基于凸优化和神经网络的平面阵列幅相误差校正方法技术

本发明专利技术公开了一种基于凸优化和神经网络的平面阵列幅相误差校正方法，包括：(1)设置校正声源位于相对于传感器平面阵列的未知远场方向，并将将校正声源的波达方向估计问题转换为通过阵列采样信号重构求解校正声源信号的优化问题，采用凸优化方法估计求解该优化问题初步估计得到校正声源的波达方向；(2)根据步骤(1)初步估计的波达方向确定校正声源位置，并获取以校正声源位置为中心的领域范围内的波束强度，并利用基于深度学习网络构建的波达方向估计模型根据波束强度进行进一步估计，获得最终估计的校正声源的波达方向；(3)基于最终估计的校正声源的波达方向，通过空间匹配滤波器来估计幅相误差。该方法可以准确估计和校正幅相误差。

【技术实现步骤摘要】
基于凸优化和神经网络的平面阵列幅相误差校正方法
本专利技术涉及相控阵三维成像声纳系统，压缩感知，凸优化，神经网络，空域滤波等
，具体来说是一种基于凸优化和神经网络的平面阵列幅相误差校正方法。
技术介绍
实时三维声纳成像技术是近年来广泛应用于水下探测等领域。相控阵三维成像声纳系统发射声脉冲信号，通过大型平面阵列接收声纳回波信号，经过波束形成计算得到波束图。在相控阵声纳波束形成算法中，通常假设每个传感器通道具有一致的幅度和相位特性。然而，传感器位置的偏差，传感器和信号调理电路性能的不一致性，通道间的互耦效应，会导致接收信号的幅度和相位误差，从而导致波束图中的旁瓣强度增加以及聚焦方向偏移。为了解决该问题，需要对传感器阵列接收型号的幅度和相位进行校正以补偿误差。阵列幅相误差校正方法可分为主动校正和自校正，主动校正需要一个或多个知道精确位置的校正声源，而自校正的校正声源位置未知，需要同时估计校正声源的波达方向(DOA)和阵列的幅相误差。主动校正方法通过已知位置的声源对阵列的幅相特性进行校正，主要包括最大似然估计(MLE)和最小二乘法(LS)本文档来自技高网...

【技术保护点】
1.一种基于凸优化和神经网络的平面阵列幅相误差校正方法，其特征在于，包括以下步骤：/n(1)设置校正声源位于相对于传感器平面阵列的未知远场方向，并将将校正声源的波达方向估计问题转换为通过阵列采样信号重构求解校正声源信号的优化问题，采用凸优化方法估计求解该优化问题初步估计得到校正声源的波达方向；/n(2)根据步骤(1)初步估计的波达方向确定校正声源位置，并获取以校正声源位置为中心的领域范围内的波束强度，并利用基于深度学习网络构建的波达方向估计模型根据波束强度进行进一步估计，获得最终估计的校正声源的波达方向；/n(3)基于最终估计的校正声源的波达方向，通过空间匹配滤波器来估计幅相误差。/n

【技术特征摘要】
1.一种基于凸优化和神经网络的平面阵列幅相误差校正方法，其特征在于，包括以下步骤：
(1)设置校正声源位于相对于传感器平面阵列的未知远场方向，并将将校正声源的波达方向估计问题转换为通过阵列采样信号重构求解校正声源信号的优化问题，采用凸优化方法估计求解该优化问题初步估计得到校正声源的波达方向；
(2)根据步骤(1)初步估计的波达方向确定校正声源位置，并获取以校正声源位置为中心的领域范围内的波束强度，并利用基于深度学习网络构建的波达方向估计模型根据波束强度进行进一步估计，获得最终估计的校正声源的波达方向；
(3)基于最终估计的校正声源的波达方向，通过空间匹配滤波器来估计幅相误差。


2.如权利要求1所述的基于凸优化和神经网络的平面阵列幅相误差校正方法，其特征在于，针对M×N传感器组成的平面阵列，阵列采样信号表示为：



其中，x(m,n)表示传感器位置(m,n)采集的采样信号，dm,dn是传感器位置(m,n)与参考传感器位置之间的间距，λ为声波波长，u0＝sinθa，v0＝sinθb，θa，θb表示校正声源所在的相对于传感器平面阵列的远场方向，ξg(m,n)是增益误差，服从高斯分布ξp(m,n)是相位误差，服从高斯分布ε(m,n)是传感器位置(m,n)的噪声；
校正声源的传播模型表示为：
x＝Ay+ε(2)
其中，是采样信号矩阵，是传播矩阵，是声信号矩阵，ε是噪声矩阵，传播矩阵A中元素由下式给出：



其中，u＝sinθa，v＝sinθb，(u,v)在(-1～1,-1～1)范围内划分为A×B个方向。


3.如权利要求2所述的基于凸优化和神经网络的平面阵列幅相误差校正方法，其特征在于，校正声源的波达方向估计问题转换为通过阵列采样信号重构求解校正声源信号的优化问题，表示为：



μ表示权重因子，表示二范数的平方，该优化问题通过凸优化工具CVX，并将最大时对应的估计方向作为初步...

【专利技术属性】
技术研发人员：蒋荣欣，刘雪松，辜博轩，陈耀武，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33