结合主动时间反转算法的短基线定位研究

短基线声学定位技术是水下运动目标定位的重要研究内容。为了解决定位系统工作于浅水或近岸时多途扩展严重造成的时延估计误差和系统工作不稳定的问题,本文提出一种结合时间反转算法的短基线宽带应答定位技术,该方法利用短基线阵元发射宽带信号,通过应答器接收该信号时间反转处理后再返回给短基线阵元位置,实现信道多途的自适应聚焦,进而提高时延估计精度及信号检测的鲁棒性。仿真研究和湖上试验表明,该方法能够充分利用信道多途信息实现聚焦,减少信道多途对定位信号时延估计的影响,具有较强的抗噪声和多途干扰的能力。相对传统定位方法,该方法可以抑制短基线定位过程中误差及野点的产生,改善了物体定位导航的精度。     

浅海多径时延估计的功率谱加权自相关方法

针对浅海近距离时倒谱多径时延峰变弱难以提取的问题,提出了一种功率谱加权自相关多径时延估计方法。该方法采用FFT估计信号功率谱,对功率谱取1-α次幂(0<α<1),再进行IFFT变换,对其实部进行峰值检测获得多径时延估计。根据目标能量通过特性在正横前递增正横后递减的特点,在已检测时延前后一定区间内搜索下一个时延值,实现多径时延的自动提取.理论分析表明,多径时延估计的倒谱法与自相关法都可以看作功率谱加权自相关法的特例.海试数据处理与基于Bellhop射线模型的仿真计算表明,该方法在近距离时多径时延峰比倒谱法更清晰,输出信噪比提高了3~4 dB.采用该方法自动提取的海底反射多径时延用于单个水听器对目标距离的估计,与GPS测量距离基本相符,验证了方法的有效性.      

深海声影区稀疏时延估计与声源测距

研究了深海声影区中经一次海底反射的多途声线到达垂直双水听器的时延差与声源位置的关系,提出了一种稀疏时延估计与声源测距方法。首先利用近海面布放的短间距垂直双水听器接收一定频带的声信号,然后计算接收信号的广义互相关函数,并利用频谱搬移和稀疏解卷积技术提取时延差,最后通过时延差匹配,估计水下声源的距离。仿真实验表明,在4300 m深海中,所提方法能够正确提取多途到达时延差,估计声影区内的声源距离。海试结果表明,当垂直接收孔径分别为21 m和30 m时,声源测距误差分别小于13.6%和8.1%。上述结果表明,所提出的时延估计方法可适应带宽较窄的接收信号,多途到达时延估计参数可用于实现声影区中的水下声源测距。      

利用多途时延的被动目标定位方法

本文研究了在海洋波导环境中利用多途时延信息进行水下目标被动定位的方法。理论分析了在等声速理想海洋波导环境中,多途时延信息随时间变化的规律及其与目标运动状态之间的联系。分析结果表明,不需要已知声线类型而仅利用多途时延信息即可实现浅海波导环境中水下目标的被动定位。利用多途时延信息,当有两条声线到达时可以估计运动目标的归一化径向速度;当有三条声线到达时,可实现水下运动目标距离、径向速度的估计。最后利用仿真和实验数据对上述结论进行了验证。     

一种单频水声信号多径时延估计算法

提出一种针对单频水声信号的多径时延估计算法,通过采用频域加权并结合进化规划算法解决代价函数强烈振荡下的高效全局优化.算法引入多径径数建立由多径时延、幅度系数及径数组成的水声信道多径参数模型,在采用频域加权预白化进行非线性最小二乘代价函数解耦处理的基础上,结合进化规划算法进行非线性参数解空间的高效全局寻优,从而实现多径时延的高分辨率估计.利用仿真数据和海上实验数据进行的实验表明,本算法具有较高的多径时延估计精度并可同时实现多径径数的估计.     

互谱域MVDR自适应时延估计方法研究

针对窄带信号,通过构造互谱时间序列,在互谱域建立了平稳时间序列时延估计的最小方差无畸变响应(MVDR)滤波器模型;利用分段近似处理,类比空间MVDR自适应算法,给出了其具体算法(Algorithm of MVDR in cross spectral domain,CSMVDR);进行了数值仿真实验研究和海上实验数据处理。数值仿真与实验数据处理结果初步验证了CSMVDR时延估计对于舰船辐射噪声的适用性,CSMVDR时延估计有比相关检测更好的时延估计性能,能够提高信噪比增益和时延估计精度。     

基于两次谱分析的时延估计方法研究

时延估计是目标定位跟踪系统的关键技术之一,在水声、雷达、声探测等领域广泛应用。时延估计的基本方法是互相关法和相位谱法。互相关法时延估计分辨率与信号带宽近似成反比,因此很难估计多目标时延。相位谱时延估计只能估计单目标时延,并且存在相位解绕问题。本文提出了两次谱分析时延估计方法,即将互功率谱函数再次进行谱估计,二次谱峰值位置间距即为时延估计,这种方法既能够估计单目标时延,又能够估计多目标时延,并且不用相位解绕。仿真计算验证了两次谱时延估计方法的可行性。     

字典奇异值分解加权压缩感知多径信号参数估计

为提高水声信道多径参数估计的分辨率,提出了一种基于字典奇异值分解的加权压缩感知算法。对于有源声呐,根据发射信号构造字典,对字典进行奇异值分解,利用大特征值对应的特征向量构造信号子空间,然后使用信号子空间对接收信号进行滤波。对滤波结果进行加权压缩感知参数估计,得出最终时延估计结果。仿真实验表明,所提方法能够对水声多径参数进行超分辨估计,适用于任何脉冲信号。湖试处理结果显示,混响背景下该方法也有较好的多径参数估计性能,能够降低接收数据的噪声成分,提高对水声信道的多径时延、个数和幅度的估计精度。      

梯度投影最小二乘多途信道实数域高分辨估计方法

为解决水下定位过程中的多途信道高分辨估计问题,文章给出了一种梯度投影最小二乘多途信道实数域高分辨估计方法,不同于频域最小二乘,方法利用时域迭代求解去除了矩阵求逆,降低了计算量,并且能够直接获得高分辨的实数域信道冲激响应。与MUSIC、Richardson-Lucy (RL)以及稀疏贝叶斯(SBL)等几种典型时域高分辨信道估计算法进行对比分析,仿真和实验结果皆表明,文中给出的梯度投影LS算法和SBL算法时延分辨力明显优于MUSIC和RL算法,水池实验结果时延分辨力可达1/(5B)(B为信号带宽)。所提方法幅度衰减估计精度略差于SBL算法。但最小二乘(LS)算法使用过程中不需要预知多途数目,更适用于大时延多途扩展情况,且计算量显著优于SBL算法。     

半经验关系与匹配场联合处理的爆炸声源快速定位

爆炸声源位置的快速准确获取对声源级测量和声传播计算具有重要意义。为了解决利用单一水听器进行爆炸声源定位时难以获得较好的定位效率和精度的问题,提出了一种基于半经验关系与匹配场联合处理的爆炸声源快速定位方法。首先通过爆炸声源满足的半经验关系,对爆炸位置进行预估,缩小匹配参数的搜索范围;同时,在基于多途时延差匹配定位理论的基础上,利用爆炸声源的半经验关系建立联合匹配定位方法,引入气泡脉动周期和冲击波峰值增加匹配物理信息,实现爆炸声源深度和距离精确反演。仿真分析与2013年南海水下爆炸声试验数据分析结果表明,一次气泡脉动周期与多途时延差的联合匹配可提高对爆炸声源深度的估计精度;冲击波峰值与多途时延差的联合匹配可提高对距离的估计精度。额外匹配量的引入减少了估计精度对接收阵元个数的依赖,能够实现用单阵元快速准确地进行爆炸源位置的估计。      

Multipath time delay estimation of underwater acoustic sinusoidal signals

To overcome the performance limitation of multipath time-delay estimation posed by underwater acoustic sinusoidal signals, an approach incorporating the frequency-domain weighting of the highly oscillatory Nonlinear Least Squares （NLS） cost function with the evolu- tionary optimization was proposed to facilitate the accurate estimation of the multipath timedelay of sinusoidal signals. In the described method, the number of the effective multipath signals, which is included into the parameter model as well as the multipath time-delay and amplitude factor, can be estimated simultaneously thus avoiding the requirement of additional computation. The experimental results performed with numerical simulation and sea-trial data are provided, demonstrating the effectiveness and precision enhancement of the proposed algorithm.     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

基于L型延迟阵列调制宽带转换器的信号载频和二维到达角联合估计

针对现有的基于欠采样的频率和二维到达角的联合估计存在结构复杂问题,本文提出了一种基于调制宽带转换器技术的L型延迟阵列接收结构.利用延迟通道与未延迟通道采样值之间的相位差可直接估计载频,进而计算二维到达角,无需额外的参数配对操作,避免了配对步骤引入的误差和复杂度的提升.并结合所提L型延迟阵列结构的特点构造相关矩阵和三线性模型,提出了两种参数估计算法,一种基于旋转不变子空间算法,计算量小,适用于需要实时处理的场景;另一种基于正则分解技术,鲁棒性较好,适用于信噪比较低的应用场景.仿真实验表明该方法能较好地从欠奈奎斯特样本中估计目标的载频和二维到达角参数.     

倒谱在混合模糊图像分析中的应用

降晰参数识别在模糊图像恢复过程中具有很重要的作用。在各种图像捕获系统中,有两种形式的图像模糊比较常见:一种是由光学系统散焦造成的散焦模糊;另一种是物体与照相机之间的相对运动造成的运动模糊。相对单个模糊模型的参数识别来说,混合了散焦和运动模糊的图像,其模糊参数的识别要复杂得多。许多识别方法一般都是用来分析某一特定的模糊模型的,而对两种模糊混合在一起的情况来说是很难区分的。提出了一种倒谱分析方法,在倒谱域同时对这两种模型参数进行识别。在分析过程中,仍需要利用这两种模糊模型在频域的特征,首先应用一些调整性的变换,然后再转换到倒谱域,以便更准确地评估模糊参数。     

A novel modified cepstral based technique for blind estimation of motion blur

In the problem of blind image deconvolution, estimation of blurring kernel is the first and foremost important step. Quality of restored image highly depends upon the accuracy of this estimation. In this paper we propose a modified cepstrum domain approach combined with bit-plane slicing method to estimate uniform motion blur parameters, which improves the accuracy without any manual intervention. A single motion blurred image under spatial invariance condition is considered. It is noted that the fourth bit plane of the modified cepstrum carries an important cue for estimating the blur direction. With the exploration of this bit plane no other post processing is required to estimate blur direction. The experimental evaluation is carried out on both real-blurred photographs and synthetically blurred standard test images such as Berkeley segmentation dataset and USC-SIPI texture image database. The experimental results show that the proposed method is capable of estimating blur parameters more accurately than the existing methods.     

不同模糊尺度下运动模糊方向的鉴别

为了有效减弱高动态环境对图像采集的干扰,利用模糊图像的频谱特性,提出了一种适合不同模糊尺度的运动模糊方向估计方法。该方法对比不同模糊尺度图像频谱中心亮条纹边缘特征的差别,通过计算其曲率半径实现不同模糊尺度图像的量化鉴别,在确定图像模糊尺度的大小之后,分别利用倒频谱、二次傅氏变换对模糊图像频谱中心亮线特征进行提取,考虑图像高宽比、中心十字亮线的不利影响,在二值化处理的基础上剔除十字亮线,通过亮线特征点直线拟合完成模糊方向估计。实验结果表明,该算法能够有效鉴别不同模糊尺度的运动模糊方向,估计精度较其他同类算法更高,相对误差率均小于0.02。