[发明专利]非一致性噪声条件下的特征空间波束形成方法及系统

说明书

本发明公开了一种非一致性噪声条件下的特征空间波束形成方法及系统。方法包括：将阵列接收数据的协方差矩阵的对角线元素置零，构成第一矩阵，提取的对角线元素，构成第二矩阵，将分成两个部分：；根据与噪声协方差矩阵的差值为不含噪声的阵列协方差矩阵，将转换为，其中为对角线上的元素，I为单位矩阵，根据的特征向量和特征值，推导出，从而对特征分解得到信号子空间矩阵；将波束形成的权向量投影到信号子空间，结合得到特征空间波束形成的空间谱。本发明利用新的特征子空间估计方法提高了非一致噪声条件下波束形成的方位分辨能力。

技术领域

本发明涉及声学领域，具体涉及一种非一致性噪声条件下的特征空间波束形成方法及系统。

背景技术

波束形成和子空间类算法是两类最主要的方位谱估计方法。以最小方差无失真响应波束形成算法（MVDR）为代表的最优波束形成能自动抑制各向同性干扰，获得最高的输出信干噪比，并具有较好的稳健性。而以基于特征子空间的多信号分类算法（MUSIC）、旋转子空间不变法（ESPRIT）为代表的子空间类方法从理论上突破了方位分辨的瑞利限制，极大的提高了阵列目标方位分辨能力。但子空间类方法的稳健性通常不如波束形成方法，因此人们将子空间处理引入到波束形成中，提高波束形成的方位谱估计性能。其中较为典型的是特征空间波束形成（Eigenspace-based Beamforming），将MVDR的权向量投影到信号子空间，减小阵列流型误差和噪声引起的权向量扰动，获得更好的分辨率性能。

在这些基于特征子空间的算法中，一般假设阵元噪声是一致性的，即每个阵元噪声的方差相同，此时可以通过阵列协方差矩阵的特征分解估计特征子空间。而实际情况中，由于水声环境的复杂性，阵列的噪声分布可能是非一致性的。当阵元噪声功率各不相同时，直接利用阵列协方差矩阵特征分解估计的特征子空间存在误差，会导致这些算法性能的严重下降。

发明内容

本发明的目的是提出一种非一致性噪声条件下的特征空间波束形成方法及系统，解决阵列非一致性噪声干扰的问题。

为了实现上述发明目的，本发明采用如下的技术方案：

一种非一致性噪声条件下的特征空间波束形成方法，包括以下步骤：

将阵列接收数据的协方差矩阵的对角线元素置零，构成第一矩阵，再提取阵列接收数据的协方差矩阵的对角线元素，构成第二矩阵，将分成两个部分：；

根据阵列接收数据协方差矩阵与噪声协方差矩阵的差值为不含噪声的阵列协方差矩阵，将不含噪声的阵列协方差矩阵转换为，其中为对角线上的元素，I为单位矩阵，根据的特征向量和特征值，推导出，从而对特征分解得到信号子空间矩阵；

将波束形成的权向量投影到信号子空间，结合阵列接收数据的协方差矩阵得到特征空间波束形成的空间谱。

进一步地，所述第一矩阵和第二矩阵分别表示为：

其中为第 k个目标信号源的功率，为各阵元噪声的功率，下标i，j表示矩阵第i行第j个元素，M为接收阵列的阵元数，L为接收的信号个数。

进一步地，将不含噪声的阵列协方差矩阵转换为包括：

根据阵列信号接收模型确定阵列接收数据的协方差矩阵表示为：

其中，为 M× L的方向向量矩阵，其列为方向矢量，为目标信号矩阵，为噪声向量，是目标信号的协方差矩阵，为不存在噪声时阵列的协方差矩阵，是噪声的协方差矩阵；