吴亚军
MVDR波束形成在噪声源识别中的应用
吴亚军
(驻西安东风仪表厂军代室, 陕西 西安, 710065)
为了确定水下航行器主要辐射噪声源的特性, 对各噪声源进行量化排序, 本文研究了基于阵列信号处理的可应用于水下辐射噪声源识别的最小方差无畸变响应(MVDR)波束形成方法。使用16个水听器组成接收阵列并通过MVDR算法对采集数据进行解算, 实现对各噪声源方位和能级的识别。仿真和试验均证明了该方法的正确性和有效性。
水下航行器; 阵列信号处理; 最小方差无畸变响应(MVDR); 噪声源识别
随着水声技术的发展, 水下航行器的噪声大小成为衡量其性能的一项重要指标。为了有效控制噪声, 必须识别主要噪声源。所谓噪声源识别, 就是对水下航行器存在的各种声源的特性进行分析, 包括声源的大小、频率特性等等, 确定出主要噪声源, 为采取有效的降噪措施提供依据[1]。
传统的噪声源识别方法具有一定的局限性, 如分部运转法适用于各零件可以分别运行的情况; 铅包覆法比较耗时, 成本较高; 近场测量法是靠近各个声源进行测量, 适用于声源尺寸较大的情况, 精度不高; 近场声全息需要阵列的孔径必须大于被测物体且对声源表面形状的适应性差。
最小方差无畸变响应(minimum variance dis- tortionless response, MVDR)波束形成方法是基于阵列信号处理的噪声源识别方法, 已经广泛应用于雷达、声纳以及通信领域中, 该方法利用传感器阵列测量目标辐射信号, 估算选定方向平面波强度大小, 确定声源的位置。波束形成方法不要求阵列的孔径必须大于被测物体, 对测量距离也无特殊要求, 但为了在声源面上得到较高的分辨率, 应该尽可能地减小测量距离。对于水下航行器处于同一平面不同位置的几个噪声源, 使用MVDR波束形成方法进行方位估计, 实施较容易。
本文使用MVDR方法对噪声源进行识别, 并对消声水池试验数据进行处理, 试验结果与仿真模型吻合较好。
以个阵元组成均匀直线阵, 第1个阵元为参考点, 阵元间距为半波长。当信号为远场, 入射信号可认为平行入射波, 模型见图1。
图1 均匀直线阵模型
阵列中各阵元接收信号的模型表达式
相邻两阵元之间的时间延迟为
声波信号到达各阵元时, 由于声程差, 各阵元的输出之间有着相对时延。如果对各阵元信号作适应的时延补偿, 则补偿后的各信号在要求的波束方向上变为相同叠加, 使该方向上的波束输出最大, 其他方向上的波束输出相应变小, 起到空间滤波的作用, 这便是常规波束形成的原理[2-3]。传统波束形成器的输出可写为
基阵的输出功率为
MVDR方法是在保持来波方向信号源能量不变的前提下, 使信号源能量对波束宽度内的其他方向最小化, 实际上是一个约束最佳化问题的解。
则MVDR波束形成器的功率输出为
将每个窄带上的输出功率相加, 即可得到宽带输出功率
式中,N为阵列信号做FFT时处理带宽内的频率点数[5-6]。
水下航行器噪声是其航行过程中由于流体、机械及螺旋桨等因素激发出的声波, 在远场条件下, 可将水下航行器的辐射噪声作为处于同一水平位置的几个点声源进行目标方位识别处理。
使用仿真信号对该算法进行验证, 用两宽带信号模拟水下航行器的噪声源, 相对于接收阵列的角度分别为0°和5°, 信噪比为10 dB, 接收阵列为16个阵元, 阵元间距为半波长, 则通过MVDR方法解算的波束图如图2所示。
图2(a)中, 两模拟信号幅度相同, 即发射能级相同, 由图中可看出, MVDR算法对信号角度和相对能级解算较为准确; 图2(b)中两入射信号幅度相差1倍, 即能量相差6 dB, 仿真结果对信号的角度和相对能量解算正确。
图2 MVDR波束形成图
常用的阵列信号处理算法还有常规波束形成和多信号分类(multiple signal classification, MUSIC)方法, 在同样的仿真条件下, 用这2种方法与MVDR方法进行对比, 如图3所示。从仿真结果可看出, 传统波束形成方法分辨率较差, 未能分辨出2个入射信号, 所以该方法无法分辨距离较近的2个噪声源。MUSIC方法对角度的分辨能力较强, 但由于MUSIC方法是通过信号子空间和噪声子空间的正交性来解算信号角度, 所以其输出功率值仅能用来描绘解算的信号角度, 而无实际的物理意义。MVDR方法与常规波束形成方法一样, 其峰值可体现信号的能量, 且分辨能力又远高于常规波束形成, 所以该方法较适用于噪声源识别。
图3 3种阵列信号处理算法对比
在消声水池进行试验验证。使用2个发射换能器模拟噪声源, 使用16个水听器组成接收水听器阵列, 阵元间距为半波长, 2个换能器相对水听器阵列的入射角度为0°和5°, 2个信号相对能量差为3 dB。由于在试验过程中, 水池及各种试验仪器会给水听器接收信号带来一定的幅相误差, 从而导致解算结果错误, 所以在实际测量过程中首先需要对各通道水听器进行相位和能量的校准。在对采集信号进行相应的校准后进行MVDR波束形成, 如图4所示。试验结果表明, MVDR算法对信号角度和能量解算正确, 与仿真结果相吻合。
图4 水池试验数据MVDR解算结果
论文提出了使用MVDR波束形成方法对水下航行器进行噪声源识别的方法, 通过算法不仅可以估计多个噪声源的方位, 还可以解算各噪声源的辐射能级。仿真和试验结果表明, 该方法有效且可行。该方法已用于水下航行器的水下热车吊沉试验, 可分离结构、排气等噪声源, 具有一定的工程应用前景。
[1] 田坛, 刘国枝, 孙大军. 声纳技术[M]. 哈尔滨工程大学出版社, 2000.
[2] Ompton R T. A Numerical Pattern Synthesis Algorithm for Arrays[J]. IEEE Transactions, 1990, 38(10): 1666- 1676.
[3] Capon J. High-resolution Frequency-Wavenumber Spec- tum Analysis[J]. Proceedings of the IEEE, 1969, 57(8): 1408-1418.
[4] 杨益新. 声纳波束形成与波束域高分辨方位估计技术研究[D]. 西安: 西北工业大学, 2002.
[5] 郭祺丽. 声纳基阵宽带波束优化设计[D]. 西安: 西北工业大学, 2005.
[6] 杨益新, 孙超, 马远良. 宽带低旁瓣时域波束形成[J]. 声学学报, 2003, 28(4): 331-338. Yang Yi-xin, Sun Chao, Ma Yuan-Liang. Broadband Low-sidelobe Beamforming in Time Domain [J], 2003, 28(4): 331-338.
Application of MVDR Beamforming to Noise Source Identification
WU Ya-jun
(Military Representative Office, Xi′an Dongfeng Instrument Factory, Xi′an 710065, China)
To identify the main noise sources and the related acoustic properties of the radiated noise from the underwater vehicle, a beamforming method of minimum variance distortionless response (MVDR) was proposed based on array signal processing for locating underwater radiated noise source. Noise signals are received by a receiving array of 16 hydrophones, and the data are analyzed with the beamforming method of MVDR. Simulations and experiments verify the validity and efficiency of the proposed method.
underwater vehicle; array signal processing; minimum variance distortionless response (MVDR); noise source identification
TJ630.34; TB53
A
1673-1948(2011)02-0101-03
2010-05-12;
2010-07-10.
吴亚军(1979-), 男, 工程师, 主要从事鱼雷科研和生产的管理工作.
(责任编辑: 杨力军)