【技术实现步骤摘要】
本专利技术涉及稀疏阵列设计，具体涉及一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法和装置。
技术介绍
1、成像声纳的换能器阵列一般采取等间距、均匀分布的布阵方式，通过波束形成的方式进行成像。为了提高系统分辨率，通常需要采用大孔径的换能器阵列，导致阵元数量庞大。因此，成像声纳技术面临两个难题：硬件系统复杂和计算量庞大。通过阵列稀疏优化可以在保证系统性能的同时有效地减少换能器阵元数量，成为了降低系统复杂度和计算量的重要方法。
2、对于均匀布阵的阵列，并非所有单元都必须接收声波信号，即某些位置上的阵元系数可以为零。阵列稀疏优化以最小化阵元数量为目标，在波束方向图满足一定的约束条件下(如主瓣宽度和旁瓣峰值等参数)，求解阵元的权重系数。传统的稀疏阵列优化方法存在稀疏度不高、阵元间距过近无法加工、阵列波束性能衰减严重等问题。例如专利文献cn108828603a公开的一种基于十字型的三维成像声纳阵列的稀疏优化方法，该方法未对阵元间距做约束，采用随机优化算法求解稀疏阵列，易生成过近阵元位置；在例如专利文献cn112182953a公开的一种模块化平面阵列稀疏优化方法及系统，其得到的稀疏阵列旁瓣抑制较弱。
技术实现思路
1、鉴于上述，本专利技术的目的是提供一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法和装置，以实现对阵列稀疏的稀疏设计。
2、为实现上述专利技术目的，本专利技术实施例提供的一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，包括以下步骤：
3、
4、步骤2，基于设置的超参数求解多任务贝叶斯压缩感知问题，获得初步稀疏后的阵列分布与阵元权重；
5、步骤3，以初步稀疏后的阵元为顶点、并在阵元间距小于等于约束距离的顶点之间建立连边，形成无向图，根据无向图的连通性将无向图划分为多个独立子图；
6、步骤4，并行合并各独立子图中顶点，即优先加权合并度最高的顶点及其最近联通顶点，更新合并后独立子图顶点的权重与度，迭代本步骤，直到所有阵元间距大于距离约束为止，得到合并后阵元；
7、步骤5，基于支撑超平面将阵元合并后的稀疏阵列转为全局凸优化问题，并求解得到二次稀疏阵元权重。
8、优选地，步骤1中，理想全阵波束图为等间距半波长布阵的平面阵，对应的波束形成结果b表示为：
9、
10、其中，下标n为阵元编号，n为阵元数量，wn为对应阵元权重，(xn,yn)为阵元位置，λ为信号波长，u＝sinθ,v＝sinφ，并且u,v∈[-1,1]，θ和φ分别为波束方向角和俯仰角，多任务贝叶斯压缩感知的超参数包括阵元权重的零均值高斯分布的方差的倒数α，噪声ε的零均值高斯分布的方差的倒数α0。
11、优选地，步骤2中，当初步稀疏的候选阵元数为np时，多任务联合估计的形式为：
12、
13、其中分别表示实部与虚部，φp表示候选阵元数为np对应的观测矩阵，
14、最大后验概率如下式：
15、
16、
17、其中，下标l表示矩阵的[l(np-1)+1,lnp]列，bl表示列l的形成波束，cpl和a以及ψp为中间变量；
18、基于上述两个公式求解获取初步稀疏后的阵列分布与阵元权重。
19、优选地，步骤3中，在无向图中，顶点间连通边的值为顶点间距与阵元约束距离的比值，顶点的值为度值与阵元权重的二元组，度值为顶点的边数。
20、优选地，步骤4中，在进行阵元对应的顶点合并时，遵循以下合并条件：1)各无联通的独立子图独立处理；2)每轮优先合并度最高顶点及其最短边联通顶点；3)顶点权重及位置由合并点加权更新，加权计算如下：
21、
22、其中，(xnew，ynew)为更新后位置，wnew为更新后阵元权重，w1和w2为被合并2个顶点的权重，(x1，y1)和(x2，y2)为被合并2个顶点的位置。
23、优选地，步骤5中，将经过阵元合并的稀疏阵列做全局重优化，通过构建代价函数并求解来减小稀疏阵列波束图与全阵参考波束图的误差，代价函数如下：
24、
25、其中，
26、优选地，步骤5中，在求解时，将代价函数通过支撑超平面转化为凸的替代代价函数，以引入凸优化方法全局求解，替代代价函数如下：
27、
28、其中，表示α中任意点，此时，代价函数f(α)为凸。
29、优选地，步骤5中，选用matlab的cvx box凸优化求解器得到全局重优化后的二次稀疏阵元权重。
30、为实现上述专利技术目的，实施例还提供了一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏装置，包括参数设置模块、初步稀疏模块、无向图构建模块、顶点合并模块、二次稀疏模块；
31、所述参数设置模块用于以候选阵列阵元为输入，同时以理想全阵波束图为全阵参考波束图，设置多任务贝叶斯压缩感知的超参数以控制稀疏率；
32、所述初步稀疏模块用于基于设置的超参数求解多任务贝叶斯压缩感知问题，获得初步稀疏后的阵列分布与阵元权重；
33、所述无向图构建模块用于以初步稀疏后的阵元为顶点、并在阵元间距小于等于约束距离的顶点之间建立连边，形成无向图，根据无向图的连通性将无向图划分为多个独立子图；
34、所述顶点合并模块用于并行合并各独立子图中顶点，即优先加权合并度最高的顶点及其最近联通顶点，更新合并后独立子图顶点的权重与度，迭代本步骤，直到所有阵元间距大于距离约束为止，得到合并后阵元；
35、所述二次稀疏模块用于基于支撑超平面将阵元合并后的稀疏阵列转为全局凸优化问题，并求解得到二次稀疏阵元权重。
36、与现有技术相比，本专利技术具有的有益效果至少包括：
37、本专利技术提供的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法和装置，提出了一种稀疏阵列合成的新型处理架构，包括快速的网格化稀疏化、基于无向图的元素加权合并和全局bcs元素权重重新优化。利用基于无向图的元素加权合并方法，以确保阵列元素满足最小间距约束，通过新颖的合并策略减少了合并操作的数量；利用基于全局优化的元素权重重新估计方法，以提高稀疏阵列的波束图性能。因此，本专利技术提出的方法在满足阵列元素间距约束的同时，实现了良好的稀疏性和波束性能，适用于稀疏阵列设计。
本文档来自技高网...【技术保护点】
1.一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤1中，理想全阵波束图为等间距半波长布阵的平面阵，对应的波束形成结果B表示为：
3.根据权利要求2所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤2中，当初步稀疏的候选阵元数为Np时，多任务联合估计的形式为：
4.根据权利要求1所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤3中，在无向图中，顶点间连通边的值为顶点间距与阵元约束距离的比值，顶点的值为度值与阵元权重的二元组，度值为顶点的边数。
5.根据权利要求1所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤4中，在进行阵元对应的顶点合并时，遵循以下合并条件：1)各无联通的独立子图独立处理；2)每轮优先合并度最高顶点及其最短边联通顶点；3)顶点权重及位置由合并点加权更新，加权计算如下：
6.根据权利要求2所述的基于渐进式贝叶斯压缩感知与图融
7.根据权利要求6所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤5中，在求解时，将代价函数通过支撑超平面转化为凸的替代代价函数，以引入凸优化方法全局求解，替代代价函数如下：
8.根据权利要求7所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤5中，选用MATLAB的CVX Box凸优化求解器得到全局重优化后的二次稀疏阵元权重。
9.一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏装置，其特征在于，包括参数设置模块、初步稀疏模块、无向图构建模块、顶点合并模块、二次稀疏模块；
...【技术特征摘要】
1.一种基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤1中，理想全阵波束图为等间距半波长布阵的平面阵，对应的波束形成结果b表示为：
3.根据权利要求2所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤2中，当初步稀疏的候选阵元数为np时，多任务联合估计的形式为：
4.根据权利要求1所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤3中，在无向图中，顶点间连通边的值为顶点间距与阵元约束距离的比值，顶点的值为度值与阵元权重的二元组，度值为顶点的边数。
5.根据权利要求1所述的基于渐进式贝叶斯压缩感知与图融合的阵列稀疏方法，其特征在于，步骤4中，在进行阵元对应的顶点合并时，遵循以下合并条件：1)各无联通的独立子图独立处理；2)每轮优先合并度最高顶...
【专利技术属性】
技术研发人员：蒋荣欣，蒋施瑶，刘雪松，周凡，陈耀武，潘鹏程，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。