초록
MVDR (Minimum Variance Distortionless Response) 빔형성 기법은 간섭신호의 영향을 최소화하는 기법으로서 방위각 분해능은 우수하나, 높은 주파수 분해능을 얻기 위해서는 오랜 시간 동안 관측한 많은 양의 데이터가 필요하다. 짧은 빔출력 시간에 높은 주파수 분해능을 얻기 위해 기존의 SW (Steered Minimum Variance) 기법에서는 조향 공분산행렬 (steered covariance matrix)을 이용하여 전체 주파수 대역에 대하여 동일한 적응 가중벡터 (adaptive weighting vector)를 사용한다. 본 논문에서는 각 주파수별로 보다 정확한 적응 가중벡터를 얻기 위해 전체 대역을 여러 개의 부대역 (subband)으로 나누고, 각 부대역에 대한 적응 가중벡터를 얻는 SSMV(Subband Steered Minimum Variance) 기법을 제안한다. 연산량과 부대역의 크기를 줄이기 위해 전체배열을 여러 개의 부대열 (subarray)로 나누고, 각 부대역별로 적응 가중벡터를 구한다. 제안한 SSMW 기법의 성능을 확인하기 위해 실제 해상실험 데이터를 이용하여 신호처리를 하였으며, 그 결과 제안한 기법의 우수한 성능을 확인하였다.
It is well known that the MDVR beamforming outperforms the conventional delay-sum beamformer in the sense of noise rejection and bearing resolution. However, the MDVR method requires long observation time to achieve high frequency resolution. The STMV method uses the steered covariance matrix of sensor data, so it has an ability to form an adaptive weight vector from a single time-series snapshot. But it uses the same weight vector across all frequencies. In this paper, we propose an SSMV method. The basic idea of the SSMV method is to decompose a full frequency band into several subbands to acquire a weight vector for each subband, individually. Also the wrap may be divided into several subarrays in order to reduce a computational load and the bandwidth of each subband. Simulations using real sea trial data show that the proposed SSMV method has good performance with short observation time.
