Page 209 - 应用声学2019年第4期
P. 209

第 38 卷 第 4 期             程雪等: 低复杂度的 MIMO 声呐协方差矩阵重构方法                                        669

                                                                  ˆ
             G可以表示为                                            对 R 进行特征值分解,可以得到 (M + N − 1) × K
                                               
                                                             维的信号子空间 U s 和噪声子空间 U N 。因此,可以
                         1 0   · · ·  0 0  · · · 0 
                                               
                                               
                                                              进一步构造MUSIC算法的空间谱函数:
                                                  
                         0 1   · · ·  0 0  · · · 0
                                                  
                                               
                                                   
                         .  . .    .  .  .   .  M                                      1
                       .   .  .    .  .  .                                                              ] .
                       .   .   .   .  .   .  .               P (θ) = [       1   ] H      [       1
                                              . 
                                               
                                                                          H                H    H
                                                                      (G G) 2 b(θ)  U n U n  (G G) 2 b(θ)
                                               
                                                  
                       0 0    · · ·  1 0  · · · 0  
                                                                                                       (8)
                                                   
                                               
                       0 1 0 · · ·   0 · · · 0    
                                               
                                                                影响算法复杂度的主要因素有三个:协方差
                                               
                                                  
                                               
                       0 0 1 · · ·   0 · · · 0               矩阵的构造、特征值分解和谱峰搜索。为了进一步
                       . .  . .  . .  . .  .  .  .  M 
                      
                            . .
                 G =  .    . .    .   .   .  .              降低计算复杂度,可以选择不需要谱峰搜索、计算
                                              . 
                                                    
                                               
                                                  
                                               
                                                  
                                               
                       0 0 0 · · ·   1 · · · 0               复杂度更低的 ESPRIT算法。构造新的信号子空间
                                                   
                                                                      H
                                . .                          E = (G G)  −  1 2 U s ,由此可以得到E 1 和E 2 :
                                .                  
                                                   
                                                                                             
                                                   
                       0   · · ·  0 1 0  · · · 0   
                                               
                                                                            E 1            e 1
                                                                        E =             =      ,     (9)
                                                  
                                               
                       0   · · ·  0 0 1  · · · 0                            e M+N−1        E 2
                                                   
                       .   .    .  .  .  .   .   M 
                       . .  .  .  . .  . .  . .  .  .  .                1×K                1×K
                                               
                                             .              其中,e 1 ∈ C      和 e M+N−1 ∈ C      分别为 E 的
                                               
                                               
                                                                                                    +      +
                         0 0   0 0 0    · · ·  1              第一行和最后一行。可以得到矩阵ψ = E E 2 ,()
                                                                                                     1
                       ∈ C MN×(M+N−1)  .                (5)    表示广义逆。
                 根 据 表 达 式 (5), 可 以 得 到 降 维 变 换 矩 阵            3 数值仿真与分析
                              H
                      H
             W = (G G)    −  1 2 G ,对回波信号的协方差矩阵
             进行处理,可以得到                                             为了验证协方差矩阵重构方法的有效性,将
                                                               利用文中提到的两种测向算法 (MUSIC 算法和 ES-
                  R = W R Y Y W  H
                                                               PRIT 算法) 进行测向,并对算法的性能进行分析。
                                  H
                                           2
                     = W AR BB A W    H  + σ I M+N−1 .  (6)
                                           n                   通过不同的仿真条件,对比两种不同的算法在测向
                 由式 (6) 可以看出,降维变换并没有引起色噪                       性能上的优势和不足。仿真实验中采用的是密布式
             声。为了保证协方差矩阵的不相干性,对降维后的                            MIMO 声呐线列阵,发射和接收阵列的几何中心重
             协方差矩阵进行去相干处理。由于降维变换已经                             合,阵元数 M = N = 8,阵元间距都为半波长。目
             损失了一部分的自由度,如果采用最常用的空间平                            标数目为K = 2,来波方向为θ 1 = −10 , θ 2 = 5 。
                                                                                                  ◦
                                                                                                         ◦
             滑法去相干,会导致 MIMO 声呐阵列的自由度进                              首先分析算法的复杂度。影响复杂度的主要
             一步减小,从而降低可探测目标数,将会严重影响                            因素有协方差矩阵的构造、特征值分解和谱峰
             MIMO 声呐的优势。因此,采用 Toeplitz 方法进行                    搜索。因此,传统 MUSIC(以下简称 MUSIC) 算法
                                                                               2  2      3  3
             去相干处理,保证了阵列自由度,同时也保证了协方                           的复杂度为 O{M N L + M N + n[MN(MN −
             差矩阵内信号的不相干性。                                      K) + MN − K]}, 其中 L 为快拍数,n 为谱峰
                                           1                   搜 索 的 次 数。 低 复 杂 度 协 方 差 矩 阵 重 构 MU-
                ˆ r mn = ˆr(m − n) =
                                 M + N − 1 − (m − n)           SIC 算法 (以下简称低复杂度 MUSIC 算法) 的复
                                                                                       2
                                                                                                          3
                         M+N−1−(m−n)                           杂 度 为 O{(M + N − 1) L + (M + N − 1) +
                              ∑
                      ×               ˆ r i(i+m−n) , m 6 n,
                                                               n[(M + N − 1)(M + N − 1 − K) + M + N −
                              i=1
                                                               1 −K]}。 传统 ESPRIT 算法 (以下简称 ESPRIT
                ˆ r mn = ˆr(m − n) = ˆr(−(m − n)) = ˆr C  ,
                                                mn                                  {   2  2      3  3    3  }
                                                               算 法) 的 复 杂 度 为 O M N L + M N + K             。
                       m > n,                           (7)
                                                               低 复 杂 度 协 方 差 矩 阵 重 构 ESPRIT 算 法 (以
                       C
             式(7)中,( ) 表示共轭,ˆr mn 表示矩阵中第m行、第                   下 简 称 低 复 杂 度 ESPRIT 算 法) 的 复 杂 度 为
                                                                 {
                                                    ˆ
             n 列的元素,所得到的新的协方差矩阵用 R 表示。                         O (M + N − 1) L + (M + N − 1) + K    3 } 。
                                                                              2
                                                                                               3
   204   205   206   207   208   209   210   211   212   213   214