方位估計均方誤差曲線Fig.7 The mean square error of the six methods

由圖3和圖5可知，

(1) 因原始線陣陣元數(shù)有限，多目標(biāo)所在方位相對接收線陣的角度間隔小于“瑞利限”時，受 “瑞利限”限制， 無論目標(biāo)輻射信號相關(guān)與否，陣元接收數(shù)據(jù)信噪比如何，CBF和FIM-IBF已不能正確分辨雙目標(biāo)；

(2) 通過高階次Cross Sensor處理，可虛擬出近(2M-1)(N-1)個陣元，線陣有效孔徑可增加近(2M-1)(N-1)倍，因虛擬出陣元數(shù)和線陣有效孔徑得到了有效增加，相比原始線陣已突破原始線陣的“瑞利限”限制。在仿真條件下， ① 非相干情況，在同一正確分辨雙目標(biāo)概率下，3階次Cross Sensor CBF法相比AR-IBF方法對最低門限信噪比的要求下降了近5 dB，4階次Cross Sensor CBF法相比AR-IBF方法對最低門限信噪比的要求下降了近6 dB；② 相干情況，無論陣元接收數(shù)據(jù)信噪比如何， AR-IBF正確分辨雙目標(biāo)概率小于10%；而2階次Cross Sensor CBF在SNR≥-10 dB時，正確分辨雙目標(biāo)概率大于50%，3階次Cross Sensor CBF在SNR≥-16 dB時，正確分辨雙目標(biāo)概率大于50%， 4階次Cross Sensor CBF在SNR≥-17 dB時，正確分辨雙目標(biāo)概率大于50%。圖3和圖5仿真結(jié)果表明，經(jīng)高階次Cross Sensor處理的波束形成具有較窄主瓣寬度和較弱噪聲影響，經(jīng)3階次以上Cross Sensor處理的波束形成在分辨雙目標(biāo)時，對最低門限信噪比的要求低于AR-IBF法，具有較好的魯棒性。

由文獻[5-6]可知，因AR-IBF法只用到線陣接收數(shù)據(jù)協(xié)方差矩陣逆的部分信息，而較多信息被舍棄，致使其具有較大的方位估計均方誤差；而CBF、FIM-IBF、高階次 Cross Sensor CBF利用了線陣接收數(shù)據(jù)協(xié)方差矩陣的全部信息，方位估計均方誤差較小，相比AR-IBF高分辨波束形成方法，高階次 Cross Sensor CBF具有較好的魯棒性。

3.2海試數(shù)據(jù)處理

本次海上試驗數(shù)據(jù)為2012年4月在南海進行目標(biāo)檢測試驗所得。實驗所用水平拖曳線列陣以及目標(biāo)運動示意圖如圖8所示，實驗采用32元拖曳線列陣接收信號，相鄰陣元間隔為8 m，拖曳線列陣的端向方位設(shè)為0°。

圖8　水平拖曳線列陣布陣及目標(biāo)運動示意圖Fig.8 The sketch map of experimental linear array and target track

本次處理實驗數(shù)據(jù)長度為700 s，所用采樣率為fs=20 kHz。

(1) 令濾波器頻帶為f=75~80 Hz，圖9為CBF所得方位歷程圖。

圖9　方位歷程圖(CBF)Fig.9 The bearing/time record (CBF)

(2) 令濾波器頻帶為f=90~95 Hz，圖10為CBF所得方位歷程圖。

圖10　方位歷程圖(CBF)Fig.10 The bearing/time record (CBF)

由圖9可知，在θ=71°附近存在1個目標(biāo)，在θ=75°附近存在1個微弱目標(biāo)；由圖10可知，進一步驗證了在θ=75°附近存在1個微弱目標(biāo)。

(3) 令濾波器頻帶為f=60~120 Hz，分60個子帶單元按不同方法進行窄帶波束形成，然后再將窄帶波束形成結(jié)果進行累加合成得到如下結(jié)果。圖11(a)是不同方法所得1 s處的空間譜。圖11(b)~圖11(g)為不同方法所得方位歷程圖。

由圖11可知，在由6種方法所得空間譜中，由目標(biāo)運動軌跡的連續(xù)性可知，在t=1 s~100 s內(nèi)，在θ=50°~60°、θ=70°~75°內(nèi)分別存在多目標(biāo)。經(jīng)2階次以上Cross Sensor處理的波束形成所得空間譜主瓣較窄，可以實現(xiàn)對θ=50°~60°、θ=70°~75°內(nèi)雙目標(biāo)的有效檢測，而CBF、FIM-IBF及AR-IBF法所得空間譜已不能實現(xiàn)對θ=50°~60°、θ=70°~75°內(nèi)雙目標(biāo)的有效檢測檢測和分辨，且噪聲對AR-IBF法波束形成影響較大，在其所得空間譜中背景能量與目標(biāo)方位處能量差別較小，不利于目標(biāo)檢測和方位估計。同樣對比圖11(b)~圖11(g)可知，經(jīng)2階次以上Cross Sensor處理的波束形成所得波束主瓣較窄、方位歷程圖中目標(biāo)方位顯示效果較好，可以實現(xiàn)對θ=50°~60°、θ=70°~75°內(nèi)雙目標(biāo)的辨別；而CBF、FIM-IBF及AR-IBF法所得方位歷程圖中目標(biāo)方位顯示效果較差，已不能實現(xiàn)對θ=50°~60°、θ=70°~75°內(nèi)雙目標(biāo)的有效辨別，且受噪聲影響，在AR-IBF法所得波束形成方位歷程圖中背景最亮，不利于實現(xiàn)對目標(biāo)的有效辨別。海上試驗數(shù)據(jù)處理結(jié)果表明，經(jīng)2階次以上Cross Sensor處理的波束形成在分辨多目標(biāo)時，對最低門限信噪比的要求低于AR-IBF法，具有較好的魯棒性。

圖11　6種方法所得波束形成結(jié)果Fig.11 The beamforming results of the six methods

4結(jié)論

數(shù)值仿真結(jié)果和海試數(shù)據(jù)處理結(jié)果表明，在不同的信噪比下情況下，不同階次Cross Sensor CBF法所得空間譜具有不同主瓣寬度、方位分辨率，并受不同程度的噪聲影響；并驗證了應(yīng)用本文所提出的基于高階次Cross Sensor處理波束形成方法可以擴大線陣有效孔徑，降低波束形成主瓣寬度，提高方位分辨率，有效降低方位歷程圖中的背景干擾對波束形成的影響，擴大目標(biāo)方位與其他方位處的能量差別，改善了波束形成方位歷程圖顯示效果。相比已有的逆波束形成(FIM-IBF)，該方法具有較好的方位分辨率；相比已有的基于AR模型的高分辨逆波束形成(AR-IBF)，該方法對最低門限信噪比的要求較低，方位估計均方誤差較小，且可有效分辨相干信源，具有較好魯棒性。另外，在本文方法基礎(chǔ)上，可聯(lián)合子空間分類法、參數(shù)模型法、合成孔徑法等技術(shù)手段進一步優(yōu)化波束形成所得空間譜。

實際使用時可根據(jù)式(13)來選擇所需階數(shù)M，以便滿足方位估計分辨力需求；同時也要折中考慮高階次Cross Sensor處理所增加的運算量。

參 考 文 獻

[1] 任仕偉, 馬曉川, 鄢社鋒. 基于酉變換ESPRIT的相干信源DOA估計算法[J]. 系統(tǒng)工程與電子技術(shù),2012, 34(8):1543-1548.

REN Shi-wei, MA Xiao-chuan, YAN She-feng. DOA estimation of coherent signals based on unitary transformation ESPRIT[J]. Systems Engineering and Electronics,,2012, 34(8):1543-1548.

[2] 楊群,曹祥玉,高軍,等. 基于導(dǎo)向矢量信號的未知信源數(shù)DOA估計算法 [J]. 系統(tǒng)工程與電子技術(shù), 2013,35(10): 2027-2031.

YANG Qun, CAO Xiang-yu, GAO Jun, et al. DOA estimation for unknown sources number based on steering vector signals[J]. Systems Engineering and Electronics, 2013,35(10): 2027-2031.

[3] 尤國紅,邱天爽,夏楠,等. 基于均勻圓陣的擴展循環(huán) MUSIC 算法[J].通信學(xué)報,2014,35(2):9-15.

YOU Guo-hong, QIU Tian-shuang, XIA Nan, et al. Novel extended cyclic MUSIC algorithm based on uniform circular array[J]. Journal on Communications, 2014, 35(2): 9-15.

[4] 焦亞萌, 黃建國, 侯云山.一種基于峰均功率比的信源個數(shù)檢測新力法[J].電子與信息學(xué)報,2011, 33(7): 1593-1599.

JIAO Ya-meng, HUANG Jian-guo, HOU Yun-shan. A new method for source number detection based on peak-to-average power ratio [J]. Electronics & Information Technology, 2011, 33(7): 1593-1599.

[5] 蘇帥, 孫超. 基于改進的 AR 模型的逆波束形成方法研究[J]. 計算機工程與應(yīng)用 , 2008, 44(24): 59-62.

SU Shuai, SUN Chao. Studies on inverse beamforming based on modified AR model[J]. Computer Engineering and Applications, 2008, 44(24): 59-62.

[6] 陳立綱, 苑秉成, 劉建國. 改進的逆波束形成高分辨方位估計方法[J]. 兵工學(xué)報,2011，32(3): 309-314．

CHEN Li-gang, YUAN Bing-cheng, LIU Jian-guo. A high resolution DOA estimation algorithm based on modified inverse beamforming[J]. Acta Armamentarii, 2011, 32(3): 309-314.

[7] 鄭恩明,孫長瑜,陳新華,等. 改善高分辨逆波束形成檢測性能方法研究[J] .信號處理,2013,29(5): 570-576.

ZHENG En-ming, SUN Chang-yu, CHEN Xin-hua, et al. he research of detection performance improving method for high-resolution inverse beam-forming[J].Journal of Signal Processing, 2013, 29(5): 570-576.

[8] 趙閃,孫長瑜,陳新華,等. 一種改進的被動合成孔徑算法用于艦船輻射噪聲檢測[J].電子與信息學(xué)報,2013, 35(2): 425-430.

ZHAO Shan, SUN Chang-yu, CHEN Xin-hua, et al. An improved passive synthetic aperture sonar algorithm application for detecting of the ship radiated noise[J]. Electronics & Information Technology, 2013, 35(2): 425-430.

[9] Osman A, Noureldin A. Direction of arrival estimation using virtual array search[J]. IET Radar, Sonar and Navigation,2011,5(4): 389-397.

[10] Wilson J H. Signal detection and localization using the Fourier series method(FSM) and data[J]. Journal of Acoustical Society of America, 1983, 73 (5): 1648-1656.

[11] Nuttall A H, Wilson J H. Estimation of the acoustic field directionality by use of planar and volumetric arrays via the Fourier series method and the Fourier integral method [J] . Journal of Acoustical Society of America, 1991, 90(4): 2004-2019.

[12] Wilson J H. Applications of inverse beam-forming theory [J].Journal of Acoustical Society of America, 1995, 98(6): 3250-3261.

[13] Fabre J P, Wilson J H. Minimum of detectable level evaluation of inverse beamforming using Outpost SUNRISE data [J]. Journal of Acoustical Society of America, 1995, 98(6): 3262-3278.

[14] 萬謹(jǐn), 宋志杰. 基于滑動平均的等間隔線陣逆波束形成[J]. 聲學(xué)技術(shù), 2007, 26(3): 483-487.

WAN Jin, SONG Zhi-jie. Inverse beam forming on equispaced line array with moving average [J]. Technical Acoustics, 2007, 26(3): 483-487.

[15] 周偉, 惠俊英. 基于聲矢量自適應(yīng)干擾抵消的逆波束形成[J]. 兵工學(xué)報, 2010, 31(9): 1188-1192.

ZHOU Wei, HUI Jun-ying. Inverse beamforming based on coherent interference vector adaptive canceling [J]. Acta Armamenarii,2010, 31(9):1188-1192.

[16] Han D, Yin J S, Kang C. et al. Optimal matrix filter design with controlled mean-square sidelobe level[J].IET Signal Processing, 2011, 5(3): 306-312.

第一作者 鄭恩明 男，博士，1985 年生

摘要：為得到魯棒性、高分辨波束形成，提出了一種高階次Cross Sensor處理方法。該方法依據(jù)陣元間協(xié)方差矩陣同一斜對角線上不同元素具有相同相位差的特點，對協(xié)方差矩陣進行M階次Cross Sensor處理后可虛擬出近(2M-1)(N-1)個虛擬陣元(N為原始陣元數(shù))。虛擬陣元的增加可擴大線陣有效孔徑，降低波束形成主瓣寬度，提高方位分辨率。在Cross Sensor處理過程中，該方法對協(xié)方差矩陣同一斜對角線上不同元素進行了疊加運算，可進一步削弱噪聲對波束形成的影響，提高了波束形成魯棒性。數(shù)值仿真和海上試驗結(jié)果表明，該方法既能有效降低波束形成主瓣寬度，提高方位分辨率，又可削弱方位歷程圖干擾背景。相比已有的逆波束形成，該方法具有較好的方位分辨率；相比已有的基于AR模型的高分辨逆波束形成，該方法對最低門限信噪比的要求較低，方位估計均方誤差較小。

關(guān)鍵詞：Cross Sensor處理；波束形成；高分辨；魯棒性

Beamforming method based on high order cross sensor processing

ZHENGEn-ming1,LIYuan-song2,YUHua-bing1,CHENXin-hua1,SUNChang-yu1(1. Institute of Acoustics, Chinese Academy of Science, Beijing 100190, China;2. School of Computer Science, Sichuan University of Science & Engineering, Zigong 643000, China)

Abstract:In order to obtain robust high-resolution beamforming, a high order Cross Sensor processing(CSP) approach was developed. In the method, taking advantage of the characteristic that the elements on the same oblique diagnal of the covariance matrix of array elements have the same phase difference, approximate (2M-1) (N-1) virtual array elements (N is the number of original array elements) were invented by using M-order CSP. The increase of the number of virtual array elements can effectively expand the physical aperture of linear array and reduce beamforming mainlobe width, so the bearing resolution can be improved. In CSP, the different elements on the same sub-diagonal of the covariance matrix were superimposed in calculating operation, so that the influence of noise on beamforming was reduced, and the robustness was improved. The numerical simulation and sea trial results show that the method can effectively reduce the beamforming mainlobe width, improve the bearing resolution, and also decrease the interference background in bearing time recording (BTR). Compared with the inverse beamforming (IBF), the method has better bearing-resolution. Compared with the inverse beamforming based on auto-regression model (AR-IBF), the method can meet the requirement of lower signal-to-noise ratio (SNR) and has little mean square error for bearing estimation.

Key words:Cross Sensor processing; beamforming; high-resolution; robustness

中圖分類號:TB565

文獻標(biāo)志碼：A DOI:10.13465/j.cnki.jvs.2015.24.003

通信作者黎遠松 男，碩士，副教授，1970 年生

收稿日期：2014-09-01修改稿收到日期：2014-11-06

基金項目：國家自然科學(xué)基金(61372180);中國科學(xué)院聲學(xué)研究所青年人才領(lǐng)域前沿項目資助課題;江河流域生態(tài)環(huán)境的集成感知與應(yīng)用四川省院士(專家)工作站項目(2014YSGZZ02);四川省教育廳科研項目(13ZAO125);四川省高校重點實驗室開放基金項目(2014WZY05)