《（推荐）阵列信号处理的基本知识.ppt》由会员分享，可在线阅读，更多相关《（推荐）阵列信号处理的基本知识.ppt（34页珍藏版）》请在三一文库上搜索。
1、阵列信号处理中的若干问题与研究,主要内容,阵列信号处理的基本知识 阵列信号处理的主要内容 当前的一些研究热点和新技术 应用领域的一些实例 仿真结果 实测数据处理,一、阵列信号处理的基本知识,阵列信号处理系统构成 阵列系统模型假设 阵列信号数学模型 对阵列及其通道的假设 对信号和噪声的假设,阵列信号处理系统构成,接收形式: 多个传感器(阵元)，声纳，天线。 常见的阵列几何结构：均匀线阵，非均匀线阵，面阵中的均匀和非均匀圆阵，非均匀L阵，十字阵等，共形阵(立体阵)。 多传感器阵列 多通道接收机 多通道同步采集和模数转换 数据处理终端,阵列信号的应用领域 着重空间传输信号(电磁波、声波、地震冲击波)
2、的获取、处理与传输，应用于雷达、声纳、导航、地震探测、 移动通信(SDMA)、 生物医学等领域。阵列系统的多信号处理能力、参数提取的高分辨、高精度和抗干扰能力等优点，很大程度上都依赖于适当的阵列信号处理算法。,阵列系统模型的假设,阵列信号数学模型 设P个空间信号入射到由M个阵元组成的阵列，t时刻第m阵元的输出可以用矩阵表示为： 为第l个入射信号波前， 为第m个阵元对该信号的响应系数， 为阵元接收加性噪声。,将整个阵列的输出信号写成矩阵形式为： 为阵列流行矩阵、空间信号方向矢量、阵列响应矩阵。 为信号源矢量。 波传播的方向信息含于载波上，而不是复包络上，即与波形无关(这与时域信号处理不同)，空间
3、信息含于载波上，时域信息含于信号包络上。,对阵列及其通道的假设 阵元的方向性： 空间入射信号示意图,阵元及通道幅相特性一致性 设第m个阵元对应信道的幅度和相位特性为 ,则阵列响应系数将受此幅相特性加权，即有：,阵元之间的互藕 有关因素：阵元之间的间距大小，系统工作 频段，采用的传感器类型等。 设所有阵元之间的藕合系数矩阵为C，则考虑到阵元间互藕的阵列输出信号模型为：,阵元位置 阵元测向的关键信息是空间信号入射到各阵元的相对延迟相位，而这一相位依赖于阵元之间的空间位置，阵元位置误差直接导致延迟相位估计误差，从而影响信号参数估计。 阵列模糊 阵元间距大于 时，影响空间信号到达角的可辨识性和确定性，
4、需要解决阵列模糊问题。,各通道同步采集假设 阵列接收信号需要进行采样和变换为数字信号后进入DSP处理器进行算法处理。 Nyquist采样率 宽频段信号：采用欠采样率(空时欠采样)，需要解模糊算法。,对信号和噪声的假设 窄带假设 信号带宽远小于信号波前跨越阵列最大口径所需要的时间的倒数，即有如下假设： 式中L为阵列最大口径，F和 为信号中心频率和该频率对应的波长。 远场假设 即辐射源到阵列的距离远大于阵列的最大口径，从而入射到阵列的信号波前可近似为平面波前( ).,入射信号统计特性 空间入射信号平稳且各态历经，可以用时间平均代替集合平均。一般还假定各入射信号统计独立。 噪声统计特性 空时白高斯噪
5、声；色噪声环境下需要稳健的算法。 信号数目 属于信号检测问题(AIC,MDL,etc)，一般假定先验已知。,二、阵列信号处理的主要内容,信号参数估计(DOA，频率，极化参数，距离，时延等): 谱估计方法(子空间方法，波束形成方法)，参数化方法(最大似然，基于子空间逼近方法)。 Ref1 H.krim and M.Viberg, Two decdees of array processing research: the parametric approach, IEEE signal processing Magazine, Vol.13, Vol.4, 1996. Ref.2 D.H.John
6、son, D.E.Dudgeon, Array signal processing, Prentice-Hall,1993. Ref.3 IEE Proc. 1991. Ref.4 Vaccaro, R.J, The past, present, and the future of underwater acoustic signal processing, IEEE Signal Processing Magazine, Vol.15 , No.4 , 1998.,自适应波束形成(Beamforming,空域滤波) 实质是通过对各阵元(传感器)加权进行空域滤波以到达对不同来向的信号进行增强或
7、抑制的目的，而且它可以根据信号环境的变化，来自适应的改变各阵元的加权因子。 在理想的条件下，自适应波束形成可以有效的抑制干扰而保留期望(有用)信号，从而使阵列的输出信号干扰噪声比(SINR)达到最大。 三种准则：MVDR, MMSE, MSNR,三、当前的一些研究热点和新技术,参数估计以及信号检测： 1. 非理想条件下稳健的参数估计方法和信号检测 (色噪声，非平稳信号环境，阵列存在系统误差（包括互藕、幅相误差、位置误差）)。 2. 快速算法(子空间跟踪与更新，权系数更新)。 3. 相干信号和宽带信号环境。 4. 低信噪必(弱信号)、短数据环境下的检测与估 计。 5. 新方法(MCMC，SMC(
8、particle filter)，SVB, Stochastic Resonance)。,波束形成： 1. Robust Beamforming(steering vector error, array error, coherent signals, Robust Capon beamforming) . 2. Array Pattern Synthesis. The problem of designing complex weights for individual array elements to achieve properties such as high directive g
9、ain or to spatially filter signals by their angle of arrival.,四、应用领域的一些实例,仿真结果,方向图综合例子,-55 -35 35 55,波束形成例子,实测数据的例子,Circular array of 8 sensors, diameter d=1.29m, wavelength=0.771.5m, beam width=45, Fs=375k,一种基于高阶累积量的近场源距离、频率和方位联合估计算法，电子学报，2005(to appear). Passive Near-Field Source Localization Method Using Higher Order ESPRIT, IEEE Trans. Antenna and Propagation, 2nd revision. Passive Near-Field Source Localization Method based on Spatial-Temporal Structure, IEE Proc. RSN, 1st revision.,谢谢各位！,