基于計(jì)算智能的聲吶盲波束形成算法研究.pdf

1、波束形成技術(shù)在聲吶、雷達(dá)、移動(dòng)通信和電子對抗與偵察等領(lǐng)域中有著廣泛的應(yīng)用。常規(guī)的波束形成需要知道陣列流形等先驗(yàn)知識，而且在實(shí)際應(yīng)用中，陣列模型不可避免地會(huì)存在誤差，即使是很小的誤差，也會(huì)引起系統(tǒng)性能的急劇下降。尤其在水聲環(huán)境中，由于海水溫度、深度等條件的變化，使得實(shí)際水聲陣列的結(jié)構(gòu)尺寸等參數(shù)發(fā)生改變。由于實(shí)際的陣列流形與假設(shè)的不盡一致，因而導(dǎo)致了系統(tǒng)波束形成性能變差。所以在實(shí)際應(yīng)用中需要進(jìn)行誤差校正。由于陣列校正必須頻繁多次進(jìn)行，且每次

2、都要存貯大量陣列流形信息，同時(shí)要求提供校正信號源，所以，給工程應(yīng)用帶來許多不便。盲波束形成方法，利用了信號自身的特性，通過算法以解決模型誤差問題，有效地增強(qiáng)了系統(tǒng)的自適應(yīng)性和系統(tǒng)的穩(wěn)健性。但是，盲波束形成算法實(shí)現(xiàn)過程中，多數(shù)都用到了矩陣求逆與/或矩陣特征分解(或奇異值分解)等運(yùn)算，隨著陣元數(shù)的增大使算法運(yùn)算量急劇上升，難以滿足實(shí)時(shí)性的要求。此外，一些自適應(yīng)算法還用到了基于梯度的優(yōu)化計(jì)算，在步長選擇不當(dāng)?shù)那闆r下很容易陷入局部極值，使波束形

3、成無法正確實(shí)現(xiàn)。而以神經(jīng)網(wǎng)絡(luò)為代表的計(jì)算智能技術(shù)具有大量的并行性、高度的容錯(cuò)性以及自學(xué)習(xí)、自適應(yīng)和自組織等特點(diǎn)，恰好可以彌補(bǔ)盲波束形成算法的不足。 本文重點(diǎn)在引入計(jì)算智能技術(shù)實(shí)現(xiàn)聲吶盲波束形成方面展開了研究工作。全文的主要工作概括如下： 第二章給出了聲吶盲波束形成算法的基本模型和處理框架，探討了計(jì)算智能技術(shù)實(shí)現(xiàn)盲波束形成的基本途徑和基本方法。 第三章提出了兩種神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的基于高階累積量的聲吶盲波束形成算法。一種

4、是基于TH網(wǎng)絡(luò)的盲波束形成算法。該算法把盲波束形成權(quán)向量的求解問題轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)計(jì)問題，當(dāng)網(wǎng)絡(luò)在納秒級時(shí)間內(nèi)達(dá)到穩(wěn)態(tài)時(shí)，即給出了所求權(quán)向量。而且該算法易于硬件在線實(shí)現(xiàn)；另一種是基于徑向基函數(shù)網(wǎng)絡(luò)的盲波束形成算法。通過改進(jìn)的學(xué)習(xí)方法可大大提高了網(wǎng)絡(luò)的學(xué)習(xí)性能，且對系統(tǒng)誤差具有較強(qiáng)的穩(wěn)健性。這兩種算法有機(jī)地把高階累積量可消除高斯噪聲影響的特性與神經(jīng)網(wǎng)絡(luò)并行結(jié)構(gòu)有機(jī)地結(jié)合在一起，提高了盲波束形成的效率。 第四章分析了基于信號循環(huán)

5、平穩(wěn)性的盲波束形成方法與性能，研究了一種互相關(guān)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)聲吶盲波束形成的算法。該算法利用水聲通信信號的循環(huán)平穩(wěn)特性把波束形成權(quán)向量的求解問題轉(zhuǎn)化為陣列接收信號互相關(guān)函數(shù)的奇異值分解問題；引入一種互相關(guān)神經(jīng)網(wǎng)絡(luò)求解陣列接收信號相關(guān)函數(shù)的奇異值，從而減小了運(yùn)算的代價(jià)，可高效實(shí)現(xiàn)盲波束形成。該算法把信號的正交特性引入到網(wǎng)絡(luò)初值的選取中，并依據(jù)網(wǎng)絡(luò)的輸入對權(quán)值的學(xué)習(xí)速率進(jìn)行了有效的約束，進(jìn)而提出了改進(jìn)互耦Hebbian學(xué)習(xí)規(guī)則，從而有效地提高

6、了神經(jīng)網(wǎng)絡(luò)權(quán)值的更新速度，為問題的實(shí)時(shí)求解提供了有效的途徑。該方法還能抑制噪聲和干擾的影響，表現(xiàn)出較強(qiáng)的魯棒性。 第五章研究了特征結(jié)構(gòu)類聲吶盲波束形成方法。提出了一種主分量分析(PCA)神經(jīng)網(wǎng)絡(luò)的并行學(xué)習(xí)算法。該算法同時(shí)提取各個(gè)主元且不需要循環(huán)使用輸入數(shù)據(jù)，大大提高了網(wǎng)絡(luò)的收斂速度。此外，還提出了一種基于次分量分析(MCA)網(wǎng)絡(luò)直接獲取最小特征值的算法。同時(shí)，將這兩種算法推廣到了復(fù)數(shù)域，并結(jié)合JADE(JointApproxim

7、ateDiagonalizationofEigen-Matrices)算法有效地實(shí)現(xiàn)了盲波束形成。 第六章提出了一種多目標(biāo)聲吶盲波束形成算法。通過定義一種新的代價(jià)函數(shù)，推導(dǎo)出一種可分離具有任意峰度的非高斯信號的多目標(biāo)盲波束形成算法。此外，引入復(fù)數(shù)編碼的遺傳算法對盲波束形成權(quán)向量進(jìn)行正確估計(jì)，從而使算法全局收斂性能得到大幅度提高。 第七章研究了基于矢量水聽器陣的常規(guī)波束形成和盲波束形成方法。首先建立了矢量傳感器陣列接收信號

8、模型，然后推導(dǎo)了基于矢量傳感器陣列的波束形成最優(yōu)權(quán)矢量的表達(dá)式。在此基礎(chǔ)上，定義了接收信號的四階累積量，進(jìn)而盲估計(jì)了矢量傳感器陣列的方向向量，實(shí)現(xiàn)了盲波束形成。此外，將ESPRIT(EstimatingSignalParametersviaRotationalInvarianceTechniques)方法進(jìn)行了擴(kuò)展，結(jié)合PCA方法，提出了聲壓-振速組合傳感器陣列方向向量的盲估計(jì)算法。同時(shí)研究了采用矢量水聽器實(shí)現(xiàn)的航空聲吶盲波束形成方法。