利用分频带空间谱和波束域的输出直流跳变与起伏比值融合检测未知线谱目标

目标辐射噪声中高强度稳定线谱可以用来提高常规宽带能量积分的检测性能。理论分析了已知线谱检测优于宽带能量积分检测的谱级比条件。给出了线谱频带可检测条件下,线谱谱级与最小可检测信噪比关系。分析分频带空间谱和波束域的输出直流跳变与起伏比值特征。在此基础上提出了一种构造频率、方位滤波矩阵的方法。该矩阵作用类似频带方位滤波器,通过对线谱频带目标方位的信号放大,与其他频带判决结果融合,来提高常规宽带能量积分的性能。最后给出该算法适用条件和性能分析。数据仿真和海试数据处理结果可知,该算法在多干扰源存在下对弱线谱目标提取能力强,且不需多帧统计,在检测效果上更接近于理想的窄带线谱检测方法。     

复杂噪声场下对角减载技术的原理及应用

实际水下噪声场是非常复杂的,它具有一定的相关性,且各阵元接收到的噪声的功率不相等,因此归一化的噪声协方差矩阵不是单位矩阵,会使得一些阵列信号处理算法的性能下降.针对这个问题,本文充分分析了复杂噪声场的物理特性,建立了噪声协方差矩阵的物理模型,提出了一种复杂噪声场下的协方差矩阵对角减载技术.首先将数据协方差矩阵减去一个减载系数矩阵,在使得波束输出信噪比达到最大的约束条件下,获得了减载系数矩阵的理论表达式和近似表达式.然后利用最小二乘方法,估计减载系数矩阵,并且理论分析了噪声场的相关性及输入信噪比对估计误差的影响.仿真实验和湖试数据处理结果表明,在复杂噪声场条件下,该算法提高了输出信噪比,改善了阵列信号处理算法的性能,并且该算法计算复杂度低,可以实时处理.     

非均匀对角减载最小方差无失真响应多目标分辨

针对最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法在起伏非相关噪声环境下多目标分辨性能严重下降的问题,提出一种非均匀对角减载MVDR (Inhomogeneous Diagonal Unloading MVDR,IDU-MVDR)方法。该方法首先对协方差矩阵进行非均匀对角减载,然后实施MVDR方法。各阵元上的对角减载量通过求解半正定优化问题获得,优化问题中最大化减载量之和,但约束减载后协方差矩阵的最小特征值是一个较小的正值。数值仿真表明,IDUMVDR方法可通过非均匀对角减载消除大部分非相关噪声,但保留小部分噪声分量.因此IDU-MVDR方法较MVDR方法分辨力更高,空间谱中背景级更低、弱目标谱峰更加明显,并且具备一定的稳健性.海上实验结果与数值仿真相一致,验证了IDU-MVDR方法的有效性.      

一种协方差矩阵实部消除的目标方位估计方法

针对实际复杂海洋环境条件下的目标方位估计性能变差的问题,提出了一种基于实部消除技术的目标方位估计方法。首先将噪声场分解为对称噪声部分和非对称噪声部分。然后利用协方差矩阵虚部,采用延迟求和波束形成方法获得目标方位估计,但是同时产生了对称的虚假目标。最后基于功率估计重构协方差矩阵实部,并与虚部组成新的协方差矩阵,利用新的协方差矩阵做目标方位估计,消除了虚假目标的影响。理论分析与湖试数据处理结果表明:该方法明显抑制了噪声,提高了目标方位估计的性能。实部消除技术易于实现,有较强的工程应用价值。     

应用半正定规划的目标方位超分辨方法

针对水下目标方位超分辨估计问题,提出了一种基于半正定规划(Sdp)的常规波束(CBF)方位超分辨算法(SdpCBF).Sdp-CBF算法基于常规波束形成获得多目标方位谱数据,利用阵列响应矩阵和半正定规划技术,精确估计目标数量和波达角方向.该算法的本质是利用阵列特性和信号能量信息获得超分辨方位估计,不用进行子空间分解,通过卷积反演的方式将阵列孔径的有限效应消除,在L₂范数约束条件下重构空间谱.仿真表明,Sdp-CBF算法具有较强的噪声抑制能力,对非相干和相干信号均具有目标方位超分辨能力,在低信噪比环境下的方位分辨性能超过多重信号分类(MUSIC)等经典高分辨算法。对消声水池以及湖上实验数据的处理结果显示,Sdp-CBF算法在复杂环境中对相干信号及微弱信号具有较强的分辨能力。      

密布式多输入多输出声呐阵列目标波达方向估计

针对低信噪比条件下多输入多输出声呐受对称噪声分量影响导致测向性能降低的情况,提出了一种基于协方差矩阵重构方法的波达方向估计算法。首先,将噪声场分为对称噪声和非对称噪声两部分,利用协方差矩阵虚部与对称信号无关的性质,去掉协方差矩阵的实部来降低对称噪声对目标波达方向估计精度的影响,采用降维转换方法和矩阵虚部置换原理重构协方差矩阵的实部,避免了双频谱的干扰。然后利用Toeplitz方法对重构的协方差矩阵进行解相干修正,通过奇异值分解获得噪声子空间,最后对目标的波达方向进行估计,可实现微弱信号的准确测向。理论分析和实验结果表明,该方法明显抑制了对称噪声,提高了目标的波达方向估计性能,具有运算速度快、自由度高和目标分辨力强的特点。      

基于主副瓣比加权的未知线谱目标检测方法研究

针对目标辐射线谱信号未知时的目标检测问题,依据水下目标辐射噪声含有高强度稳定线谱这一特征,该文提出了一种基于波束形成主副瓣比加权的宽带波束形成目标检测方法。该方法首先用二阶锥优化各频带波束形成,得到低旁瓣高增益波束形成;其次利用各频率单元波束形成主副瓣差异形成加权因子;然后利用加权因子对各频率单元波束形成进行加权统计,可以抑制背景噪声能量干扰,增强目标检测信噪比增益,克服传统线谱检测四维显示难点。理论分析和实验结果表明：该方法可以较好地增强目标线谱单元能量、抑制噪声、提高信噪比,改善能量累积检测法在远程目标检测方面的性能。     

基于矢量水听器阵列空域预滤波处理的多重信号分类算法研究

矢量水听器能同时拾取声压和振速信息,在相同的信噪比、阵元数及阵列孔径下,矢量阵定向性能优于声压阵列。目前,以多重信号分类算法(Multiple signal classification,MUSIC)为代表的高分辨定向算法已经广泛应用于矢量水听器阵列中。但是随着信噪比降低、信号源方位间隔减小,传统MUSIC算法定向精度及分辨概率显著下降。本文采用最小二乘法设计适用于矢量水听器水平阵列的矩阵空域滤波器,用于阵列数据的空间滤波预处理,可以对阻带扇面噪声进行有效抑制。由滤波后的数据协方差矩阵可以得到新的噪声子空间,在传统MUSIC算法基础上修正通带扇面内阵列流型的畸变后即可得到滤波后MUSIC算法的方位谱。仿真结果表明,当信噪比较低时,改进算法有效提高了通带扇面内目标方位分辨性能。最后本文对四基元矢量水平阵列海试数据进行了处理,改进算法对窄带信号定向较常规算法-3 dB束宽减小了13°,旁瓣级降低约8 dB。对有一定带宽的行船辐射噪声定向处理得到了更加精确的航迹图,海试数据处理结果证明了该算法的可行性和有效性。     

高增益对角减载波束形成方法研究

实际的海洋噪声包括不相关噪声成分和相关噪声成分,针对不相关噪声仅仅影响接收数据协方差矩阵对角元素的这一现象,提出一种基于对角减载技术的高增益最小方差无畸变响应法(minimum variance distortionless response,MVDR).在稳健性足够的前提下,首先,按照一定准则选取约束量,利用加权向量范数约束法保证方法的稳健性。然后,利用牛顿迭代法计算得到对角减载系数。最后,将减去对角减载系数的协方差矩阵应用到MVDR波束形成方法中。仿真和海试数据处理结果表明,对角减载MVDR波束形成方法在保证稳健性的同时,提高了阵增益和多目标分辨能力。通过调整减载系数,能够在稳健性与阵增益之间进行折中。     

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。      

A detecting method for line-spectrum target by fusing output DC jump to fluctuations ratio of sub-band spatial spectrum and beam space

The low frequency line components of the radiated noise from an underwater target usually have both high spectrum level and sustained stability.This feature could be used to increase the detection performance of conventional broadband energy integration method.The required spectrum level is theoretically discussed when the detection performance of the known line detection is better than that of broadband energy integration method.Under the condition of the target can be detected in line spectrum band,the relationship between the line spectrum level and signal to noise ratio(SNR)is also discussed.This paper proposes a line spectrum target detection method that a matrix using DC jump to fluctuations ratios of sub-band spatial spectrum and beam space output is constructed.This matrix acts as a filter that the line spectrum target with certain frequency and azimuth is passed at most.By fusing with the other sub band results,the conventional detection performance can be improved.At the same time,the applicable condition and detection performance are analyzed in the paper.The simulation and the sea trial data processing results show that the algorithm can effectively extract weak goal line spectrum target under the condition of multi-interference.The algorithm doesn't need multi-frame statistics and the detection performance is closer to the optimal line spectrum method.     

海洋环境噪声场对称性分析及噪声消除方法

实际的海洋环境是非常复杂的,存在着海洋自噪声、舰船噪声、生物发声等,阵元接收到的噪声信号存在一定的相关性,此时基于传统阵列信号处理的目标方位估计方法的性能将变差,针对这一问题,提出了一种实部消除方法.首先从阵元接收环境噪声的物理机理出发,将圆环阵接收的噪声场分解为对称噪声场和非对称噪声场,并且研究发现对称噪声场只影响数据协方差矩阵的实部.然后通过消除协方差矩阵实部,达到消除对称噪声场的目的,提高信噪比,但是同时产生了虚假声源.针对虚假声源的问题,提出了基于优化算法重构协方差矩阵实部的方法,消除了虚假声源的影响.仿真分析与海试数据处理结果表明:该方法明显消除了对称噪声,提高了信噪比,改善了阵列信号处理算法的性能.实部消除方法易于实现,有一定的工程应用价值.     

Weak signal direction of arrival estimation for colocated multiple-input multiple-output sonar array

In order to suppress the influence of symmetrical noise component on multiple-input multiple-output(MIMO)sonar's direction of arrival(DOA)estimation under the condition of low signal-to-noise ratio,we propose a DOA estimation algorithm based on covariance matrix reconstruction method.Firstly,the noise field can be decomposed into symmetrical noise field and asymmetrical noise field.We utilize symmetry property of colored noise matrix and the feature that the imaginary part of covariance matrix has no relation with the symmetry noise to remove the real part of covariance matrix.This operation helps to suppress the influence of colored noise on DOA estimation accuracy.Based on the principle of the imaginary matrix part displacement and the dimension reduction transformation method,the real part of covariance matrix is reconstructed,which helps to suppress the bilateral spectrum interference.Thereafter,Toeplitz method is applied for the covariance matrix decorrelation amendment,and a noise subspace is formed by singular value decomposition(SVD).Finally,we can estimate the DOA of target signals.Both theoretical analysis results and numerical simulation results verify the symmetrical noise suppression performance of this algorithm,and the estimation performance of target azimuth is improved obviously.This method has the characteristics of lower operational complexity,higher degrees of freedom and stronger target resolution.     

TCVQ-SVM algorithm for narrowband spectrum sensing

Spectrum sensing is viewed as the basic and crucial technology for cognitive radio. To improve the accuracy of spectrum sensing in low signal to noise ratio (SNR), this paper presents an efficient TCVQ-SVM method based on machine learning for narrowband spectrum sensing. Firstly, trace of covariance matrix and variance of quadratic covariance matrix (TCVQ) is extracted as feature vectors and combined as training samples of spectrum sensing. Then, the classification model can be achieved by training samples based on support vector machine (SVM), which can avoid setting threshold and adjusting classification hyperplane by its self-learning ability. Lastly, the result of spectrum sensing can be obtained. By utilizing trace and variance as input features of SVM, the algorithm can make full use of the eigenvalue difference and structure characteristic of the received signal, and at the same time, achieve good performance in low SNR. Theoretical analysis reveals that the proposed method has low computational complexity. Simulation results and experiments on the hardware platform illustrate that the proposed algorithm is effective and robust.     

窄带傅里叶变换光谱仪中平稳高斯噪声的理论分析

在本文所研究的空间调制型傅里叶变换光谱仪中, 在窄的光谱带宽内进行探测可以有效提高光谱的分辨率. 为了研究光源辐射噪声对系统的影响, 本文将辐射噪声归纳为一种高斯窄带的平稳随机过程, 利用线性系统分析方法, 根据统计学原理推导了辐射噪声作为随机变量通过干涉系统前后的输入信噪比与输出信噪比. 然后, 对于一个具有窄带矩形光谱的系统进行了计算仿真, 得出了信噪比增益随着光程差在不同自相关度和互相关度取值时的变化情况. 仿真结果表明, 不同光程差下的信噪比增益在相关度空间是一单调的平滑曲面, 增益极值始终沿着相关度圆的半径和周线移动, 并且经过一个光程差又回到初始的位置. 根据对信噪比增益的分析, 可以将噪声的相关度取值控制在某一范围之内, 并作为系统光源设计与测试的依据.     

一种基于广义Duffing振子的水中弱目标检测方法

海洋环境中,在水下目标的线谱频率未知或者目标辐射噪声的连续谱很弱时,很难实现水中弱目标的准确检测,本文提出基于广义Duffing振子检测系统的水下目标辐射噪声检测方法.通过对传统周期扰动的Duffing振子信号检测系统的分析和推广,提出了一种可输入非周期、非平稳信号的广义Duffing振子检测系统,可检测输入的无先验信息目标信号.为实现广义Duffing振子系统运动状态的精确、有效判断,提出了一种相空间图形的离散分布列计算方法,通过类网格函数实现了利用统计复杂度对系统输出的嵌入式表征,从而实现了无先验信息时的水中弱目标的嵌入式检测.相同条件下与传统检测方法仿真对比可知,本文提出的方法可以检测到更低信噪比下的目标,并能满足水中检测实时性要求.