KR102357309B1 - Method for processing the signal for an adaptive beamformer using size reduction of covariance matrix - Google Patents
Method for processing the signal for an adaptive beamformer using size reduction of covariance matrix Download PDFInfo
- Publication number
- KR102357309B1 KR102357309B1 KR1020190157545A KR20190157545A KR102357309B1 KR 102357309 B1 KR102357309 B1 KR 102357309B1 KR 1020190157545 A KR1020190157545 A KR 1020190157545A KR 20190157545 A KR20190157545 A KR 20190157545A KR 102357309 B1 KR102357309 B1 KR 102357309B1
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- covariance matrix
- steering
- sensor
- signal processing
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
본 발명은 적응형 빔형성기의 신호처리방법에 관한 것으로서, 보다 상세하게는, 센서에서 발생되는 센서데이터를 임의의 N 개의 부분으로 분할하고, 임의의 N 개의 부분으로 분할된 부분들에서 발생되는 각각의 센서신호단편들을 시간지연을 통하여 중첩시키는 센서데이터 분할 및 중첩단계를 포함하여 구성되는 것을 특징으로 하는 공분산 행렬의 크기감소 기법을 적용한 적응형 빔형성기의 신호처리방법에 관한 것이다.The present invention relates to a signal processing method of an adaptive beamformer, and more particularly, splits sensor data generated from a sensor into arbitrary N parts, and each generated from the parts divided into arbitrary N parts. It relates to a signal processing method of an adaptive beamformer to which a method of reducing the size of a covariance matrix is applied, characterized in that it comprises the steps of dividing and superimposing sensor data to overlap the sensor signal fragments of .
Description
본 발명은 적응형 빔형성기의 신호처리방법에 관한 것으로서, 보다 상세하게는, 소나와 같이 센서의 개수가 많은 장치에서 적응형 빔형성기를 이용하여 빔출력을 계산할 경우에, 공분산 행렬의 크기를 감소시켜 적응형 빔형성기의 신호처리 시 발생하는 계산량을 줄이고 동시에 신호와 노이즈의 비도 향상시킬 수 있는 적응형 빔형성기의 신호처리방법에 관한 것이다.The present invention relates to a signal processing method of an adaptive beamformer, and more particularly, to reduce the size of a covariance matrix when calculating a beam output using an adaptive beamformer in a device with a large number of sensors, such as a sonar. The present invention relates to a signal processing method of an adaptive beamformer that can reduce the amount of calculations generated during signal processing by the adaptive beamformer and simultaneously improve the signal-to-noise ratio.
일반적으로, 소나(SONAR: Sound Navigation And Ranging)는 수중에 있는 표적의 위치를 탐지하기 위하여 음파를 사용하며, 수중에 존재하는 표적으로부터 방사되는 소음을 탐지하거나, 음파펄스를 송신하여 임의 거리에 있는 표적으로부터 반사되어 되돌아오는 신호를 수신하고 분석함으로써 표적을 탐지하는 기능을 한다.In general, SONAR (Sound Navigation And Ranging) uses sound waves to detect the position of a target in the water, detects noise radiated from a target existing in the water, or transmits a sound wave pulse to locate a target at a certain distance. It functions to detect the target by receiving and analyzing the signal reflected back from the target.
이러한 소나는 연속된 시간으로부터 여러 개의 음향센서에 수신된 음파를 가지고 빔형성 기법을 수행하여 표적의 방위 추정 및 탐지에 이용한다.Such a sonar is used for estimating and detecting the orientation of a target by performing a beamforming technique with sound waves received from several acoustic sensors from a continuous time.
상기의 빔형성(Beamforming)은 안테나에서 수신된 에너지를 특정 방향을 따라 집중시키는 구현방식으로서, 전방향의 빔을 이용하는 기존 안테나 대신 해당 방향으로 지향성의 빔을 방사함으로써 신호간섭의 영향을 최소화하여 통신 품질과 시스템 채널 용량을 높이는 기술이다.The beamforming is an implementation method of concentrating the energy received from an antenna along a specific direction. Instead of using an omnidirectional beam, the existing antenna emits a directional beam in the corresponding direction to minimize the effect of signal interference for communication. It is a technology to increase the quality and system channel capacity.
이러한 빔형성을 이용하는 소나는 수중의 표적이 정지해 있을 때 최상의 탐지 성능을 유지할 수 있으나, 실제로는 소나의 탐지 대상이 되는 수중의 표적은 대부분 이동 중에 탐지되기 때문에 소나의 탐지 성능을 최상으로 유지하기 어렵게 된다.The sonar using such beamforming can maintain the best detection performance when the underwater target is stationary, but in reality, most of the underwater targets that the sonar detects are detected while moving. it becomes difficult
즉, 표적이 이동하면 소나의 빔형성 출력 신호의 크기가 저하되고 인접 방위의 빔에 표적의 에너지가 퍼지게 됨으로써, 결과적으로 탐지와 위치 추적 성능이 저하되고 인접한 표적의 분리 탐지가 어려워지게 된다.That is, when the target moves, the magnitude of the beamforming output signal of the sonar is reduced and the energy of the target is spread to the beam in the adjacent direction, and consequently, the detection and tracking performance is deteriorated, and it becomes difficult to separate and detect the adjacent target.
일반적으로, 소나 시스템은 도 1에 도시된 바와 같이, 수신된 신호로부터 표적의 방위, 거리, 수심 등을 탐지할 수 있도록, 다수개의 음향센서(10), 신호수신처리기(11), 빔형성기(12)와 탐지기(13)로 구성된다.In general, as shown in FIG. 1, a sonar system includes a plurality of
이때, 수중 표적과 각각의 음향센서(10) 사이의 수평거리가 다르므로 수신된 표적의 신호는 진행거리의 차만큼의 시간차가 발생하게 된다. 그리고 표적에서 방사된 신호는 각 신호수신처리기(11)에 동일한 파형으로 시간차를 두고 수신되며, 빔형성기(12)는 센서에 수신된 신호들의 도달 시간차를 계산하여 보정시키는 빔형성을 수행하여 센서출력 파워의 합을 극대화시키고, 탐지기(13)는 표적의 방위, 거리, 수심을 탐지하게 된다.At this time, since the horizontal distance between the underwater target and each
도 2 는 이러한 소나 시스템에서의 빔형성에 대한 개념도로서, 소나 시스템의 빔형성은 각각의 음향센서(21)로부터 θs 방위에서 표적신호를 수신하여 주파수 성분(x(ω))(22)을 추출할 수 있으며, 각 센서 신호에 적절한 가중값(23)을 첨가하여 합(24)을 도출하여 빔형성을 수행한다.FIG. 2 is a conceptual diagram for beamforming in such a sonar system. The beamforming of the sonar system receives a target signal from each
이러한 빔형성 수행 시, 동종 주파수 빔형성 기법을 이용한다. 즉, 각각의 신호 단편의 공분산 행렬을 구하여 동일한 주파수 성분을 모아서 평균값을 추출하는 기법으로서, 예를 들어, M 번째 센서에 수신된 N 개의 신호 단편에서 동일한 주파수 ω0 에 해당하는 성분을 추출하여 공분산 행렬을 추정하여 빔형성을 수행하는 것이다.When performing such beamforming, a homogeneous frequency beamforming technique is used. That is, it is a technique of obtaining the covariance matrix of each signal fragment, collecting the same frequency components, and extracting the average value. For example, by extracting the component corresponding to the same frequency ω0 from the N signal fragments received by the M-th sensor, the covariance matrix to perform beamforming by estimating .
상기 공분산(共分散,covariance)이란 2개의 확률변수의 상관정도를 나타내는 값으로서, 1 개의 변수의 이산정도를 나타내는 분산과는 별개의 개념이다. 만일 2개의 변수중 하나의 값이 상승하는 경향을 보일 때, 다른 값도 상승하는 경향의 상관관계에 있다면, 공분산의 값은 양수가 되고, 반대로 2 개의 변수중 하나의 값이 상승하는 경향을 보일 때, 다른 값이 하강하는 경향을 보인다면 공분산의 값은 음수가 된다. 이러한 공분산은 상관관계의 상승 혹은 하강하는 경향을 이해할 수 있는 값이다.The covariance (共分散, covariance) is a value indicating the degree of correlation between two random variables, and is a concept separate from the variance indicating the degree of discreteness of one variable. If the value of one of the two variables tends to rise, if the other value is also correlated with the tendency to rise, the value of the covariance will be positive, and conversely, the value of one of the two variables will tend to rise. When the other values show a downward trend, the value of the covariance becomes negative. This covariance is a value that can understand the upward or downward trend of the correlation.
상기 빔형성기로서, 적응형 빔형성기(adaptive beamformer)의 일종으로 STMV(steered minimum variance) 빔형성기가 공지되어 있다. 이러한 STMV 빔형성기는 신호단편을 이용하여 공분산 행렬의 역행렬 연산을 수행할 때 특이 행렬이 발생하는 문제점을 해소할 수 있도록 공분산 행렬을 조향하여 주파수 의존성을 제거함으로써 모든 주파수에 대한 공분산 행렬을 평균하여 공분산 행렬의 역행렬 연산 시 특이 행렬 문제를 해결한 빔형성기이다.As the beamformer, a steered minimum variance (STMV) beamformer is known as a kind of an adaptive beamformer. This STMV beamformer steers the covariance matrix to eliminate the frequency dependence to solve the problem of the singular matrix when performing the inverse matrix operation of the covariance matrix using the signal fragment, thereby averaging the covariance matrices for all frequencies and performing the covariance. It is a beamformer that solves the singular matrix problem when calculating the inverse of a matrix.
그러나 상기 STMV 빔형성기는 센서의 개수가 늘어날수록 공분산 행렬의 크기가 커지므로, 공분산 행렬의 역행렬 연산 시 상당한 계산량을 요구하게 되어 실시간 신호처리를 요하는 시스템에서는 이를 적용할 수 없다는 문제점이 대두되었다.However, since the STMV beamformer increases the size of the covariance matrix as the number of sensors increases, it requires a significant amount of computation when calculating the inverse of the covariance matrix, and thus cannot be applied to a system requiring real-time signal processing.
본 발명은 상술한 바와 같은 종래의 제반 문제점을 해소하기 위하여 창안된 것으로서, 적응형 빔형성기인 STMV 빔형성기의 공분산 행렬의 크기를 감소시켜 신호처리시 발생하는 계산량을 감소시키는 동시에 신호와 노이즈의 비를 향상시킬 수 있는 적응형 빔형성기의 신호처리방법을 제공하는 데에 본 발명의 기술적 과제가 있다.The present invention was devised to solve the problems of the related art as described above. It reduces the size of the covariance matrix of the STMV beamformer, which is an adaptive beamformer, to reduce the amount of calculations generated during signal processing, and at the same time reduce the signal-to-noise ratio. An object of the present invention is to provide a signal processing method of an adaptive beamformer capable of improving .
상기와 같은 기술적 과제를 달성하기 위한 본 발명의 공분산 행렬의 크기감소 기법을 적용한 적응형 빔형성기의 신호처리방법의 구성은, 센서에서 발생되는 센서데이터를 임의의 N 개의 부분으로 분할하고, 임의의 N 개의 부분으로 분할된 부분들에서 발생되는 각각의 센서신호단편들을 시간지연을 통하여 중첩시키는 센서데이터 분할 및 중첩단계를 포함하여 구성되는 것을 특징으로 하는 공분산 행렬의 크기감소 기법을 적용한 적응형 빔형성기의 신호처리방법에 관한 것이다.The configuration of the signal processing method of the adaptive beamformer to which the covariance matrix size reduction technique of the present invention is applied to achieve the above technical problem is to divide the sensor data generated by the sensor into N arbitrary parts, An adaptive beamformer applying a size reduction technique of a covariance matrix, characterized in that it comprises a sensor data division and overlapping step of overlapping each sensor signal fragment generated from the divided parts into N parts through a time delay. of the signal processing method.
상기와 같은 구성을 가지는 본 발명의 공분산 행렬의 크기감소 기법을 적용한 적응형 빔형성기의 신호처리방법은, 공분산 행렬의 크기가 감소됨으로써 적응형 빔형성기의 가중벡터를 구하기 위한 공분산 행렬의 역행렬 계산 시 발생하는 계산량을 감소시켜, 적응형 빔형성기인 STMV 빔형성기를 실시간 신호처리를 요하는 시스템에도 용이하게 적용할 수 있는 효과가 있다.In the signal processing method of the adaptive beamformer to which the covariance matrix size reduction technique of the present invention having the above configuration is applied, the covariance matrix is reduced in size to obtain a weight vector of the adaptive beamformer when calculating the inverse of the covariance matrix. By reducing the amount of calculations generated, the STMV beamformer, which is an adaptive beamformer, can be easily applied to a system requiring real-time signal processing.
또한, 단순히 센서 수만을 감소시켜 계산하는 방법과 대비하여 신호와 노이즈의 비가 향상된 효과를 수득하게 되었다.In addition, the effect of improving the signal-to-noise ratio was obtained compared to the method of calculating by simply reducing the number of sensors.
도 1 은 일반적인 소나 시스템의 구성도,
도 2 는 소나 시스템의 빔형성의 개념도,
도 3 은 본 발명의 적응형 빔형성기의 신호처리방법의 순서도이다.1 is a block diagram of a general sonar system;
2 is a conceptual diagram of beamforming of a sonar system;
3 is a flowchart of a signal processing method of an adaptive beamformer according to the present invention.
이하, 첨부 도면에 의거하여 본 발명의 공분한 행렬의 크기감소 기법을 적용한 적응형 빔형성기의 신호처리방법을 상세하게 설명하기로 한다.Hereinafter, a signal processing method of the adaptive beamformer to which the method for reducing the size of the covariant matrix of the present invention is applied will be described in detail based on the accompanying drawings.
단, 개시된 도면들은 당업자에게 본 발명의 사상이 충분하게 전달될 수 있도록 하기 위한 예로서 제공되는 것이다. 따라서 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 태양으로 구체화될 수도 있다.However, the disclosed drawings are provided as examples to sufficiently convey the spirit of the present invention to those skilled in the art. Accordingly, the present invention is not limited to the drawings presented below and may be embodied in other aspects.
또한, 본 발명 명세서에서 사용되는 용어에 있어서 다른 정의가 없다면, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.In addition, unless there is another definition in terms used in the present invention, those of ordinary skill in the art to which the present invention pertains have the meaning commonly understood, and the gist of the present invention in the following description and accompanying drawings Detailed descriptions of well-known functions and configurations that may be unnecessarily obscure will be omitted.
본 발명은 소나와 같이 센서의 개수가 많은 장치에서 적응형 빔형성기를 이용하여 빔출력을 계산할 경우, 공분산 행렬의 크기를 감소시켜 적응형 빔형성기의 신호처리시 발생하는 계산량을 줄이고 동시에 신호와 노이즈의 비(Signal Noise Ratio(SNR) 신호 대 잡음비)를 향상시킬 수 있는 방법이다.In the present invention, when the beam output is calculated using the adaptive beamformer in a device with a large number of sensors, such as a sonar, the size of the covariance matrix is reduced to reduce the amount of calculation occurring during signal processing by the adaptive beamformer and at the same time reduce the signal and noise This is a method that can improve the signal-to-noise ratio (SNR).
이를 위하여, 본 발명의 적응형 빔형성기의 신호처리방법은, 공분산 행렬을 구하기 전에, 센서를 임의의 N 개의 부분으로 분할하고, 센서의 분할된 부분에서 발생되는 각각의 센서신호 단편들을 시간지연을 통하여 중첩시킴으로써 공분산 행렬의 크기를 감소시킨다.To this end, the signal processing method of the adaptive beamformer of the present invention divides the sensor into N arbitrary parts before obtaining the covariance matrix, and time delays each sensor signal fragment generated from the divided parts of the sensor. We reduce the size of the covariance matrix by overlapping it.
따라서 크기가 감소된 공분산 행렬은 적응형 빔형성기의 가중벡터를 구하기 위해 사용됨으로써 연산시간을 단축시킬 수 있게 된다.Accordingly, the covariance matrix with the reduced size is used to obtain the weight vector of the adaptive beamformer, thereby reducing the computation time.
본 발명은 컴퓨터에 탑재된 프로그램의 실행, 기타 단말기의 클라이언트, 본 방법이 저장된 기록매체 등에 의해 구현될 수 있다.The present invention can be implemented by executing a program mounted on a computer, a client of another terminal, a recording medium storing the method, and the like.
이하, 상기와 같은 본 발명의 적응형 빔형성기의 신호처리방법을 도 3 의 본 발명의 순서도를 참조하여 개조식으로 상세하게 설명한다.Hereinafter, the signal processing method of the adaptive beamformer of the present invention as described above will be described in detail with reference to the flowchart of the present invention in FIG. 3 .
하기 기술될 본 발명의 적응형 빔형성기의 신호처리방법은, 소나 시스템과 같이 수신된 신호로부터 표적의 방위, 거리, 수심 등을 탐지할 수 있도록 구성된 신호처리시스템에 의하여 수행된다.The signal processing method of the adaptive beamformer of the present invention, which will be described below, is performed by a signal processing system configured to detect the bearing, distance, water depth, etc. of a target from a received signal, such as a sonar system.
1) 센서데이터 FFT 단계(S1)1) Sensor data FFT step (S1)
소나 시스템의 각각의 음향센서로부터 일정한 방위에서 음원의 표적신호를 수신하고, 표적신호의 진폭 데이터를 FFT(Fast Fourier Transform, 푸리에 변환)을 수행하여 주파수 데이터로 변환하는 단계이다.It is a step of receiving a target signal of a sound source from each acoustic sensor of the sonar system in a certain direction, and converting the amplitude data of the target signal into frequency data by performing FFT (Fast Fourier Transform).
2) 센서 데이터 분할 및 중첩 단계(S2)2) Segmentation and superposition of sensor data (S2)
예인형 수동 소나 시스템과 같이 센서 길이가 긴 경우, 센서에서 발생되는 센서데이터를 임의의 N 개의 부분으로 분할하고, 임의의 N 개의 부분으로 분할된 부분들에서 발생되는 각각의 센서신호단편들을 시간지연을 통하여 중첩시킨다.When the sensor length is long like a tow-type passive sonar system, the sensor data generated from the sensor is divided into arbitrary N parts, and each sensor signal fragment generated from the parts divided into N arbitrary parts is time-delayed. overlaid through
이때, 다음의 수학식 1, 수학식 2 및 수학식 3 을 이용한다.In this case, the following Equations 1, 2 and 3 are used.
- A(fk,θ) : 시간지연 벡터 - A (f k ,θ) : time delay vector
- c : 음속- c : speed of sound
- fk : 주파수- f k : frequency
- M : 총 센서 수- M : total number of sensors
- N : 센서의 분할 개수- N : the number of divisions of the sensor
- d : 센서 간격- d : sensor spacing
- θ : 조향각- θ : steering angle
- Xk,j : 주파수 데이터로 변환된 센서 신호중 파트별(j) 단편신호- X k,j : Fragment signal for each part (j) among the sensor signals converted to frequency data
- M : 총 센서 수- M : total number of sensors
- N : 센서의 분할 개수- N : the number of divisions of the sensor
- Pj(fk,θ) : 신호단편이 N개 중첩된 데이터- P j (f k ,θ): data with N overlapping signal fragments
- fk : 주파수- f k : frequency
- θ : 조향각- θ : steering angle
- Xk,j : 주파수 데이터로 변환된 센서 신호중 파트별(j) 단편신호- X k,j : Fragment signal for each part (j) among the sensor signals converted to frequency data
- A(fk,θ) : 시간지연 벡터 - A (f k ,θ) : time delay vector
상기 수학식 1 에 의하여 시간지연벡터 A(fk,θ)가 계산되고, 상기 수학식 2 에 의하여 주파수 데이터로 변환된 센서 신호 중 파트별(j) 단편신호 Xk,j가 계산되고, 수학식 3에 의하여 신호단편이 N개 중첩된 데이터 Pj(fk,θ)가 계산되면서 센서신호단편들의 중첩을 연산한다.The time delay vector A (f k ,θ) is calculated by Equation 1, and the fragment signal X k,j for each part (j) among the sensor signals converted into frequency data according to Equation 2 is calculated, and According to Equation 3, the data P j (f k ,θ) in which N signal fragments are superimposed is calculated, and the overlap of the sensor signal fragments is calculated.
- p(fk, θ): 신호단편이 N개 중첩된 데이터들의 행벡터 - p (f k , θ): row vector of data in which N signal fragments are superimposed
따라서 상기 수학식 4는 N개로 분할된 영역에서 발생하는 각각의 센서신호 단편들을 하나로 중첩시킨 데이터를 나열시킨 것으로, 후술할 공분산행렬의 계산단계(S3)에서 이용되는 공분산 행렬의 크기를 감소시켜 적응형 빔형성기의 가중벡터를 구하기 위한 연산시간을 단축시킬 수 있게 된다.Therefore, Equation 4 is a list of data in which each sensor signal fragment generated in the N-divided area is superimposed into one, and the size of the covariance matrix used in the calculation step (S3) of the covariance matrix, which will be described later, is reduced and adapted It is possible to shorten the calculation time for calculating the weight vector of the type beamformer.
3) 공분산 행렬의 계산단계(S3)3) Calculation of covariance matrix (S3)
이어서, 상기 S2 단계에서 계산된 p(fk,θ)의 값을 이용하여 공분산 행렬을 계산한다.Next, a covariance matrix is calculated using the value of p (f k ,θ) calculated in step S2.
- K(fk,θ): 공분산행렬 - K (f k ,θ): covariance matrix
- p H(fk,θ): p(fk,θ)의 허미션(hermitian) - p H (f k ,θ): the hermitian of p (f k ,θ)
상술한 바와 같은 공분산 행렬의 계산과 빔형성은 공지의 동종 주파수 빔형성 기법을 이용하여 수행될 수 있다.Calculation of the covariance matrix and beamforming as described above may be performed using a known homogeneous frequency beamforming technique.
상기 동종 주파수 빔형성 기법은, 각각의 신호 단편의 공분산 행렬을 구하여 동일한 주파수 성분을 모아서 평균값을 추출하는 기법으로서, 예를 들어, M 번째 센서에 수신된 N 개의 신호 단편에서 동일한 주파수 ω0 에 해당하는 성분을 추출하여 공분산 행렬을 추정함으로써 빔형성을 수행하는 기법이다.The homogeneous frequency beamforming technique is a technique of obtaining a covariance matrix of each signal fragment, collecting the same frequency components, and extracting an average value, for example, corresponding to the same frequency ω 0 in N signal fragments received by the Mth sensor It is a technique for performing beamforming by estimating the covariance matrix by extracting the
4) 선조향 단계(S4)4) linear steering step (S4)
다음으로, 부대역 별 조향 공분산 행렬 추정을 수행하기 위하여, 선조향 단계를 실시한다.Next, in order to estimate the steering covariance matrix for each subband, a linear steering step is performed.
구체적으로, 상기 S1 단계를 수행하여 변환된 주파수 데이터를 각 주파수별로 미리 가정한 조향각으로 선조향(pre-steering)하여 선조향 주파수 데이터를 산출하며, 하기의 수학식 6 및 수학식 7 을 이용한다.Specifically, the frequency data converted by performing the step S1 is pre-steered at a steering angle assumed in advance for each frequency to calculate the pre-steering frequency data, and the following Equations 6 and 7 are used.
- ω: 각주파수- ω: angular frequency
- θ: 조향각- θ: steering angle
- T: 전치행렬- T: transpose matrix
- s: 음속의 역수- s: the reciprocal of the speed of sound
- z: 첫 번째 수신기로부터의 해당 수신기의 거리- z: the distance of the receiver from the first receiver
- D: 선조향 행렬- D: line-steering matrix
- ω: 각주파수- ω: angular frequency
- θ: 조향각도- θ: steering angle
- W: 시간지연 항- W: time delay term
5) 조향 공분산행렬 추정 단계(S5)5) Steering covariance matrix estimation step (S5)
상기 S4 단계를 수행하여 산출된 선조향 행렬을 이용하여 조향 공분산행렬을 추정하며, 하기의 수학식 8을 이용하여 추정한다.A steering covariance matrix is estimated using the linear steering matrix calculated by performing step S4, and estimated using Equation 8 below.
- Kstmv: 조향공분산행렬- K stmv : steering covariance matrix
- ω: 각주파수- ω: angular frequency
- θ: 향각도- θ: direction angle
- n: 1,2,.....,N- n: 1,2,.....,N
- N: 주파수 빈수- N: frequency frequency
- DH: 선조향 행렬의 허미션(hermitian)- D H : hermitian of the line steering matrix
- K: 조향공분산행렬- K: steering covariance matrix
- D: 선조향 행렬- D: line-steering matrix
6) 적응 가중벡터 계산 단계(S6)6) adaptive weight vector calculation step (S6)
상기 S5 단계를 수행하여 추정된 조향 공분산행렬을 이용하여 적응 가중벡터를 계산하는 단계이며, 하기의 수학식 9 및 수학식 10 을 이용한다.This is a step of calculating an adaptive weight vector using the steering covariance matrix estimated by performing the step S5, using
- Wstmv: 적응 가중벡터- W stmv : Adaptive weight vector
- ω: 각주파수- ω: angular frequency
- θ: 조향각도- θ: steering angle
- n: 1,2,.....,N- n: 1,2,.....,N
- Kstmv: 조향공분산행렬- K stmv : steering covariance matrix
- 1M/N: 일 행렬- 1 M/N : work matrix
- M : 총 센서 수- M : total number of sensors
- N : 센서의 분할 개수- N : the number of divisions of the sensor
7) 협대역 빔출력 계산 단계(S7)7) Narrowband beam output calculation step (S7)
상기 S6 단계를 수행하여 계산된 적응 가중벡터를 이용하여 협대역 빔출력을 계산하는 단계이며, 하기의 수학식 11 을 이용하여 연산한다.This is a step of calculating the narrowband beam output using the adaptive weight vector calculated by performing the step S6, and the calculation is performed using the following Equation (11).
- P: 협대역 빔출력- P: narrowband beam output
- ω: 각주파수- ω: angular frequency
- θ: 조향각도- θ: steering angle
- Wstmv: 부대역별 적응 가중벡터- W stmv : Adaptive weight vector for each subband
- DH: 선조향 행렬의 허미션(hermitian)- D H : hermitian of the line steering matrix
- K: 공분산행렬- K: covariance matrix
- D: 선조향 행렬- D: line-steering matrix
8) 광대역 빔출력 계산 단계(S8)8) Broadband beam output calculation step (S8)
상기 S7 단계를 수행하여 계산된 협대역 빔출력을 모두 합산하여 광대역 빔출력을 계산하는 단계이다.This is a step of calculating the wideband beam output by summing all the narrowband beam outputs calculated by performing the step S7.
10; 음향센서 11; 신호수신처리기
12; 빔형성기 13; 탐지기10;
12; beamformer 13; detector
Claims (1)
센서에서 발생되는 센서데이터를 임의의 N 개의 부분으로 분할하고, 임의의 N 개의 부분으로 분할된 부분들에서 발생되는 각각의 센서신호단편들을 시간지연을 통하여 중첩시키는 센서데이터 분할 및 중첩단계(S2);
를 포함하여 구성되고,
신호단편이 N개 중첩된 데이터들의 행벡터에 해당하는 p(fk, θ) 및 하기의 수학식 5를 이용하여 공분산 행렬을 계산하는 공분산 행렬의 계산단계(S3)및
상기 센서데이터를 각 주파수별로 미리 가정한 조향각으로 선조향(pre-steering)하여 선조향 주파수 데이터를 산출하는 선조향단계(S4);를 더 포함하는 것을 특징으로 하고, 상기 공분산 행렬의 계산단계(S3)는 아래의 수학식 5를 이용하여 계산되며, 상기 선조향단계(S4)는 아래의 수학식 6 및 7을 통해 연산되는 적응형 빔형성기의 신호처리방법.
[수학식 5]
- K(fk,θ): 공분산행렬
- p H(fk,θ): p(fk,θ)의 허미션(hermitian)
[수학식 6]
- ω: 각주파수
- θ: 조향각
- T: 전치행렬
- s: 음속의 역수
- z: 첫 번째 수신기로부터의 해당 수신기의 거리
[수학식 7]
- D: 선조향 행렬
- ω: 각주파수
- θ: 조향각도
- W: 시간지연 항A signal processing method of an adaptive beamformer performed by a signal processing system configured to detect at least one of an orientation, a distance, and a water depth of a target from a received signal, the signal processing method comprising:
The sensor data division and overlap step (S2) of dividing the sensor data generated from the sensor into arbitrary N parts, and overlapping each sensor signal fragment generated from the parts divided into arbitrary N parts through a time delay (S2) ;
consists of,
A covariance matrix calculation step (S3) of calculating a covariance matrix using p (f k , θ) and Equation 5 below, corresponding to the row vectors of data in which the signal fragments are superimposed with N pieces (S3); and
A pre-steering step (S4) of pre-steering the sensor data at a steering angle assumed in advance for each frequency to calculate the pre-steering frequency data; S3) is calculated using Equation 5 below, and the linear steering step S4 is calculated through Equations 6 and 7 below. A signal processing method of an adaptive beamformer.
[Equation 5]
- K (f k ,θ): covariance matrix
- p H (f k ,θ): the hermitian of p (f k ,θ)
[Equation 6]
- ω: angular frequency
- θ: steering angle
- T: transpose matrix
- s: the reciprocal of the speed of sound
- z: the distance of the receiver from the first receiver
[Equation 7]
- D: line-steering matrix
- ω: angular frequency
- θ: steering angle
- W: time delay term
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190157545A KR102357309B1 (en) | 2019-11-29 | 2019-11-29 | Method for processing the signal for an adaptive beamformer using size reduction of covariance matrix |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190157545A KR102357309B1 (en) | 2019-11-29 | 2019-11-29 | Method for processing the signal for an adaptive beamformer using size reduction of covariance matrix |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210068235A KR20210068235A (en) | 2021-06-09 |
| KR102357309B1 true KR102357309B1 (en) | 2022-02-04 |
Family
ID=76415130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190157545A KR102357309B1 (en) | 2019-11-29 | 2019-11-29 | Method for processing the signal for an adaptive beamformer using size reduction of covariance matrix |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102357309B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101094786B1 (en) * | 2010-07-05 | 2011-12-16 | 국방과학연구소 | Method for hetero frequency beamforming and sonar system using the method |
-
2019
- 2019-11-29 KR KR1020190157545A patent/KR102357309B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101094786B1 (en) * | 2010-07-05 | 2011-12-16 | 국방과학연구소 | Method for hetero frequency beamforming and sonar system using the method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210068235A (en) | 2021-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109283536B (en) | Multi-beam sounding sonar water body imaging beam forming method | |
| EP2263097B1 (en) | Autonomous sonar system and method | |
| US7266044B2 (en) | Method and apparatus for acoustic source tracking using a horizontal line array | |
| EP3227703B1 (en) | Methods and systems for spectral analysis of sonar data | |
| JP6665562B2 (en) | Phasing device and phasing processing method | |
| CN103913725B (en) | Airborne radar Ground moving targets detection method under intensive repeating jamming environment | |
| JP5072694B2 (en) | Target detection device | |
| US10215843B2 (en) | Spatial interpolation method and apparatus for linear phased array antenna | |
| CN110286370B (en) | Motion compensation method for shipborne ground wave radar in sailing state | |
| US7773458B2 (en) | Systems and methods for detection and analysis of amplitude modulation of underwater sound | |
| CN113030979B (en) | Method and device for detecting position depth of target object | |
| KR101094786B1 (en) | Method for hetero frequency beamforming and sonar system using the method | |
| KR101988099B1 (en) | Covariance matrix generation method for doa estimation | |
| KR102159631B1 (en) | Method for processing the signal for an adaptive beamformer using sub-band steering covariance matrix | |
| JP5730083B2 (en) | Signal processing device, exploration device, signal processing program, and signal processing method | |
| KR102357309B1 (en) | Method for processing the signal for an adaptive beamformer using size reduction of covariance matrix | |
| JP4977849B2 (en) | Radio wave arrival direction detector | |
| JP7056212B2 (en) | Direction estimation method and equipment | |
| US8045419B1 (en) | Method for mitigating spatial aliasing | |
| US7228236B2 (en) | Subarray matching beamformer apparatus and method | |
| KR102483990B1 (en) | Adaptive beamforming method and active sonar using the same | |
| KR101801325B1 (en) | Radar apparatus based on virtual channel and method for generating virtual channel using the same | |
| JP6287674B2 (en) | Delay time estimation device and height measurement device | |
| JPWO2018167952A1 (en) | Adaptive array antenna device | |
| JP2008008781A (en) | Device of detecting the number of incoming waves |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |