EI / SCOPUS / CSCD 收录

中文核心期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

使用重加权原子范数最小化的稀疏可重构直线阵列设计

黎子皓 吴敏 郝程鹏 侯朝焕

黎子皓, 吴敏, 郝程鹏, 侯朝焕. 使用重加权原子范数最小化的稀疏可重构直线阵列设计[J]. 声学学报, 2023, 48(6): 1174-1188. doi: 10.12395/0371-0025.2022071
引用本文: 黎子皓, 吴敏, 郝程鹏, 侯朝焕. 使用重加权原子范数最小化的稀疏可重构直线阵列设计[J]. 声学学报, 2023, 48(6): 1174-1188. doi: 10.12395/0371-0025.2022071
LI Zihao, WU Min, HAO Chengpeng, HOU Chaohuan. Design of sparse reconfigurable array using reweighted atomic norm minimization[J]. ACTA ACUSTICA, 2023, 48(6): 1174-1188. doi: 10.12395/0371-0025.2022071
Citation: LI Zihao, WU Min, HAO Chengpeng, HOU Chaohuan. Design of sparse reconfigurable array using reweighted atomic norm minimization[J]. ACTA ACUSTICA, 2023, 48(6): 1174-1188. doi: 10.12395/0371-0025.2022071

使用重加权原子范数最小化的稀疏可重构直线阵列设计

doi: 10.12395/0371-0025.2022071
基金项目: 国家自然科学基金项目(62001468, 61971412)资助
详细信息
    通讯作者:

    郝程鹏, haochengp@mail.ioa.ac.cn

  • PACS: 43.30, 43.60

Design of sparse reconfigurable array using reweighted atomic norm minimization

  • 摘要:

    为克服网格失配问题并提升阵列性能, 提出了使用重加权原子范数最小化的稀疏可重构直线阵列设计方法, 将稀疏可重构直线阵列设计问题表示为多测量矢量稀疏优化模型, 并通过重加权原子范数最小化算法解算出阵元位置和阵元激励。区别于经典压缩感知方法, 该方法借助原子范数理论建立了阵元数量、阵元位置和阵元激励联合优化的无网格稀疏优化模型, 从而可以克服网格失配问题, 并提升阵列波束图的匹配精度。仿真实验表明, 与压缩感知类方法相比, 重加权原子范数最小化算法可以设计出波束匹配精度高一个数量级的稀疏可重构直线阵列。

     

  • 图 1  不同参数对使用RANM的稀疏可重构直线阵设计方法的性能影响 (a) 采样点数$J$对性能的影响; (b) 约束参数$\eta $对性能的影响; (c) 重加权参数$\epsilon$对性能的影响; (d) 能量比阈值$\delta $对性能的影响

    图 2  $M = 2$时稀疏可重构直线阵波束方向图及阵元激励分布图 (a) 笔形波束方向图对比; (b) 平顶波束方向图对比; (c) RANM设计的稀疏可重构直线阵阵元激励幅度; (d) RANM设计的稀疏可重构直线阵阵元激励相位

    图 3  $M = 3$时稀疏可重构直线阵波束方向图及阵元激励分布图 (a) 笔形波束方向图对比; (b) 平顶波束方向图对比; (c) 余割平方波束方向图对比; (d) RANM设计的稀疏可重构直线阵阵元激励幅度; (e) RANM设计的稀疏可重构直线阵阵元激励相位

    图 4  不同主瓣指向的参考波束和RANM算法重构的波束 (a) 主瓣指向$ \left[ { \pm 10^\circ ,0^\circ } \right] $的参考波束; (b)主瓣指向$\left[ { \pm 20^\circ , \pm 10^\circ ,0^\circ } \right]$的参考波束; (c) 主瓣指向$\left[ { \pm 30^\circ , \pm 20^\circ , \pm 10^\circ ,0^\circ } \right]$的参考波束; (d) 主瓣指向$\left[ { \pm 10^\circ ,0^\circ } \right]$的RANM波束; (e) 主瓣指向$\left[ { \pm 20^\circ , \pm 10^\circ ,0^\circ } \right]$的RANM波束; (f)主瓣指向$\left[ { \pm 30^\circ , \pm 20^\circ , \pm 10^\circ ,0^\circ } \right]$的RANM波束

    图 5  不同旁瓣级的参考波束和RANM算法重构的波束 (a) ${\text{PSLL}} = - 45{\text{ dB}}$的参考波束; (b) ${\text{PSLL}} = - 50{\text{ dB}}$的参考波束; (c) ${\text{PSLL}} = - 55{\text{ dB}}$的参考波束; (d) ${\text{PSLL}} = - 45{\text{ dB}}$时RANM重构的波束; (e) ${\text{PSLL}} = - 50{\text{ dB}}$时RANM重构的波束; (f) ${\text{PSLL}} = - 55{\text{ dB}}$时RANM重构的波束

    图 6  不同采样区间下RANM设计的稀疏可重构直线阵列的波束图 (a) 采样区间[−1, 1]时RANM的设计结果; (b) 采样区间[−1.5, 1.5]时RANM的设计结果; (c) 采样区间[−2, 2]时RANM的设计结果

    图 7  幅相扰动对稀疏可重构直线阵的波束模式影响 (a) 阵元幅度扰动对匹配误差的影响; (b) 阵元相位扰动对匹配误差的影响; (c) 幅度扰动为12%时的笔形波束对比图; (d) 幅度扰动为12%时的平顶波束对比图

    表  1  使用RANM的稀疏可重构直线阵列设计流程表

    输入: 采样点数$ J $, 约束项参数$ \eta $, 重加权参数$ \epsilon $, 能量比阈值$ \delta $, 最大迭代次数D=6, 均匀采样的参考可重构波束图${{\boldsymbol{F}}_{{\text{REF}}}}$
    1. 初始化权重参数$ {\boldsymbol{W}} = {\boldsymbol{I}} $
    2. for t=1:D
    3. 求解对偶优化方程
    $ \begin{array}{*{20}{l}} {\mathop {\min }\limits_{{\boldsymbol{V}},{\boldsymbol{Z}}} }&{2\eta {{\left\| {\boldsymbol{V}} \right\|}_{\text{F}}} + 2{\rm {Re}} \left( {{\rm {Tr}}\left( {{{\boldsymbol{F}}_{{\text{REF}}}}{\boldsymbol{V}}} \right)} \right),} \\ {\rm {s.t.}}&{\left[ {\begin{array}{*{20}{c}} {\boldsymbol{I}}&{{{\boldsymbol{V}}^{\rm H}}} \\ {\boldsymbol{V}}&{\boldsymbol{Z}} \end{array}} \right] \geqslant {\boldsymbol{0}},} \\ {}&{\displaystyle\sum\limits_{n = 1}^{2J - 1 - j} {{Z_{n,n + j - 1}}} =\displaystyle \sum\limits_{n = 1}^{2J - 1 - j} {{W_{n,n + j - 1}}} ,{\text{ }}j = 1, \cdots ,2J - 1.} \end{array} $
    4. 通过优化工具包中特定语法获得对应原始问题的最优解$ {\boldsymbol{F}} $和$ {\boldsymbol{x}} $
    5. 更新下一次迭代需要的重加权矩阵$ W={\left(T\left(x\right) + \epsilon I\right)}^{-1} $
    6. end
    7. 对最后一次迭代获得的最优$T\left( {\boldsymbol{x}} \right)$使用特征分解, 确定原子数量$N$, 即$N$需要满足式(15)的条件
    8. 使用旋转不变传播算子算法通过$T\left( {\boldsymbol{x}} \right)$估计N维原子频率${\boldsymbol{\widehat f}}$, 并通过式(16)计算对应的N个信号矢量$ {{\boldsymbol{\widehat r}}_1}, \cdots ,{{\boldsymbol{\widehat r}}_N} $
    9. 通过式(6)将原子频率与信号矢量转换为稀疏可重构直线阵列的N维阵元位置矢量${\boldsymbol{\widehat d}}$和对应的N个激励矢量$ {{\boldsymbol{\widehat w}}_1}, \cdots ,{{\boldsymbol{\widehat w}}_N} $
    下载: 导出CSV

    表  2  M = 2时可重构直线阵性能对比表

    方法阵元数量匹配误差笔形波束PSLL (dB)平顶波束PSLL (dB)最小阵元间距 ($\lambda $)阵列孔径 ($\lambda $)
    参考波束[8]20−24.93−25.010.509.50
    MT-BCS153.19 × 10−3−26.36−22.500.029.23
    RANM152.03 × 10−4−25.00−23.670.599.26
    下载: 导出CSV

    表  3  $M = 3$时可重构直线阵性能对比表

    方法阵元数量匹配误差笔形波束PSLL (dB)平顶波束PSLL (dB)余割平方波束
    PSLL (dB)
    最小阵元间距 ($\lambda $)阵列孔径 ($\lambda $)
    参考波束[8]20−20.03−19.50−20.010.509.50
    MT-BCS173.14 × 10−2−17.87−16.96−16.160.029.00
    RANM174.92 × 10−3−18.93−17.48−17.040.199.42
    下载: 导出CSV

    表  4  不同主瓣指向的可重构直线阵列性能表

    参考可重构直线阵列RANM算法获得的稀疏可重构直线阵列
    模式数量MPSLL (dB)阵元数量稀疏后阵元数量匹配误差PSLL (dB)最小阵元间距 ($\lambda $)阵列孔径 ($\lambda $)
    3−4064412.38 × 10−6−38.60.6731.47
    5−4064474.64 × 10−7−39.90.5531.49
    7−4064511.01 × 10−6−38.20.5831.48
    下载: 导出CSV

    表  5  不同旁瓣级的可重构直线阵性能表

    参考可重构直线阵RANM算法设计的稀疏可重构直线阵
    模式数量旁瓣级阵元数量稀疏后阵元数量匹配误差PSLL (dB)最小阵元间距 ($\lambda $)阵列孔径 ($\lambda $)
    M=3−4564414.09 × 10−6−44.530.7031.45
    M=3−5064422.97 × 10−7−49.470.6431.46
    M=3−5564421.89 × 10−7−54.590.6431.46
    下载: 导出CSV

    表  6  幅度扰动为12%时稀疏可重构直线阵性能表

    方法阵元数量匹配误差笔形波束PSLL (dB)平顶波束PSLL (dB)最小阵元间距 ($\lambda $)阵列孔径 ($\lambda $)
    参考波束[8]20−24.93−25.010.509.50
    RANM155.09 × 10−3−25.84−21.870.599.26
    下载: 导出CSV
  • [1] Qi Z, Bai Y, Wang Q, et al. Optimal synthesis of reconfigurable sparse arrays via multi‐convex programming. IET Radar Sonar Navig., 2020; 14(8): 1125—1134 doi: 10.1049/iet-rsn.2019.0236
    [2] Xia W, Jin X, Dou F. Thinned array design with minimum number of transducers for multibeam imaging sonar. IEEE J. Oceanic Eng., 2016; 42(4): 892—900 doi: 10.1109/JOE.2016.2626558
    [3] Pan X, Li S, Pan C. Distributed broadband phased‐MIMO sonar for detection of small targets in shallow water environments. IET Radar Sonar Navig., 2018; 12(7): 721—728 doi: 10.1049/iet-rsn.2017.0381
    [4] 王朋, 迟骋, 纪永强, 等. 二维解卷积波束形成水下高分辨三维声成像. 声学学报, 2019; 44(4): 613—625 doi: 10.15949/j.cnki.0371-0025.2019.04.022
    [5] 秦留洋, 黄海宁, 王朋, 等. 频域宽带下视多波束三维声成像算法. 声学学报, 2019; 44(4): 604—612 doi: 10.15949/j.cnki.0371-0025.2019.04.021
    [6] Chakraborty A, Das B, Sanyal G. Beam shaping using non-linear phase distribution in a uniformly spaced array. IEEE Trans. Antennas Propag., 1982; 30(5): 1031—1034 doi: 10.1109/TAP.1982.1142917
    [7] Dürr M, Trastoy A, Ares F. Multiple-pattern linear antenna arrays with single prefixed amplitude distributions: modified Woodward-Lawson synthesis. Electron. Lett., 2000; 36(16): 1345—1346 doi: 10.1049/el:20000980
    [8] Gies D, Rahmat-Samii Y. Particle swarm optimization for reconfigurable phase differentiated array design. Microw. Opt. Technol. Lett., 2003; 38(3): 168—175 doi: 10.1002/mop.11005
    [9] Mahanti G K, Das S, Chakraborty A. Design of phase-differentiated reconfigurable array antennas with minimum dynamic range ratio. IEEE Antennas Wirel. Propag. Lett., 2006; 5: 262—264 doi: 10.1109/LAWP.2006.875899
    [10] 沈晓炜. 基于粒子群算法的稀疏阵列超声相控阵全聚焦成像. 应用声学, 2020; 39(3): 354—359 doi: 10.11684/j.issn.1000-310X.2020.03.005
    [11] Li Z, Cai J J, Hao C. Synthesis of sparse linear arrays using reweighted gridless compressed sensing. IET Microw. Antennas Propag., 2021; 15(15): 1945—1959 doi: 10.1049/mia2.12209
    [12] 吴国清, 王美刚. 无源声呐稀疏阵无栅瓣性能分析. 声学学报, 2006; 31(6): 506—510 doi: 10.15949/j.cnki.0371-0025.2006.06.005
    [13] 霍健, 杨平, 施克仁, 等. 基于遗传算法的二维随机型稀疏阵列的优化研究. 声学学报, 2006; 31(2): 187—192 doi: 10.15949/j.cnki.0371-0025.2006.02.015
    [14] Chen P, Zheng Y Y, Zhu W. Optimized simulated annealing algorithm for thinning and weighting large planar arrays in both far-field and near-field. IEEE J. Oceanic Eng., 2011; 36(4): 658—664 doi: 10.1109/JOE.2011.2164957
    [15] Gu B, Chen Y, Liu X, et al. Distributed convex optimization compressed sensing method for sparse planar array synthesis in 3-D imaging sonar systems. IEEE J. Oceanic Eng., 2019; 45(3): 1022—1033 doi: 10.1109/JOE.2019.2914983
    [16] Liu Y, Liu Q H, Nie Z. Reducing the number of elements in multiple-pattern linear arrays by the extended matrix pencil methods. IEEE Trans. Antennas Propag., 2013; 62(2): 652—660 doi: 10.1109/TAP.2013.2292529
    [17] 沈海鸥, 王布宏, 刘新波. 基于酉变换−矩阵束的稀布线阵方向图综合. 电子与信息学报, 2016; 38(10): 2667—2673 doi: 10.11999/JEIT151437
    [18] Shen H O, Wang B H, Li L J. Effective approach for pattern synthesis of sparse reconfigurable antenna arrays with exact pattern matching. IET Microw. Antennas Propag., 2016; 10(7): 748—755 doi: 10.1049/iet-map.2015.0628
    [19] Yan F, Yang P, Yang F, et al. Synthesis of pattern reconfigurable sparse arrays with multiple measurement vectors FOCUSS method. IEEE Trans. Antennas Propag., 2016; 65(2): 602—611 doi: 10.1109/TAP.2016.2640182
    [20] Ma X, Liu Y, Xu K D, et al. Synthesising multiple‐pattern sparse linear array with accurate sidelobe control by the extended reweighted L1-norm minimisation. Electron. Lett., 2018; 54(9): 548—550 doi: 10.1049/el.2018.0333
    [21] Yan F, Yang P, Yang F, et al. Synthesis of planar sparse arrays by perturbed compressive sampling framework. IET Microw. Antennas Propag., 2016; 10(11): 1146—1153 doi: 10.1049/iet-map.2015.0775
    [22] Park Y, Choo Y, Seong W. Multiple snapshot grid free compressive beamforming. J. Acoust. Soc. Am., 2018; 143(6): 3849—3859 doi: 10.1121/1.5042242
    [23] Yang Z, Xie L. Enhancing sparsity and resolution via reweighted atomic norm minimization. IEEE Trans. Signal Process., 2015; 64(4): 995—1006 doi: 10.1109/TSP.2015.2493987
    [24] Li Y, Chi Y. Off-the-grid line spectrum denoising and estimation with multiple measurement vectors. IEEE Trans. Signal Process., 2015; 64(5): 1257—1269 doi: https://doi.org/10.1109/TSP.2015.2496294
    [25] Yan S, Ma Y, Hou C. Optimal array pattern synthesis for broadband arrays. J. Acoust. Soc. Am., 2007; 122(5): 2686—2696 doi: 10.1121/1.2785037
    [26] 鄢社锋, 王文侠. 交替迭代多约束波束优化设计. 声学学报, 2021; 46(6): 896—904 doi: 10.15949/j.cnki.0371-0025.2021.06.011
    [27] Chen X, Wang C, Zhang X. DOA and noncircular phase estimation of noncircular signal via an improved noncircular rotational invariance propagator method. Math. Probl. Eng., 2015; 2015: 1—12 doi: 10.1155/2015/235173
    [28] Pinchera D, Migliore M D. Comparison guidelines and benchmark procedure for sparse array synthesis. Prog. Electromagn. Res. M, 2016; 52: 129—139 doi: 10.2528/PIERM16092503
  • 加载中
图(7) / 表(6)
计量
  • 文章访问数:  36
  • HTML全文浏览量:  13
  • PDF下载量:  14
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-08-28
  • 修回日期:  2023-01-20
  • 刊出日期:  2023-11-02

目录

    /

    返回文章
    返回