文档库 最新最全的文档下载
当前位置:文档库 › 基于尺度MMSE波束的超宽带穿墙成像方法_晋良念

基于尺度MMSE波束的超宽带穿墙成像方法_晋良念

基于尺度MMSE波束的超宽带穿墙成像方法_晋良念
基于尺度MMSE波束的超宽带穿墙成像方法_晋良念

网络透视技术

网络透视技术 1.1网络透视技术概念 网络透视技术(Network Tomography)是一门新兴的兼具网络测试与网络预警的技术,旨在通过发送特定的数据包(我们也称其为探测包)并将其发送到某特定网络,利用P2P的方法得到链联级的性能特性,比如:丢包率、平均延迟、吞吐量、背靠背缓冲能力等.将所得的信息进行统计、综合分析。 网络透视在原理上和医学上的CT等原理相象,它是基于一种端对端的技术来获取网络中那些不能直接观察到的信息,它通过发送多种探测包给指定的接收器(服务器),观察并分析接受器所获得的信息,最后通过统计和推断来获得各种网络信息【8】。 网络透视技术也称为网络层析成像技术、推理性的网络监视技术,他们都是基于对大规模网络中有限个节点的传输测量,使用统计学的原理来估算或推断网络的性能参数。 1.2目前相关的研究内容 目前网络透视技术相关的研究内容有很多其重点需解决的问题有,怎样通过了解网络的内部特征以及网络拓扑的结构向特定网络发送探测包,探测包怎样发送、怎样做才比较合适。怎样对探测包反馈的信息进行综合统计和分析。我们可以将目前相关的研究内容分为以下三部分。 第一部分为数据的获取,其中主要研究如何获取网络内部的相关有用信息。一种方法如上所述采用发送各种探测包的技术,称为主动方法。另一种方法不发送专门的探测包,而依赖于观察发生在某一个服务器的各种请求来推断各种网络相关信息。这两种方法各有优缺点,主动方法有着可控制的优点,但是需要发送探测包,因此需要使用一定带宽,被动方法则恰恰相反【8】。 第二部分为网络连接的研究,它是基于当今网络结构的复杂性、地域的分制性、性能的多样性,来研究网络拓扑以及网络的链路特征,是网络透视技术在各种应用中得以实现的主要依据。 第三部分为统计推断,它主要是根据通过第一、二部分获取的数据和网络拓扑结构来发现网络内部的信息和规律。

数字波束形成与智能天线_1

南京理工大学电光学院通信工程系 Nanjing University of Science and Technology Department of Communication Engineering 数字波束形成与智能天线 盛卫星 南京理工大学电光学院通信工程系 Nanjing University of Science and Technology Department of Communication Engineering 数字波束形成与智能天线 第一章引言 DBF and Smart Antennas Nanjing University of Science & Technology Sheng Wei Xing 2004.03.03引言 1.1 数字波束形成与智能天线发展的简史 1.2 移动通信中与雷达中的智能天线的异同 DBF and Smart Antennas Nanjing University of Science & Technology Sheng Wei Xing 2004.03.03 1.1 数字波束形成与智能天线发展的简史 数字波束形成与智能天线的概念来源于军事上雷达和声纳所采用的自适应阵列天线,目的是为了自适应地控制天线波束的主瓣使其对准目标,控制天线波束的零陷,使其对准干扰源,从而可以在强干扰环境下有效地发现和探测目标。 自适应天线阵列的概念自1959年由Van Atta 提出以来,到目前已经经历了四十多年的发展历程,大体上可划分为四个阶段: 第一个十年的研究集中在自适应波束控制上(六十年代)。如:自适应相控阵列天线,自适应波束控制天线等 z 50年代,美国出于卫星通信增强信号的需要,开始研究最初意义上的自适应天线。 z 1964年5月,IEEE Trans. on AP 第一次出版自适应天线专辑,总结了主波束自适应控制阶段的发展。 1.1 数字波束形成与智能天线发展的简史 第三个十年的研究主要集中在空间谱估计上(八十年代)。如:最大似然谱估计,最大熵谱估计,特征空间正交谱估计等 z 1986年3月,IEEE Trans. on AP 第三次出版自适应天线专辑,总结了DOA 估计的空间谱估计阶段的发展。 z 在八十年代,自适应天线阵从理论研究进入了广泛应用阶段,但主要限于雷达和声纳领域。 第二个十年研究集中在自适应零陷控制上(七十年代)。 如:自适应滤波,自适应调零与旁瓣对消,自适应杂波控制等。 z 1976年9月,IEEE Trans. on AP 第二次出版自适应天线专辑,总结了零向自适应控制阶段的发展。 1.1 数字波束形成与智能天线发展的简史 最近十年的研究主要集中在: z 1. 结合移动通信的智能天线的实现技术上(九十年代至今) 时隙、频率资源复用,码分多址导致同频干扰,成为制约通信容量的重要因素。现在的移动通信系统中采用的天线是全向天线,主要是为了确保与各个方向的用户都能通信。智能天线能根据信号的来波方向,自适应地调整天线方向图,形成一个窄的主波束对准用户,其它方向副瓣很低。这样可以增强用户信号,抑制干扰,提高信干比,增加通信系统容量。同时还可以降低发射功率,提高通信覆盖范围。同时多波束时,又称SDMA , 空分多址,大大增加通信系统容量。 移动通信得到了迅猛的发展,一方面,用户数量急剧增加,另一方面,移动业务主要由原来窄带的话音业务,向宽带的多媒体业务扩展。导致无线频谱资源日趋紧张,现在应用的多址方式包括: TDMA(时隙上错开) FDMA (载波频率上错开), CDMA (码分多址)。

层析成像

层析成像 姓名:李文忠 学号:200805060102 班级:勘查技术与工程(一)班

前言 层析成象是在物体外部发射物理信号,接收穿过物体且携带物体内部信息,利用计算机图象重建方法,重现物体内部一维或三维清晰图象。层析成象技术最大的特点是在不损坏物体的条件下,探知物体内部结构的几何形态与物理参数(如密度等)的分布。层析成象与空间技术、遗传工程、新粒子发现等同列为70年代国际上重大科技进展。层析成像应用非常广泛,如医学层析的核磁共振成像技术、工业方面的无损探伤、在军事工业中,层析成象用于对炮弹、火炮等做质量检查、在石油开发中被用于岩心分析和油管损伤检测等,层析成象是在物体外部发射物理信号,接收穿过物体且携带物体内部信息,利用计算机图象重建方法,重现物体内部一维或三维清晰图象。声波层析成像技术 声波层析成像方法所研究的主要内容,一个是正演问题,即射线的追踪问题,是根据已知速度模型求波的初至时间的问题;另一个问题就是反演问题,即根据波的初至时间反求介质内部速度或者慢度分布的问题。层析成像效果的好坏与解正演问题的正演算法和解反演问题的反演算法都有直接的关系。论文详细研究声波层析成像的射线追踪算法,重点探讨了基于Dijkstra算法的Moser曲射线追踪算法,并用均匀介质模型、空洞模型、低速斜断层等模型使用Moser曲射线追踪时的计算精度与计算效率,发现了内插节点是影响Moser曲射线追踪效果的主要因素,得到了内插节点数为5~7之间,计算速度较快,计算精度较高。模型试算的结果表明,正演采用内插10个节点,

反演过程中采用内插5个节点,效果最佳。在层析成像正演算法的基础上,详细研究了误差反投影算法(BPT)、代数重建法(ART)、联合迭代法(SIRT);研究了非线性问题线性化迭代的最速下降法、共轭梯度法(CG);重点推导和建立了层析成像的高斯—牛顿反演法(GN);详细研究了非线性最优化的蒙特卡洛法(MC)、模拟退火法(SA)、遗传算法(GA);研究了将非线性全局最优化和线性局部最优化方法相结合的混合优化方法,探讨了基于高斯牛顿和模拟退火相结合(GN-SA)混合优化算法。在此基础上,以速度差为10%的低速斜断层模型为例,详细探讨了线性化算法SIRT、GN;非线性最优化算法SA、GA以及混合优化算法GN-SA五种算法对该模型的计算结果,并探讨了直射线和Moser曲射线追踪的反演效果。数值试验表明,基于Moser曲射线追踪的高斯—牛顿反演法的层析成像效果最佳,计算效率最高。采用基于Moser曲射线追踪的高斯—牛顿法,对速度差为25%的等轴状空洞构造、速度差为33%的不连通空洞模型、速度差为33%的高速岩脉进行了反演试算,对于这些理论模型,高斯—牛顿法均取得了较好的成像效果。为进一步验证各种层析成像法,在实验室制作了水泥台和石膏板实物模型,并分别在水泥台中央制作一个方形空洞,在石膏板中央制作一个倒“L”形空洞。对这两个实物模型进行了实测,对测量的数据,用高斯—牛顿法进行层析成像反演,均取得了较好的成像效果。通过本文的研究和数值试验,得到了以下结论:(1)基于直射线追踪方法,适用较为简单的地质体,亦或是测量精度要求不高的问题。由于直射线追踪方法在成像过程中,只需要追踪一次就可以

波束形成基础原理总结

波束赋形算法研究包括以下几个方面: 1.常规的波束赋形算法研究。即研究如何加强感兴趣信号,提高信道处理增益,研究的是一 般的波束赋形问题。 2.鲁棒性波束赋形算法研究。研究在智能天线阵列非理想情况下,即当阵元存在位置偏差、 角度估计误差、各阵元到达基带通路的不一致性、天线校准误差等情况下,如何保证智能天线波束赋形算法的有效性问题。 3.零陷算法研究。研究在恶劣的通信环境下,即当存在强干扰情况下,如何保证对感兴趣信 号增益不变,而在强干扰源方向形成零陷,从而消除干扰,达到有效地估计出感兴趣信号的目的。 阵列天线基本概念(见《基站天线波束赋形及其应用研究_ 白晓平》) 阵列天线(又称天线阵)是由若干离散的具有不同的振幅和相位的辐射单元按一定规律排列并相互连接在一起构成的天线系统。利用电磁波的干扰与叠加,阵列天线可以加强在所需方向的辐射信号,并减少在非期望方向的电磁波干扰,因此它具有较强的辐射方向性。组成天线阵的辐射单元称为天线元或阵元。相邻天线元间的距离称为阵间距。按照天线元的排列方式,天线阵可分为直线阵,平面阵和立体阵。 阵列天线的方向性理论主要包括阵列方向性分析和阵列方向性综合。前者是指在已知阵元排列方式、阵元数目、阵间距、阵元电流的幅度、相位分布的情况下分析得出天线阵方向性的过程;后者是指定预期的阵列方向图,通过算法寻求对应于该方向图的阵元个数、阵间距、阵元电流分布规律等。对于无源阵,一般来说分析和综合是可逆的。 阵列天线分析方法 天线的远区场特性是通常所说的天线辐射特性。天线的近、远区场的划分比较复杂,一般而言,以场源为中心,在三个波长范围内的区域,通常称为近区场,也可称为感应场;在以场源为中心,半径为三个波长之外的空间范围称为远区场,也可称为辐射场。因此,在分析天线辐射特性时观察点距离应远大于天线总尺寸及三倍的工作波长。阵列天线的辐射特性取决于阵元因素和阵列因素。阵元因素包括阵元的激励电流幅度相位、电压驻波比、增益、方

均匀间距线列阵波束形成器

实验3 均匀间距线列阵波束形成器 姓名:逯仁杰 班级:20120001(12级赓1班) 学号:2012011112

1.实验目的 通过本实验的学习,加深对《声纳技术》中波束形成和方位估计的概念理解,理解声纳信号处理的基本过程,为今后声纳信号处理的工作和学习建立概念、奠定坚实的基础。 2.实验原理 波束形成器的本质是一个空间滤波器。当对基阵各基元接收信号作补偿处理,使得各基元对某个特定方向上的信号能够同相相加,获得一个最大的响应输出(幅度相加);相应的各基元对其它方向的信号非同相相加,产生一定的相消效果的响应输出(对于各基元噪声相互独立的情况时功率相加)。这就是波束形成的工作原理。 常用的波束形成方法主要有时延波束形成法和频域波束形成法。在此基础上针对不同的阵形、设计要求以及背景噪声特性下还发展了许多波束形成算法。针对不同的阵形时的波束形成方法是指依赖于阵形的特殊性(如直线阵、圆阵、体积阵等)而得到的波束形成算法:如直线阵波束形成法、圆阵波束形成法,体积阵波束形成法等。 针对不同的设计要求也衍生出多种新型的波束形成算法。当对不同的频率响应要求相同的波束宽度时有恒定束宽波束形成法,当对波束的旁瓣级有要求时可采用切比雪夫加权波束形成法。当要求对阵列误差具有宽容性响应时失配条件下的波束形成器[6,362-382]。 如果利用噪声干扰的统计特性有高分辨最小方差无畸变响应(MVDR)波束形成法,线性约束最小方差(LCMV)波束形成法,线性约束最小功率(LCMP)波束形成法,自适应波束形成法等。 但不管是何种波束形成方法,其目的均是在干扰背景下获取某个方向的信号或估计信号的方位。下面仅给出时延波束形成和相移波束形成的基本原理。 时延波束形成法(时域)

数字波束形成

摘要 随着高速、超高速信号采集、传输及处理技术的发展,数字阵列雷达已成为当代雷达技术发展的一个重要趋势。数字波束形成(DBF)技术采用先进的数字信号处理技术对阵列天线接收到的信号进行处理,能够极大地提高雷达系统的抗干扰能力,是新一代军用雷达提高目标检测性能的关键技术之一。并且是无线通信智能天线中的核心技术。 本文介绍了数字波束形成技术的原理,对波束形成的信号模型进行了详细的推导,并且用matlab仿真了三种计算准则下的数字波束形成算法,理论分析和仿真结果表明以上三种算法都可以实现波束形成,并对三种算法进行了比较。同时研究了窄带信号的自适应波束形成的经典算法。研究并仿真了基于最小均方误差准则的LMS算法、RLS算法和MVDR自适应算法,并且做了一些比较。 关键词:数字波束形成、自适应波束形成、智能天线、最小均方误差、最大信噪比、最小方差

ABSTRACT With the development of high-speed, ultra high-speed signal acquisition, transmission and processing technology, digital array radar has became an important trend in the development of modern radar technology. Digital beamforming (DBF) technology uses advanced digital signal processing technology to process the signal received by antenna array. It can improve the anti-jamming ability of radar system greatly and it is one of the key technology。It is the core of the smart antenna technology in wireless communication too。 This paper introduces the principle of digital beam forming technology, the signal model of beam forming was presented, And the digital beam forming algorithm under the three calculation criterion was simulated by MATLAB, theoretical analysis and simulation results show that the three algorithms can achieve beamforming, and made some comparison between the three algorithms. At the same time, made some study about the adaptive narrow-band signal beam forming algorithm. Learned and Simulateded the LMS algorithm base on minimum mean square error criterion and RLS algorithm and MVDR algorithm, and do some comparison Key Words:DBF, ADBF, Smart antenna, The minimum mean square error, The maximum signal to noise ratio

井间地震层析成像的现状与进展

2001年9月地球物理学进展第16卷第3期井间地震层析成像的现状与进展 裴正林 (石油大学(北京)物探重点实验室,北京,100083) 摘要:综述了井间地震层析成像研究的现状,给出了小波变换域井间地震层析成像方法的最新 进展,并对井间地震层析成像研究给予展望. 关键词:井间地震层析成像;小波多尺度;研究进展 中图分类号:P315.3+1文献标识码:A文章编号:1004-2903(2001)03-0091-07 1井间地震层析成像的研究现状 井间地震层析成像也称为井间地震CT技术,它能够提供被探测地质体的构造和岩性 分布的高分率图像.井间地震CT技术是从医学CT技术发展起来的,其数学基础是Radon变换.井间地震CT的研究基本始于20世纪70年代初,80年代处于对大量模型数据和少量实 际数据的成像研究阶段,90年代以来,井间地震CT进入实用化阶段,并取得不少可喜成果,同时,也逐渐意识到射线CT所固有的缺点,开始研究波动方程CT. 从地震波的运动学和动力学特征出发,井间地震CT方法可分为两大类:一类是基于几 何光学或射线方程的方法称之为射线CT;另一类是基于波动方程的方法称之为波形CT.当 非均匀体的线性尺度大于地震波长时,射线CT是适用的;而当非均匀体的线性尺度与波长 相近时,衍射和散射就起主导作用了,基于射线理论的成像方法就不再适用,这时候必须用 波动方程CT方法. 井间地震层析成像方法主要包括两部分:正演方法和反演方法.井间地震层析成像的正 演方法可分为两种;一是射线追踪方法;二是波场的数值模拟方法. 射线理论和射线方法是研究地震波传播理论的重要方面之一.用射线理论可以研究地 下复杂构造、横向不均匀介质中的地震波传播问题.经过射线追踪,计算地震波的走时、波前 和射线路径. 70年代以前的各种射线追踪方法一般适合于较为简单模型的射线追踪[1].由于实际 的介质速度变化较大(速度差大于10%),因此,需要研究复杂结构模型的射线追踪方法. 收稿日期:2001-03-15;修订日期:2001-06-15. 基金来源:“九五”国家科技攻关项目资助(959130602). 作者简介:裴正林,1962年生,2000年获中国地质大学(北京)地球探测与信息技术专业博士.高级工程师,现在石油大学(北京)从事博士后研究.主要研究方向:信号处理,小波变换、遗传算法及神经网络应用,层析成像理论方法和地震数据 处理、偏移方法等方面研究.E-mail:zhenglinpei@https://www.wendangku.net/doc/2c4560536.html,.

超宽带阵列天线时域波束形成优化设计

龙源期刊网 https://www.wendangku.net/doc/2c4560536.html, 超宽带阵列天线时域波束形成优化设计 作者:张晶付庆霞 来源:《电子技术与软件工程》2016年第03期 摘要结合超宽带脉冲信号的特点,选择了高斯脉冲波型,分析天线对称结构存在目标位置冗余信息,提出非轴对称的交叉螺旋布阵优化设计,降低了时域波束形成中点扩展函数的旁瓣水平,进而抑制穿墙成像中的虚假像。 【关键词】超宽带时域波束形成交叉螺旋布阵 超宽带雷达具有测距精度高、穿透能力强、分辨能力高、反隐身能力好等优点,在雷达成像探测、精确定位、目标识别等领域显示了巨大的潜力。本文对超宽带阵列天线布阵进行了优化设计,提出了非轴对称的交叉螺旋布阵,较以色列的Xaver穿墙雷达天线布阵降低了旁瓣水平,为雷达成像提供了有利条件。 1 脉冲信号模型 在超宽带系统中,对脉冲形成器的滤波器单位冲激响应的选择至关重要,它直接影响到传输信号的功率谱密度。为了有效辐射,超宽带脉冲需要满足的基本条件是没有直流分量,理想的超宽带信号的频谱应接近白噪声谱,从而降低其对现有窄带用户的干扰,高斯脉冲信号是相对较好的选择。 高斯脉冲波形可用以下表达式描述: (1) 其中是脉冲形成因子,为方差。脉冲的宽度取决于脉冲形成因子,较小的值会使脉冲宽度压缩,从而扩展传输信号的带宽。为了有效辐射,产生脉冲的基本条件是无直流分量。高斯脉冲的各阶导函数波形均满足上述条件。 实际中脉冲生成器最易产生的脉冲波形就是一个类高斯脉冲波形。同时,高斯脉冲信号非常适合理论分析,可以直接通过调整脉冲成形因子来改变波形和对原始脉冲的微分获得更多的波形。 2 天线布阵优化设计 天线阵面布阵见图1、图2。图1为本文提出的交叉螺旋布阵,图2为以色列Xaver雷达方圆布阵。图中蓝色标记为接收天线安装位置,红色为发射天线安装位置。两种天线布阵均有4个发射阵元和20个接收阵元。

波束形成

3.5 两种特殊的波束形成技术 3.5.1协方差矩阵对角加载波束形成技术 常规波束形成算法中,在计算自适应权值时用XX R ∧ 代替其中的X X R 。由于采样快拍数是有限的,则通过估计过程得到的协方差矩阵会产生一定误差,这样会引起特征值扩散。从特征值分解方向来看,自适应波束畸变的原因是协方差矩阵的噪声特征值扩散。自适应波束可以认为是从静态波束图中减去特征向量对应的 特征波束图,即:m in 1 ()()( )()(()())N i V V iv iv V i i G Q E E Q λλθθθθθλ* =-=-∑,其中()V G θ是 是自适应波束图,()V Q θ是静态波束图,即没有来波干扰信号而只有内部白噪声时的波束状态。i λ是矩阵X X R 的特征值。()iv E θ是对应i λ的特征波束图。 由于X X R 是 Hermite 矩阵,则所有的特征值均为实数,并且其特征向量正交,特征向量对应的特征波束正交。而最优权值的求解表达其中的X X R 是通过采样数据估计得到的,当采样快拍数很少时,对协方差矩阵的估计存在误差,小特征值及对应的特征向量扰动都参与了自适应权值的计算,结果导致自适应波束整体性能的下降。鉴于项目中的阵列形式,相对的阵元数较少,采样数据比较少,很容易在估计协方差矩阵的时候产生大的扰动,导致波束的性能下降,所以采用对角加载技术来保持波束性能的稳定及降低波束的旁瓣有比较好的效果。 (1)对角加载常数λ 当采样数据很少时,自适应波束副瓣很高,SINR 性能降低。对因采样快拍数较少引起自相关矩阵估计误差而导致的波束方向图畸变,可以采用对角加载技术对采样协方差矩阵进行修正。修正后的协方差矩阵为:XX XX R R I λ∧ =+ 。 自适应旁瓣抬高的主要原因是对阵列天线噪声估计不足,造成协方差矩阵特征值分散。通过对角加载,选择合适对角加载λ ,则对于强干扰的大特征值不会受到很大影响,而与噪声相对应的小特征值加大并压缩在λ附近,于是可以得到很好的旁瓣抑制效果。对于以上介绍的通过 LCMV 准则求得的权值o p t w 经过对角加载后的最优权值为:111()(())H opt XX XX w R I A A R I A f λλ---=++ (2)广义线性组合加载技术 对角加载常数λ 来修正采样协方差矩阵,能够有效实现波束旁瓣降低的同时提高波束的稳健性。但是对加载值λ 的确定有一定难度,目前还是使用经验值较多。于是,来考虑另外一种能够有效实现协方差矩阵的修正,而且组合参数

CAPON波束形成_Matlab程序

CAPON 波束形成器仿真 1.实验原理 波束形成就是从传感器阵列重构源信号。(1)、通过增加期望信源的贡献来实现;(2)、通过抑制掉干扰源来实现。经典的波束形成需要观测方向(期望信源的方向)的知识。盲波束形成试图在没有期望信源方向信息的情况下进行信源的恢复。 波束形成技术的基本思想是:通过将各阵元输出进行加权求和,在一时间内将天线阵列波束“导向”到一个方向上,对期望信号得到最大输出功率的导向位置即给出DOA 估计。 虽然阵列天线的方向图是全方向的,但阵列的输出经过加权求和后,却可以被调整到阵列接收的方向增益聚集在一个方向上,相当于形成了一个”波束”。这就是波束形成的物理意义所在。 在智能天线中,波束形成是关键技术之一,是提高信噪比、增加用户容量的保证,能够成倍地提高通信系统的容量,有效地抑制各种干扰,并改善通信质量。 波束形成器的最佳权向量w 取决于阵列方向向量)(a k θ ,而在移动通信里用户的方向向量一般未知,需要估计(称之为DOA 估计)。因此,在计算波束形成的最佳权向量之前,必须在已知阵列几何结构的前提下先估计期望信号的波达方向。 Capon 波束形成器求解的优化问题可表述为 w arg min P(w)θ= 其约束条件为 1)(a w H =θ Capon 波束形成器在使噪声和干扰所贡献的功率为最小的同时,保持了期 望信号的功率不变。因此,它可以看作是一个尖锐的空间带通滤波器。最优加 权向量w 可以利用Lagrange 乘子法求解,其结果为 )(a R ?)(a )(a R ?w 1H 1CAP θθθ--=

当μ不取常数,而取作 )(a R ?)(a 11H θθμ-=时,最佳权向量就转变成Capon 波束形成器的权向量。空间谱为 )(a R ?)(a 1)(P 1-H CAP θθθ= 2.变量定义 M :均匀线阵列数目 P :信号源个数 nn :快拍数 angle1、angle2、angle3:信号来波角度 u :复高斯噪声 Ps :信号能量 refp :信噪比(实值) X :接收信号 Rxx :接收信号的相关矩阵 doa :波达方向估计 3.仿真结果 采用上述算法进行仿真,结果如图所示。 在本仿真程序中,我们采用16个均匀线阵列,3个信号源,来波角度分别为5?、45?、20-?,信噪比均为10dB ,噪声为复高斯白噪声,快拍数1000。 由仿真结果看出,capon 波束形成器较好的给出了信号的doa 估计,但是在仿真的过程中,我们发现,capon 算法具有很大的局限性,其对扰和噪声是比较敏感的。 4.程序 clear all i=sqrt(-1); j=i; M=16; %均匀线阵列数目 P=3; %信号源数目 f0=10;f1=50;f2=100;%信号频率 nn=1000; %快拍数

地震波层析成像和电磁波层析成像

地震波层析成像和电磁波层析成像 1.地震波CT 地震层析成像的主要目标是确定地球内部的精细结构和局部不均匀性。这不仅可以促进地球科学的发展,而且还可以解决许多地质勘探和矿产资源开发中的难题。 第一个原因是岩石地震波与岩性性质有比较稳定的相关性,易于对地球内部成像,反之,对找水活确定流体性质时,电磁波层析成像较好。 第二个原因是对于主要频段的电磁波,其衰减比地震波大。对于地址勘探、采矿工程、勘察工程等来说目标提一般为几米到几百米,对应波长为几十米,频率为数十赫兹。这种的地震波在不松散的岩石中传播为几公里后耍贱一般不超过120dB,接收起来不费力。反而相应波长的电磁波在岩石中传播几十米后就可能衰减100dB,难以穿透几百米的岩层。 第三个原因是电磁波速度太快,反映波速的到时参数难以测量。地震波波速为每秒几千米,振幅、到时都易于测量,而且在地震记录上可以区分不同的震相,从而得到丰富地质信息。 1.井间地震波数据的采集方法 一般地层观测排列均匀布置在风化层一下,以使提高成像分辨率。一般采集方法及对应的观测方式有: 1.共激发点道集数据采集方法 单点激发,多点接收的观测方式采集地震数据。这种方法比较适用于在震源连续性能较差且接收为多道检波系统的情况下使用。这种方法有采集快,效率高的特点。但要求至少有一口井的井深超过目的层且满足目的层覆盖要求。 2.共接收点道集数据采集方法 这种方法以移动式多点源激发,单点接收的观测方式采集地震数据。适合在震源连续激发性能较好且接收器为单级检波器系统情况下使用。但施工效率不高,也有井深要求。 3.YO-YO道集数据采集

这种方法采用激发点和接收点反向移动的观测方式采集地震数据。要求震源系统具有良好的连续激发性能,获得道集多用于反射波成像。适合井深不符合透射层析成像要求的目的层成像问题。 4.井间地震连续测井方法 这种方法采用激发点和接收点等间距同向移动的观测方式采集地震数据。适合在震源连续性能较好且接收器为单级检波器系统情况下使用。采集道集可用于进行透射与衍射层析成像和反射比成像。但是效率不高,且有井深要求。主要用于解决地层连续性诊断问题。 2.探测方法: (1)获取各种可以收集到的有用资料,根据探测区域的具体情况。首先走访勘察施工单位,确定钻孔的地层分布及钻进情况。收集探测区域其他物探方法勘查报告,了解其特征,以便与井间层析成像实测资料进行对比。 (2)测量前需准备:①仪器测试和检波器的一致性校正;②震源试验,确定最佳的震源能量、频带宽度、震源信号的形状和可重复性等;③环境噪声的测试,尽量避开噪声源;④检波器耦合试验,找出改善耦合的办法,如在底部加黏合剂,加大井中泥浆的稠度;⑤井下震源和检波器深度误差的测试。 (3)观测系统设计的好坏是层析成像取得良好地质效果的重要因素之一,观测系统的设计应考虑以下几点:①成像区域的井深与井间距之比值尽可能小于1,比值越大,陡倾角射线数越多,成像地质效果越好;②被探测的不良地质体的几何尺度及埋藏深度;③射线尽可能覆盖整个成像区域且均匀分布,尽量使每个成像单元网格内有一条射线通过;④炮点距及检波点距尽可能分布在多个方位上;⑤现场测试时,对激发、接收点应准确定位,同时应保证每张记录的信噪比高、地震波初至清晰,对不合格记录应坚决去掉或重测。同时,由于测试数据量大,应及时准确填写原始记录的激发、接收关系。 在探测过程中,介质中地震波的传播速度和介质的地球物理特性是重要的影响因素。相对于泥灰岩介质其纵波速度范围介于1. 4~4. 5 km/s之间,冲洪积层等介质其纵波速度范围介于0. 5~1. 6km/s之间。由于地质体变化的复杂性,针对具体场地,需要进行探测试验与参数标定,以确保探测结果解释的精度。 井中地震波层析成像的施工过程是:一般先将震源放到井底部,检波器串也

阵列雷达数字波束形成技术仿真与研究

阵列雷达数字波束形成技术仿真与研究 【摘要】本文首先介绍了数字波束形成的基本原理,随后对普通波束形成及基于LCMV准则和MVDR准则的单多波束自适应形成技术分别进行了原理介绍和仿真分析。仿真结果表明,基于自适应技术的数字波束形成能有效提取有用信号,并在干扰方向上形成零陷,有效的抑制噪声和干扰,大大提高了阵列雷达的天线性能。 【关键词】阵列雷达;波束形成;自适应 1.引言 波束形成(Beam Forming,BF)[1]是指将一定几何形状排列的多元阵列各阵元的输出经过加权、时延、求和等处理,形成具有空间指向性波束的方法。BF技术的广泛应用赋予了雷达、通信系统诸如多波束形成、快速、灵活调整方向图综合等许多优点。阵列天线的波束形成可以采用模拟方式,也可以采用数字方式,采用数字方式在基带实现滤波的技术称为数字波束形成(Digital Beaming Forming,DBF),它是天线波束形成原理与数字信号处理技术结合的产物,是对传统滤波技术的空域拓展,在通信领域中也称为智能天线技术。 2.普通波束形成 2.1 普通波束形成的基本原理 要研究数字波束形成技术,首先要建立阵列信号的表示形式。假设接收天线为N元均匀线阵,阵元间的间隔为d,各阵元的加权矢量为W=[w1,w2,…,wN],假设信号为窄带信号S(t),信号波长为,来波方向为,经过加权控制的阵列天线示意图如图1所示[2]。 图1 阵列天线波束形成示意图 若以阵元1为参考点,则各阵元接收信号可以写成: (1) (2) 将上式写成矢量形式,得: (3) 称为为方向矢量或导向矢量。在窄带条件下,它只依赖于阵列的几何结构和波的传播方向,因此,均匀线阵的导向矢量可表示为:

基于块压缩感知的SAR层析成像方法

第5卷第1期雷达学报Vol. 5No. 1 2016年2月Journal of Radars Feb. 2016 基于块压缩感知的SAR层析成像方法 王爱春*①②③向茂生① ①(中国科学院电子学研究所微波成像技术国家级重点实验室北京 100190) ②(中国科学院大学北京 100049) ③(中国资源卫星应用中心北京 100094) 摘要:基于压缩感知(Compressive Sensing, CS)的SAR层析成像方法(SAR Tomography, TomoSAR),虽然实现了对目标的3维重构,但对于具有结构特性的目标其重构性能较差。针对这一问题,该文提出了采用块压缩感知(Block Compressive Sensing, BCS)算法,该方法首先在CS方法基础上将具有结构特性的目标信号重构问题转化为BCS问题,然后根据目标结构特性与雷达参数的关系确定块的大小,最后对目标进行块稀疏的l1/l2范数最优化求解。相比基于CS的SAR层析成像方法,该方法更好地利用了目标的稀疏特性和结构特性,其重构精度更高、性能更优。仿真数据和Radarsat-2星载SAR实测数据的试验结果验证了该方法的有效性。 关键词:SAR层析成像技术;压缩感知;块压缩感知;稀疏特性;结构特性 中图分类号:TN957.52 文献标识码:A 文章编号:2095-283X(2016)01-0057-08 DOI:10.12000/JR16006 引用格式:王爱春,向茂生.基于块压缩感知的SAR层析成像方法[J].雷达学报, 2016, 5(1): 57–64. DOI: 10.12000/JR16006. Reference format: Wang Aichun and Xiang Maosheng. SAR tomography based on block compressive sensing[J]. Journal of Radars, 2016, 5(1): 57–64. DOI: 10.12000/JR16006. SAR Tomography Based on Block Compressive Sensing Wang Aichun①②③ Xiang Maosheng① ①(National Key Laboratory of Microwave Imaging Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China) ②(University of Chinese Academy of Sciences, Beijing 100049, China) ③(China Center for Resources Satellite Data and Application, Beijing 100094, China) Abstract: While the use of SAR Tomography (TomoSAR) based on Compressive Sensing (CS) makes it possible to reconstruct the height profile of an observed scene, the performance of the reconstruction decreases for a structural observed scene. To deal with this issue, we propose using TomoSAR based on Block Compressive Sensing (BCS), which changes the reconstruction of the structural observed scene into a BCS problem under the principles of CS. Further, the block size is established by utilizing the relationship between the characteristics of the structural observed scene and the SAR parameters, such that the BCS problem is efficiently solved with a block sparse l1/l2 norm optimization signal model. Compared with existing CS-TomoSAR methods, the proposed BCS-TomoSAR method makes better use of the sparsity and structure information of a structural observed scene, and has higher precision and better reconstruction performance. We used simulations and Radarsat-2 data to verify the effectiveness of this proposed method. Key words: SAR Tomography (TomoSAR); Compressive Sensing (CS); Block Compressive Sensing (BCS); Sparsity; Structure 收稿日期:2016-01-11;改回日期:2016-01-27;网络出版:2016-02-17 *通信作者:王爱春 wangaichun@https://www.wendangku.net/doc/2c4560536.html, 基金项目:国家发改委卫星及应用产业发展专项项目发改委高技【2012】2083号 Foundation Item: National Development and Reform Commission Satellite and Application Development Projects【2012】2083

压缩感知在城区高分辨率SAR层析成像中的应用

压缩感知在城区高分辨率SAR 层析成像中的应用 廖明生* 魏恋欢 汪紫芸 Timo Balz 张 路 (武汉大学测绘遥感信息工程国家重点实验室 武汉 430079) 摘 要:在建筑密集的城区复杂场景中,高分辨率SAR 影像中存在严重的叠掩效应,影像解译的难度加大。SAR 层析成像可以分离单个分辨单元内混叠的散射体目标,并且获取各个散射体的3维位置和后向散射强度。该文首先论述了3维SAR 层析成像的基本原理,针对传统谱估计法获得的高程向分辨率较低的问题,综述了压缩感知方法在城区3维SAR 层析成像中的应用,以基追踪和双步迭代收缩阈值法为例,开展了TerraSAR-X 聚束模式数据实验,并与传统的奇异值阈值法进行了对比分析。研究结果表明压缩感知方法的高程向超分辨率、旁瓣抑制优势明显,在城区SAR 层析成像中具有广阔的应用前景。 关键词:SAR 层析成像;压缩感知(CS);稀疏重建;基追踪;双步迭代收缩阈值;超分辨率 中图分类号:TN958 文献标识码:A 文章编号:2095-283X(2015)02-0123-07DOI: 10.12000/JR15031 引用格式:廖明生, 魏恋欢, 汪紫芸, 等. 压缩感知在城区高分辨率SAR 层析成像中的应用[J]. 雷达学报, 2015,4(2): 123–129. https://www.wendangku.net/doc/2c4560536.html,/10.12000/JR15031. Compressive Sensing in High-resolution 3D SAR Tomography of Urban Scenarios Liao Ming-sheng Wei Lian-huan Wang Zi-yun Timo Balz Zhang Lu (State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing , Wuhan University , Wuhan 430079, China ) Abstract : In modern high resolution SAR data, due to the intrinsic side-looking geometry of SAR sensors,layover and foreshortening issues inevitably arise, especially in dense urban areas. SAR tomography provides a new way of overcoming these problems by exploiting the back-scattering property for each pixel. However,traditional non-parametric spectral estimators, e.g. Truncated Singular Value Decomposition (TSVD), are limited by their poor elevation resolution, which is not comparable to the azimuth and slant-range resolution.In this paper, the Compressive Sensing (CS) approach using Basis Pursuit (BP) and TWo-step Iterative Shrinkage/Thresholding (TWIST) are introduced. Experimental studies with real spotlight-mode TerraSAR-X dataset are carried out using both BP and TWIST, to demonstrate the merits of compressive sensing approaches in terms of robustness, computational efficiency, and super-resolution capability. Key words : SAR tomography; Compressive Sensing (CS); Sparse reconstruction; Basis pursuit; TWo-step Iterative Shrinkage/Thresholding (TWIST); Super resolution 1 引言 星载SAR 传感器在过去几十年中不断更新换代,实现了从无到有、从中低分辨率到高分辨率的 升级,在城区复杂场景目标解译方面展现出巨大的应用潜力[1]。在高分辨率情况下,我们可获取的目标特征信息越来越丰富,其结构、形状、纹理等细节信息也更为突出;但另一方面,由于目标结构的复杂性,城区地物目标互相遮挡引起的多次散射、叠掩和阴影等现象更加明显,使得目标/场景仍然难以识别和解译[2,3]。 第4卷第2期雷 达 学 报Vol. 4No. 22015年4月Journal of Radars Apr. 2015 2015-03-11收到,2015-04-09改回;2015-04-24网络优先出版 国家自然科学基金(61331016, 41174120)和高等学校博士学科点专项科研基金(20110141110057)资助课题*通信作者: 廖明生 liao@https://www.wendangku.net/doc/2c4560536.html, Reference format: Liao Ming-sheng, Wei Lian-huan, Wang Zi-yun, et al.. Compressive sensing in high-resolution 3D SAR tomography of urban scenarios[J]. Journal of Radars , 2015, 4(2): 123–129. https://www.wendangku.net/doc/2c4560536.html,/10.12000/JR15031.

相关文档