Page 30 - 《应用声学》2024年第6期
P. 30

1206                                                                                2024 年 11 月


             2.2 问题构建                                          稀疏优化方法。ADMM具备收敛速度快、计算效率
                 通过对代价函数 (9a) 增加波束形成器权向量                       高等优点     [14] ,通过将高维问题转化为多个可并行求
             的ℓ 0 范数惩罚项,可以实现多项式结构波束形成器                         解的低维优化子问题,能够在保证波束形成器性能
             的稀疏化设计。但相应的优化问题是一种 NP-hard                        的同时实现高效求解。
             问题,优化求解较为困难。一种可行的解决方案是                                           Ѻݽӑ l=0,
             采用迭代加权 ℓ 1 范数       [13]  进行稀疏优化处理,从而                         b ↼↽ =1 KNJ, D ↼↽ =∅ 0 /
             获得较好的逼近ℓ 0 范数的凸近似结果。
                                                                        රᝍ͖ӑ᫈ᮥर(10), ४҂w  ↼l↽
                 对于第 l 次迭代 (0 6 l 6 L,L 为最大迭代次
             数),采用迭代加权 ℓ 1 范数的多项式结构波束形成
                                                                            ఞழb ↼l⇁↽ , D ↼l⇁↽  l/l⇁
             器稀疏化设计问题可表示如下:
                              T
               min max |E{w [ˆ g(f, θ ML , ϕ d )                                         ա
                                                                               l/L֓⋆
                w f,θ ML ,ϕ d
                                        KNJ                                        ௧
                                         ∑    (l)
                    − ˆ g(f 0 , θ ML , ϕ d )]}| + δ  b |w i |,  (10a)     ̽КD ↼L↽ ࣳᝠካ͖ӑ᫈ᮥ
                                              i
                                         i=1                              र(11)  ४҂త͖ిϙw ⇀
                                     (l)
                   s.t. w i = 0, ∀i ∈ D ,             (10b)
                                                                          图 2  稀疏优化问题的流程图
                        T
                   |E{w ˆ g(f 0 , θ ML = ϕ d , ϕ d )}| > 1,  (10c)  Fig. 2 Flowchart of sparse optimization problems
                               T
                     max |E{w ˆ g(f, θ SL , ϕ d )}| 6 η,  (10d)
                                                               3 稀疏化问题的ADMM求解算法
                   f,θ SL ,ϕ d
                                      (l)       (l−1)
             其中,δ 为稀疏度控制参数;b             = 1/(|w    | + ε 0 ),
                                      i         i
                                                               3.1  优化问题的转化
             i = 1, 2, · · · , KNJ,为第 l 次迭代的加权系数;ε 0
             为一小的正实数,以确保算法的稳定;D                       (l)  =       由于式(9a)∼(9c)为非凸问题,不便于求解。为
                 (l−1)                                         此,首先将其近似转化成相应的凸问题。根据式 (7)
             {i||w   | 6 ε D } 为权值零位置索引,则式 (10b)
                 i
             表示当权值低于门限值 ε D 时则视为是可稀疏的并                         可以得到平均波束响应的表达式为
                                 (l)
                                                                        ˆ
             置为零值。令 b     (l)  = (b ) KNJ×1 ,则当 l = 0 时,有            E{P(f, θ, ϕ d )}
                                 i
                                                                       T
             b (0)  = 1 KNJ 且 D (0)  = ∅,1 KNJ ∈ R KNJ  为全 1 列     = w g(f, θ, ϕ d ) + E{w ∆g(f, θ, ϕ d )}.  (12)
                                                                                        T
             向量。
                                                               因此,根据式 (12),可以寻找式 (9a) 中代价函数的
                 当迭代次数达到预设的最大值 L 时,求解如下
                                                               上界:
             含约束的优化问题可得到最优权值w :
                                              ∗
                                                                          T
                                                                     |E{w [ˆ g(f, θ ML , ϕ d ) − ˆ g(f 0 , θ ML , ϕ d )]}|
                                  T
                  min max |E{w [ˆ g(f, θ ML , ϕ d )                     T
                                                                   = |w [g(f, θ ML , ϕ d ) − g(f 0 , θ ML , ϕ d )]
                   w f,θ ML ,ϕ d
                           − ˆ g(f 0 , θ ML , ϕ d )]}|,  (11a)            T
                                                                      + w E{∆g(f, θ ML , ϕ d )}
                  s.t. w i = 0, ∀i ∈ D (L) ,          (11b)               T
                                                                      − w E{∆g(f 0 , θ ML , ϕ d )}|
                       T
                  |E{w ˆ g(f 0 , θ ML = ϕ d , ϕ d )}| > 1,  (11c)       T
                                                                   6 |w [g(f, θ ML , ϕ d ) − g(f 0 , θ ML , ϕ d )]|
                              T
                                                                          T
                   max |E{w ˆ g(f, θ SL , ϕ d )}| 6 η.  (11d)         + |w E{∆g(f, θ ML , ϕ d )}|
                  f,θ SL ,ϕ d
                                                                          T
             以上稀疏化设计问题的整体流程图如图2所示。                                    + |w E{∆g(f 0 , θ ML , ϕ d )}|,    (13)
                                                                              T
                 根据图 2 所示步骤,在对原始非凸问题式 (10)                     式 (13) 中, 当 w [g(f, θ ML , ϕ d ) − g(f 0 , θ ML , ϕ d )]、
                                                                 T
                                                                                       T
             与式 (11) 进行凸近似处理后,类似文献 [8],可采用                     w E{∆g(f, θ ML , ϕ d )}、−w E{∆g(f 0 , θ ML , ϕ d )}三
             CVX 凸优化工具箱进行求解。但考虑到多项式结                           项同号或w 取零解时,不等式的等号成立。
             构波束形成器权系数维数高,且迭代加权 ℓ 1 范数稀                            考虑到实际测量偏差,基于 WCMP 的设计
             疏涉及多次迭代过程,使用 CVX 存在优化效率低                          准则,假设传声器失配误差的均值存在小的扰
             的突出问题。鉴于此,下文将提出基于 ADMM 的                          动:|E{∆a k (f, θ)}| 6 µ a ,|E{∆φ k (f, θ)}| 6 µ φ ,
   25   26   27   28   29   30   31   32   33   34   35