空間色噪聲下信號(hào)頻域檢測(cè)方法性能分析

王 靜 黃建國 焦亞萌

(西北工業(yè)大學(xué) 航海學(xué)院，西安 710072)

空間色噪聲下信號(hào)頻域檢測(cè)方法性能分析

王 靜 黃建國 焦亞萌

(西北工業(yè)大學(xué) 航海學(xué)院，西安 710072)

水下小孔徑陣列的應(yīng)用環(huán)境是色噪聲環(huán)境，針對(duì)超增益波束形成方法在色噪聲環(huán)境下噪聲協(xié)方差矩陣估計(jì)偏差使陣列空間增益不能達(dá)到最大的問題，提出了一種頻域超增益波束形成方法(FSD，Super-Directive beam forming in Frequency domain)，該方法將寬帶接收數(shù)據(jù)分成多個(gè)子帶，在每個(gè)子帶內(nèi)分別估計(jì)噪聲協(xié)方差矩陣，降低了噪聲協(xié)方差矩陣的估計(jì)偏差，并使用估計(jì)得到的噪聲協(xié)方差矩陣對(duì)接收數(shù)據(jù)解相關(guān).最后使用空間譜檢測(cè)器檢測(cè)微弱目標(biāo)信號(hào).實(shí)測(cè)噪聲數(shù)據(jù)的仿真結(jié)果表明，空間有色噪聲環(huán)境中FSD方法的檢測(cè)性能優(yōu)于傳統(tǒng)的時(shí)域超增益波束形成方法(TSD，Super-Directive beamforming in Time domain)2 dB，優(yōu)于頻域最小方差無畸變響應(yīng)(FMVDR，Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.

色噪聲;頻域;檢測(cè);超增益

為了實(shí)現(xiàn)對(duì)微弱信號(hào)的檢測(cè)，陣列信號(hào)處理往往要求獲得時(shí)間上和空間上的最大增益.時(shí)間處理的增益通過噪聲抵消、時(shí)間預(yù)白化等實(shí)現(xiàn)，對(duì)于水下復(fù)雜噪聲環(huán)境，如果噪聲帶寬與目標(biāo)輻射信號(hào)帶寬重合，這類方法實(shí)現(xiàn)難度很大.被動(dòng)系統(tǒng)中，利用信號(hào)和噪聲的空域特性的差別，通過陣列接收波束形成，抑制噪聲以提高陣元接收端信噪比.提高空域增益的有效方法就是增大陣列孔徑，但對(duì)于實(shí)際應(yīng)用環(huán)境而言，增大陣列孔徑要受工作尺度制約，所以往往不現(xiàn)實(shí)，因此研究基于小孔徑陣列的陣列信號(hào)處理方法尤為重要.小孔徑陣列是陣元間距遠(yuǎn)小于半波長(zhǎng)的陣列.研究表明，在各向同性均勻噪聲場(chǎng)下，當(dāng)陣元間距-波長(zhǎng)比接近于0時(shí)，陣增益不趨向1，而是表現(xiàn)出超增益現(xiàn)象［1－3］.超增益波束形成方法(SDB，Super-Directive Beam forming)的原理是利用噪聲協(xié)方差矩陣對(duì)陣列接收噪聲數(shù)據(jù)匹配濾波，使基陣增益達(dá)到最大，從而提高陣列在低信噪比下的檢測(cè)概率，因此噪聲協(xié)方差矩陣的估計(jì)至關(guān)重要.在實(shí)際工作條件下，由于噪聲背景的時(shí)變性，估計(jì)噪聲協(xié)方差矩陣使用的快拍數(shù)有限，造成估計(jì)的噪聲協(xié)方差矩陣偏差較大.

目前常用的噪聲協(xié)方差矩陣估計(jì)方法是極大似然方法(ML，Maximum Likelihood)［4］、歸一化采樣協(xié)方差矩陣估計(jì)方法(NSCME，Normalized Sample Covariance Matrix Estimate)［5］和遞歸似然估計(jì)方法(RML，Recursive Maximum Likelihood)［6］等.ML方法直接對(duì)陣列接收噪聲在時(shí)域進(jìn)行相關(guān)運(yùn)算，原理和計(jì)算簡(jiǎn)單.NSCME方法適用于時(shí)域非高斯噪聲，將每個(gè)陣元上的噪聲能量歸一化，忽略噪聲在不同陣元上的能量差異，僅保留各個(gè)陣元接收的噪聲序列之間的相關(guān)性特征.ML方法和NSCME方法在時(shí)域估計(jì)噪聲協(xié)方差矩陣，在陣列接收快拍數(shù)小的情況下，其估計(jì)偏差很大.RML方法是基于固定點(diǎn)(FP，F(xiàn)ixed Point)估計(jì)的迭代ML算法，與NSCME方法相比，該方法使用上一步迭代得到的噪聲協(xié)方差矩陣的信息將每個(gè)陣元上的噪聲能量歸一化，因此RML方法計(jì)算量很大.其他的方法還有最小均方誤差(MMSE，Minimum Mean Square Error)［7］和最大后驗(yàn)概率(MAP，Maximum A Posteriori)［7］方法，MMSE和MAP方法是基于貝葉斯準(zhǔn)則的估計(jì)方法，需要噪聲協(xié)方差矩陣分布的先驗(yàn)信息，這類信息在實(shí)際應(yīng)用中很難精確獲得.

為了實(shí)現(xiàn)空間色噪聲背景下的最大陣增益，傳統(tǒng)方法采用最小方差無畸變響應(yīng)(MVDR，Minimum Variance Distortionless Response)波束形成方法［8］進(jìn)行檢測(cè)，這種波束形成方法可以根據(jù)陣列接收數(shù)據(jù)自適應(yīng)優(yōu)化權(quán)值，達(dá)到對(duì)空間有色噪聲解相關(guān)的效果，從而提高波束形成的空間增益.但是，由于MVDR對(duì)目標(biāo)方向上的功率的約束，輸出信號(hào)為無失真響應(yīng)，使得MVDR波束形成器的檢測(cè)性能受到了限制.

為此，本文針對(duì)小孔徑陣列的水下有色噪聲環(huán)境提出了一種FSD(Super-Directive beam forming in Frequency domain)方法，F(xiàn)SD方法將寬帶噪聲在每個(gè)子帶上估計(jì)噪聲協(xié)方差矩陣，充分利用了寬帶噪聲每根線譜的信息，達(dá)到了很好對(duì)噪聲背景解相關(guān)的目的.湖試數(shù)據(jù)的仿真結(jié)果證明了其在低信噪比下檢測(cè)性能的優(yōu)越性.

1 陣列信號(hào)模型

假設(shè)M元陣列t時(shí)刻接收的窄帶信號(hào)矢量可以表示為

式中，a(θ)表示信號(hào)的方向矢量;S(t)=［s1(t)，s2(t)，…，sM(t)］T為每個(gè)陣元接收信號(hào)幅值矢量;N(t)=［n1(t)，n2(t)，…，nM(t)］T為噪聲矢量.

式(1)的矩陣形式表示為

假設(shè)噪聲和信號(hào)是不相關(guān)的，則陣列接收數(shù)據(jù)的相關(guān)矩陣為

式中，Rs為有用信號(hào)相關(guān)矩陣;Rn為背景噪聲相關(guān)矩陣.

2 波束形成方法

2.1 時(shí)域超增益波束形成方法(TSD)

基陣的權(quán)向量用 w=［w1，w2，…，wM］T表示，基陣的輸出功率P可以表示為

基陣系統(tǒng)的性能由它的空間處理增益來衡量，該基陣系統(tǒng)的增益為

式中，Ss為每個(gè)陣元上接收到的信號(hào)功率為每個(gè)陣元上接收到的噪聲功率.

在超增益處理方法中，通過計(jì)算找出合適的權(quán)系數(shù)，使基陣系統(tǒng)的增益達(dá)到最大.對(duì)式(5)中權(quán)系數(shù)求導(dǎo)，使d G/d w=0，計(jì)算超增益加權(quán)系數(shù)可得

由以上的推導(dǎo)可以看出，超增益方法中使用噪聲協(xié)方差矩陣對(duì)有色噪聲背景起到了空域匹配濾波的作用，因而能使基陣的增益達(dá)到最大.在超增益算法中噪聲協(xié)方差矩陣的估計(jì)對(duì)方法性能起到?jīng)Q定性的作用.

現(xiàn)有常用的噪聲協(xié)方差矩陣的估計(jì)方法是高斯背景下的ML估計(jì)方法

式中，N(l)表示采樣得到的噪聲序列;L為采樣序列長(zhǎng)度.將式(8)估計(jì)得到的噪聲協(xié)方差矩陣代入超增益波束形成器，得到TSD(Super-Directive beam forming in Time domain)波束形成器的空間譜輸出

在實(shí)際背景下，噪聲是時(shí)變的寬帶噪聲，由于ML估計(jì)方法僅使用噪聲的時(shí)域信息，噪聲協(xié)方差矩陣估計(jì)的偏差隨快拍數(shù)的減小而變大.

2.2 最小方差無畸變響應(yīng)波束形成方法

MVDR算法中，陣列波束輸出的加權(quán)系數(shù)為［8］

陣列輸出功率為［8］

陣增益為［9］

式中ρn表示歸一化噪聲協(xié)方差矩陣.

在MVDR波束形成算法中，采用了陣列接收信號(hào)的協(xié)方差矩陣求逆，因此能對(duì)輸入數(shù)據(jù)解相關(guān)，但由于其采用了全部陣列接收信號(hào)，包含有用信號(hào)和噪聲信號(hào)，因此解相關(guān)的效果損失了一部分的信號(hào)能量.在MVDR空間譜輸出表達(dá)式中，分母表示陣列接收數(shù)據(jù)在除波束掃描方向θ以外方向上的能量投影，當(dāng)θ方位存在信號(hào)時(shí)，分母達(dá)到極小值點(diǎn)，空間譜輸出出現(xiàn)譜峰，因此可采用MVDR波束形成算法進(jìn)行空間譜能量檢測(cè).

對(duì)比式(7)和式(12)，超增益波束形成算法和MVDR波束形成算法的陣增益表達(dá)形式相近，超增益波束形成算法陣增益只和噪聲背景有關(guān)，而MVDR波束形成算法和陣列接收數(shù)據(jù)有關(guān).

3 頻域超增益波束形成方法(FSD)

由上小節(jié)的推導(dǎo)和分析得出，噪聲協(xié)方差矩陣的估計(jì)在超增益波束形成算法中起著至關(guān)重要的作用.由于陣列接收的噪聲為寬帶有色噪聲，在一定的時(shí)間范圍內(nèi)，工作頻帶內(nèi)噪聲在每一頻點(diǎn)上的能量基本穩(wěn)定，為了充分利用噪聲在每一頻點(diǎn)上的信息，本文提出FSD方法.FSD方法在每個(gè)子帶內(nèi)估計(jì)噪聲協(xié)方差矩陣，并將估計(jì)得到的噪聲協(xié)方差矩陣對(duì)子帶內(nèi)的陣列接收數(shù)據(jù)匹配濾波，得到陣列輸出，最后將每個(gè)子帶處理的結(jié)果非相干疊加.

接收陣的工作頻帶為寬帶時(shí)，陣列接收數(shù)據(jù)按每L點(diǎn)分K段采樣，每段采樣數(shù)據(jù)點(diǎn)數(shù)為L(zhǎng)/K.對(duì)每段采樣數(shù)據(jù)作FFT，根據(jù)實(shí)際有效工作頻段確定相應(yīng)的J根線譜，每個(gè)有效子帶頻率fi(1≤j≤J)同時(shí)得到K個(gè)頻域采樣數(shù)據(jù)，相應(yīng)的陣列頻域輸出模型為

在實(shí)際應(yīng)用中，對(duì)一定的子帶頻率fj，估計(jì)陣列接收數(shù)據(jù)的協(xié)方差矩陣

式(14)為陣列接收數(shù)據(jù)在子帶頻率fj上的頻域估計(jì)值.當(dāng)陣列接收數(shù)據(jù)僅含有噪聲時(shí)，估計(jì)得到的矩陣為頻域噪聲協(xié)方差矩陣.將式(14)估計(jì)的噪聲協(xié)方差矩陣代入超增益波束形成器，得到子帶頻率fj上的空間譜輸出

對(duì)比式(9)和式(15)，TSD方法將陣列接收的寬帶數(shù)據(jù)不分頻帶地在時(shí)域進(jìn)行波束形成，F(xiàn)SD方法將寬帶數(shù)據(jù)在每個(gè)子頻帶上進(jìn)行波束形成，再將每個(gè)子帶的結(jié)果做加權(quán)平均.FSD方法估計(jì)噪聲在每個(gè)子帶內(nèi)的協(xié)方差矩陣信息，頻域估計(jì)的噪聲協(xié)方差矩陣充分使用了工作頻帶內(nèi)每一頻點(diǎn)的噪聲信息，因此能更加精確地對(duì)陣列接收數(shù)據(jù)解相關(guān)，能獲得更大的陣列增益，其檢測(cè)性能也優(yōu)于TSD方法.

4 仿真和實(shí)驗(yàn)結(jié)果

為了驗(yàn)證頻域超增益波束形成方法的有效性，采用湖試實(shí)測(cè)噪聲數(shù)據(jù)做了仿真研究.

目標(biāo)方位未知時(shí)，對(duì)基陣接收信號(hào)進(jìn)行波束形成，通過密集波束掃描實(shí)現(xiàn)目標(biāo)的空間譜檢測(cè).空間譜檢測(cè)實(shí)驗(yàn)步驟如下:

1)對(duì)實(shí)測(cè)噪聲數(shù)據(jù)多次進(jìn)行波束形成，學(xué)習(xí)噪聲空間角譜.

2)根據(jù)系統(tǒng)預(yù)先設(shè)定的虛警概率，并考慮噪聲空間角譜峰值設(shè)定相應(yīng)的能量檢測(cè)門限.

3)對(duì)以一定信噪比合成的數(shù)據(jù)按照相應(yīng)的波束形成方法做空間角譜.

4)將合成數(shù)據(jù)空間角譜的峰值和檢測(cè)門限比較，若大于門限值，判斷有目標(biāo)，否則判無目標(biāo).

當(dāng)陣列接收數(shù)據(jù)為寬帶數(shù)據(jù)時(shí)，常采用頻域波束形成方法，將寬帶數(shù)據(jù)首先做FFT變換，將寬帶數(shù)據(jù)分成相應(yīng)的多個(gè)子帶，在每個(gè)子帶上分別進(jìn)行波束形成，并將各個(gè)子帶的結(jié)果綜合得到最終頻域波束形成輸出結(jié)果.對(duì)于FSD方法，分別學(xué)習(xí)各個(gè)子帶上的噪聲協(xié)方差矩陣，采用各個(gè)子帶的噪聲協(xié)方差矩陣對(duì)對(duì)應(yīng)子帶的陣列接收數(shù)據(jù)解相關(guān)，并計(jì)算得到FSD方法的空間角譜.由于FSD方法在陣列的不同方位能取得的陣增益不同，在端射方向取得的陣增益最大，正橫方向最小，因此，理論上FSD方法在端射方向的檢測(cè)性能優(yōu)于正橫方向的檢測(cè)性能.

本文設(shè)計(jì)了實(shí)驗(yàn)研究，首先研究噪聲背景特性，其次研究理論和實(shí)測(cè)噪聲環(huán)境下FSD方法在不同束控方向的陣增益，并研究了FSD方法在不同目標(biāo)來向情況下的檢測(cè)性能，驗(yàn)證了“FSD方法在端射方向的檢測(cè)性能優(yōu)于正橫方向的檢測(cè)性能”的推測(cè)，最后，將FSD方法和FMVDR，TSD方法的檢測(cè)性能做了比較.

實(shí)驗(yàn)中使用的陣列為8元均勻線列陣，陣元間距為工作頻帶中心頻率波長(zhǎng)的0.1倍，屬于小孔徑陣列，系統(tǒng)的歸一化工作頻帶為0.2～0.4.設(shè)定的虛警概率Pf=0.05，每次檢測(cè)所使用的數(shù)據(jù)長(zhǎng)度為500快拍，仿真結(jié)果為100次蒙特-卡洛仿真結(jié)果的平均.

仿真1圖1表示實(shí)測(cè)噪聲的功率譜和不同陣元間距陣元之間接收噪聲序列的相關(guān)系數(shù).從圖1的仿真結(jié)果得出，噪聲的頻帶為0.2～0.4，工作頻帶內(nèi)噪聲功率譜起伏不大，表明接收的寬帶噪聲在工作頻段內(nèi)為時(shí)域白噪聲.各個(gè)陣元和1號(hào)陣元接收的噪聲序列之間的相關(guān)系數(shù)在－0.3778～1之間，其中5～7號(hào)陣元與1號(hào)陣元接收噪聲序列的相關(guān)系數(shù)為負(fù)值，表示信號(hào)負(fù)相關(guān)，其絕對(duì)值的大小表示相關(guān)程度，8號(hào)陣元與1號(hào)陣元接收噪聲序列之間的相關(guān)系數(shù)為0.148，比2～7號(hào)陣元與1號(hào)陣元接收噪聲序列之間的相關(guān)系數(shù)的絕對(duì)值小，表示8號(hào)陣元與1號(hào)陣元接收噪聲的相關(guān)性最小.從圖1可以看出實(shí)測(cè)的噪聲數(shù)據(jù)在各個(gè)陣元之間的相關(guān)性很強(qiáng)，為空間相關(guān)性強(qiáng)的寬帶有色噪聲.

圖1 實(shí)測(cè)噪聲頻譜與相關(guān)系數(shù)曲線

仿真2圖2表示在仿真1中的實(shí)測(cè)噪聲背景和理想噪聲背景［3］下FSD波束形成方法的陣增益與束控方向的關(guān)系曲線，其中0°表示正橫方向.可以看出，在實(shí)測(cè)和理想的噪聲背景下，F(xiàn)SD方法的陣增益在正橫方向達(dá)到最小.實(shí)測(cè)噪聲背景下FSD的陣增益在±50°方向左右達(dá)到最大，端射方向的增益略微下降，這與超增益波束形成方法在陣增益在各向同性均勻噪聲場(chǎng)中正橫方向最小，端射方向最大［1］的結(jié)論稍不同，這是由于實(shí)際的空間有色噪聲背景不是理想的各向同性均勻噪聲場(chǎng)，而是具有一定空間相關(guān)性的有色噪聲場(chǎng).FSD方法在±50°方向左右的陣增益大于正橫方向約 2.7 dB.

圖2 超增益波束形成方法陣增益和束控方向的關(guān)系

從圖2的結(jié)果可以推測(cè)得到以下結(jié)論:目標(biāo)來向不同的情況下，F(xiàn)SD波束形成方法的檢測(cè)能力不同，正橫方向上的檢測(cè)能力最差.

仿真3圖3表示在仿真1中的實(shí)測(cè)噪聲背景下，目標(biāo)來向改變的情況下FSD檢測(cè)概率隨信噪比的變化曲線.其中信號(hào)為仿真產(chǎn)生的窄帶信號(hào)，信號(hào)的中心頻率與噪聲帶寬的中心頻率重合.可以看出檢測(cè)概率達(dá)到90%時(shí)，目標(biāo)來向?yàn)?0°時(shí)的檢測(cè)性能優(yōu)于目標(biāo)來向?yàn)?°時(shí)的檢測(cè)性能，兩者相差約1～2 dB.對(duì)比圖2的仿真結(jié)果，當(dāng)束控方向?qū)?zhǔn)30°和0°時(shí)，F(xiàn)SD在兩者之間的陣增益相差約1～2 dB，圖3的檢測(cè)結(jié)果與圖2的仿真結(jié)果吻合.

圖3 不同目標(biāo)來向FSD檢測(cè)概率隨信噪比變化曲線

仿真4圖4表示FSD和FMVDR波束形成方法檢測(cè)概率隨信噪比變化的曲線.噪聲為仿真1中的寬帶噪聲，目標(biāo)輻射信號(hào)為和噪聲同頻帶的寬帶信號(hào)，陣元接收數(shù)據(jù)是兩者以一定的信噪比合成的寬帶信號(hào).每次檢測(cè)所使用的數(shù)據(jù)長(zhǎng)度為500快拍，將數(shù)據(jù)分成10段進(jìn)行采樣，數(shù)據(jù)重疊率為0.5，其中FMVDR波束形成器為頻域?qū)拵Рㄊ纬善鳎?］，F(xiàn)SD和FMVDR波束形成方法的頻域子帶個(gè)數(shù)相同.從湖試數(shù)據(jù)結(jié)果來看，F(xiàn)SD方法的檢測(cè)性能遠(yuǎn)好于FMVDR波束形成方法的檢測(cè)性能.在達(dá)到90%檢測(cè)概率的情況下，F(xiàn)SD方法的檢測(cè)性能優(yōu)于FMVDR波束形成方法約2 dB.影響FSD方法檢測(cè)性能優(yōu)于FMVDR方法的因素有以下幾點(diǎn):①寬帶信號(hào)和噪聲背景的時(shí)頻域特性差異很大，F(xiàn)MVDR方法計(jì)算權(quán)系數(shù)時(shí)信號(hào)成分起主要作用，對(duì)信號(hào)的白化程度很大，降低了輸出端信噪比;②子帶分解個(gè)數(shù)的影響，不同的子帶分解個(gè)數(shù)方法的檢測(cè)性能也不同;③信號(hào)和噪聲平穩(wěn)性的影響.FSD方法在估計(jì)噪聲協(xié)方差矩陣時(shí)采用較長(zhǎng)時(shí)間序列，估計(jì)精度比較高.FMVDR方法估計(jì)數(shù)據(jù)協(xié)方差矩陣采用的是短時(shí)間序列.

圖4 FSD和FMVDR波束形成方法檢測(cè)概率隨信噪比變化曲線

仿真5圖5表示FSD和TSD方法檢測(cè)概率隨信噪比變化的曲線.噪聲為仿真1中的寬帶噪聲，目標(biāo)輻射信號(hào)為和噪聲同頻帶的寬帶信號(hào)，陣元接收數(shù)據(jù)是兩者以一定的信噪比合成的寬帶信號(hào).其中每次檢測(cè)所使用的數(shù)據(jù)長(zhǎng)度為500快拍，F(xiàn)SD和TSD方法估計(jì)噪聲協(xié)方差矩陣所使用的噪聲快拍數(shù)都為200，為短時(shí)間段的噪聲數(shù)據(jù).TSD方法中對(duì)寬帶數(shù)據(jù)預(yù)先進(jìn)行了濾波處理，保證了TSD方法的工作帶寬和FSD方法重合.從仿真結(jié)果看出，F(xiàn)SD的檢測(cè)性能優(yōu)于TSD方法.在達(dá)到90%檢測(cè)概率的情況下，F(xiàn)SD方法優(yōu)于TSD方法約2 dB.FSD方法檢測(cè)性能優(yōu)于TSD方法主要是因?yàn)镕SD方法在頻域估計(jì)噪聲協(xié)方差矩陣，充分利用了寬帶數(shù)據(jù)每一頻點(diǎn)上的數(shù)據(jù)信息，對(duì)噪聲協(xié)方差矩陣的估計(jì)精度高于TSD方法，因而對(duì)噪聲解相關(guān)的效果好于TSD方法.

圖5 FSD和TSD方法檢測(cè)概率隨信噪比變化曲線

從仿真4和仿真5結(jié)果可知，本文所提FSD方法具有以下優(yōu)點(diǎn):

1)檢測(cè)性能優(yōu)于FMVDR波束形成方法;

2)在估計(jì)噪聲協(xié)方差矩陣的數(shù)據(jù)長(zhǎng)度相同的情況下，檢測(cè)性能優(yōu)于TSD方法.

5 結(jié)論

本文提出了頻域超增益波束形成方法(FSD)，仿真結(jié)果表明FSD具有以下優(yōu)點(diǎn):

1)在達(dá)到90%檢測(cè)概率的情況下，F(xiàn)SD方法的檢測(cè)性能優(yōu)于TSD方法約2 dB.與其他波束形成方法的檢測(cè)性能相比較，在達(dá)到90%檢測(cè)概率的情況下，F(xiàn)SD方法的檢測(cè)性能優(yōu)于FMVDR波束形成方法約2 dB.

2)提出的FSD方法僅需要對(duì)估計(jì)的噪聲協(xié)方差矩陣一次求逆，計(jì)算量小，適合工程應(yīng)用.

References)

［1］ Uzkov A I.An approach to the problem of optimum directive antenna design［J］.Compt Rend Acad Sci U R SS，1946

［2］ Yan Shefeng，Ma Yuanliang.Robust supergain beamforming for circular array via second-order cone programming［J］.Applied Acoustics，2005，66(9):1018 －1032

［3］鄢社鋒，馬遠(yuǎn)良.圓環(huán)形聲基陣低頻超增益性能研究［J］.西北工業(yè)大學(xué)學(xué)報(bào)，2002，20(1):79 －82 Yan Shefeng，Ma Yuanliang.A circular hydrophone array for supergain in low frequency［J］.Journal of Northwestern Polytechnical University，2002，20(1):79 －82(in Chinese)

［4］ ShuaiXiaofei，Kong Lingjiang，Yang Jianyu.Performance analysis of GLRT-based adaptive detector for distributed targets in compound-Gaussian clutter［J］.Signal Processing，2010，90(1):16－23

［5］ Bon N，Khenchaf A，Garello R.GLRT subspace detection for range and doppler distributed targets［J］.IEEE Transactions on Aerospace and Electronic Systems，2008，44(2):678 －695

［6］ Pascal F，Chitour Y，F(xiàn)orster P，et al.Covariance structure maximum-likelihood estimates in compound Gaussian noise:existence and algorithm analysis［J］.IEEE Transactions on Signal Processing，2008，56(1):34 －48

［7］ Bandiera F，Besson O，Ricci G.Knowledge-aided covariance matrix estimation and adaptive detection in compound-Gaussian noise［J］.IEEE Transactions on Signal Processing，2010，58(10):5391－5396

［8］游鴻，黃建國，史文濤.基于寬帶分裂陣列的水下遠(yuǎn)程被動(dòng)多目標(biāo)檢測(cè)與定向［J］.聲學(xué)學(xué)報(bào)，2009，34(6):527 －532 You Hong，Huang Jianguo，ShiWentao.Long-distance underwater passive multi-target detection and direction finding based on the wideb and split array ［J］.Acta Acustica，2009，34(6):527－532(in Chinese)

［9］Van Trees Harry L.最優(yōu)陣列處理技術(shù)［M］.湯俊譯.清華大學(xué)出版社，2008:327 Van Trees.Harry L.Optimum array processing［M］.Translated by Tang Jun.Beijing:Tsinghua University Press，2008:327(in Chinese)

(編 輯:婁 嘉)

Performance analysis for frequency domain detection method in spatial color noise background

Wang Jing Huang Jianguo Jiao Yameng
(College of Marine Engineering，Northwestern Polytechnical University，Xi’an 710072，China)

Underwater noise environment of small aperture array is spatial color noise background.A super-directive beamforming in frequency domain(FSD)method was proposed to solve the problem that the array gain of super-directive beamforming cannot reach maximum when there exists error in the estimated noise matrix under color noise background.Thewideb and

data were divided intomany subbands，and noise covariance matrix in each sub band was estimated，which reduces the error of estimated noise matrix.Estimated noise covariance matrix was used to de-correlate the received data.At last，spatial spectrum detector was employed to detect weak signal.Experimental results show that the detection performance of FSD is better than super-directive beam forming in time domain(TSD)and minimum variance distortionless response in frequency domain(FMVDR)of 2 dB and 2 dB respectively.

color noise;frequency domain;detection;super-directive

TN 911.7

A

1001-5965(2012)06-0783-05

2011-03-17;網(wǎng)絡(luò)出版時(shí)間:2012-06-15 15:44

www.cnki.net/kcms/detail/11.2625.V.20120615.1544.032.htm l

國家重點(diǎn)實(shí)驗(yàn)室基金資助項(xiàng)目(9140C2304080607)

王 靜(1986－)，女，河南商丘人，博士生，wangjing0407 j039@yahoo.com.cn.