[發明專利]一種基于聲矢量陣的數據降維穩健自適應波束形成算法

在審

• 申請號: 202211217283.6
• 申請日: 2022-10-02
• 公開（公告）號: CN115639549A
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 蔣西海;張凱岳;楊天開;張肖;王偉;尹松
• 申請（專利權）人: 中國船舶重工集團公司第七一五研究所
• 主分類號: G01S7/52
• 分類號: G01S7/52;G01S7/537
• 代理公司: 杭州興知捷專利代理事務所(特殊普通合伙) 33338
• 代理人: 林振興

1.一種基于聲矢量陣的數據降維穩健自適應波束形成算法,其特征在于：包括以下步驟，

步驟一：對各路通道數據作FFT變換并轉換成頻域數據X_v(w)；

步驟二：計算各子頻帶樣本的協方差矩陣

步驟三：利用共軛梯度算法對協方差矩陣進行矩陣降維，并求解降維矩陣D；

步驟四：利用降維矩陣D計算對角矩陣Λ_CG；

步驟五：求解降維后的估計期望信號導向矢量和約束矩陣M；

步驟六：對約束矩陣M進行特征值分解；

步驟七：求解拉格朗日因子；

步驟八：利用得到的拉格朗日因子求解得到估計的加權矢量。

2.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟二中，協方差矩陣如下，

其中，K為快拍數，X_k(w)為接收的陣列頻域數據，H表示轉置。

3.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟三中，利用共軛梯度算法，對協方差矩陣進行降維，并求解降維矩陣D＝[d₁,…,d_N]，N為降維矩陣階數，具體步驟如下，

S3.1：初始化迭代計數器j＝1，初始化方向向量余量其中，為估計期望信號導向矢量；

S3.2：計算第j次迭代的學習率α_j和步長β_j,學習率步長其中，d_j為第j次迭代的方向向量，r_j為第j次迭代的余量，H為轉置，為各子帶樣本的協方差矩陣；

S3.3：基于第j次迭代的學習率α_j和步長β_j計算第j+1次迭代的余量r_j+1和方向向量d_j+1，余量方向向量d_j+1＝-r_j+1+β_jd_j。

4.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟四中，利用降維矩陣D計算對角矩陣Λ_CG，

其中，N為降維階數，H為轉置，為各子頻帶樣本的協方差矩陣，diag函數用于矩陣對角元素的提取和創建對角陣。

5.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟五中，降維后的估計期望信號導向矢量和約束矩陣M分別表示為

其中，為估計期望信號導向矢量，E＝ε^-1I，ε為預設的導向矢量之間的誤差，Λ_CG為對角矩陣，D表示降維矩陣，H表示轉置。

6.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟六中，對約束矩陣M進行特征值分解是指Λ＝diag(λ₁,λ₂,...,λ_N)為對角矩陣，u_n是λ_n對應的特征向量，U＝[u₁,u₂,...,u_N]，令c_n為c的第n個元素。

7.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟七中，求解拉格朗日因子包括以下步驟：

S7.1，設定拉格朗日因子的初始值μ₁＝eps，設定收斂誤差err，設定迭代計數器i＝1；

S7.2，牛頓迭代更新拉格朗日因子，過程為其中,λ₁,λ₂,...,λ_N為對角矩陣Λ的特征值，c_n為c的第n個元素；

S7.3，迭代計數器加1，并返回步驟S2，直至求解出最優拉格朗日因子μ_opt＝μ_i。

8.根據權利要求1所述的基于聲矢量陣的數據降維穩健自適應波束形成算法，其特征在于：步驟八中，將最優的拉格朗日因子代入到公式得到估計的降維導向矢量將估計的降維導向矢量代入到公式得到估計的加權向量W_VRDRCB。