一种深度学习的立体阵波达方向估计方法

针对常规波束形成主瓣宽且目标分辨能力低的问题,提出一种基于深度卷积神经网络的波达方向估计方法。算法使用常规波束形成计算二维空间功率谱,将预处理后的空间功率谱图输入深度卷积神经网络。该文利用神经网络学习解卷积映射关系,输出主瓣宽度更窄的空间功率谱图,从而实现高分辨率二维波达方向估计。该算法对阵列结构没有限制,适用于立体阵。仿真结果表明该文方法在不同目标个数、快拍数及信噪比参数下均能准确估计目标方向。该文方法目标分辨能力优于常规波束形成方法。在低快拍情况下,目标方向估计误差低于自适应波束形成方法。     

一种基于声矢量传感器阵的宽带源二维波达方向估计算法

提出一种基于声矢量传感器阵的宽带源二维波达方向估计算法,在宽带相干源条件下实现了二维波达方向估计参数的自动配对。克服了通常声矢量传感器阵波达方向估计中存在的谱峰搜索和参数配对问题。分析表明:该算法能够可靠判定目标源的个数,具有较高的估计精度;不受目标波达方向角度间存在兼并(入射源含有相同的方位角或俯仰角)的影响;当存在阵列误差时,算法的稳健性好。     

有源声呐中的改进加权自适应高分辨距离估计方法

为提高有源声呐对目标回波亮点的距离分辨能力,提出了一种改进加权自适应高分辨距离估计方法,所提方法功率谱中的权值矩阵可采用3种形式:第1个元素为残差平方和其余为0的对角阵、单位阵、残差平方和构成对角阵,采用不同参考子带高阶线性预测的调和平均构造功率谱表达式,避免了距离维自适应方法功率谱中的低阶线性预测。通过数值仿真和水池试验对所提方法与距离维自适应方法进行了比较研究,结果表明所提方法在接近的计算量下获得较优的距离分辨能力。      

基于矢量化差分相位的单分布源解耦二维波达方向估计

在分布源(包括相干分布源和非相干分布源)的二维波达方向估计中,均匀圆阵由于可实现全方位测角、具有较高的分辨率,得到了广泛的应用,然而现有的估计算法均需要谱峰搜索和特征值分解,复杂度较高.针对此问题,考虑单个相干分布源或非相干分布源入射两种情况,提出了一种基于矢量化差分相位的解耦二维波达方向快速估计算法.该算法首先基于空间频率近似模型,证明了任意单个分布源入射时,均匀圆阵中不同阵元接收信号间的差分相位均不受角度扩展参数的影响;基于此特性,通过获取差分相位即可实现中心波达角的解耦合;接下来,提取采样协方差矩阵的严格上三角元素相位,即对应于各阵元间的差分相位,并进行矢量化处理,最终将波达方向估计问题转化为一个最小二乘问题,从而直接得到闭式解,避免了谱峰搜索和特征值分解运算,大幅度降低了复杂度.理论分析和仿真实验表明,所提算法具有较高的估计精度,并且无需角信号分布的先验信息,同时具备较低的计算复杂度和硬件复杂度,有利于复杂环境下阵列测向等工程实践.     

Legendre函数加权的声纳宽频带恒定束宽波束特性分析*

为了处理水声信号,声纳阵列通常需要形成宽频带恒定束宽的波束。采用两种阵元加权方法分析二维圆弧形恒定束宽换能器声纳阵列:球面Legendre函数加权方法和柱面Legendre函数加权方法。分别对球面阵、柱面阵和平面阵这三种几何结构的声纳阵列进行分析,并且计算波束宽度和波束方向。结果表明,在宽频带范围内,除了柱面Legendre函数加权的球面阵之外,其余Legendre函数加权的声纳阵列均能利用简单的、不随频率变化的阵元权重和阵元延时,形成恒定束宽的波束,并且具有较小的旁瓣,此外波束方向与预设方向也较为一致。相对于其他恒定束宽波束形成方法,Legendre函数加权方法能利用较低的计算复杂度来实现良好的宽频带恒定束宽的波束特性。     

快速收敛最小方差无畸变响应算法研究及应用

常规最小方差无畸变响应(MVDR)自适应波束形成是一种高分辨窄带波束形成器,它是利用实际声场的窄带互谱密度矩阵(CSDM)估计出自适应波束形成权向量。在实际应用中,MVDR算法需要较长的观测时间估计协方差矩阵,不利于对高速运动目标进行定位;对于宽带目标信号,MVDR算法需要对每一个CSDM进行求逆运算,计算量较大;在相干源条件下,目标信号之间会发生"对消"现象,MVDR算法性能急剧恶化。本文提出了基于子带子阵处理的快速收敛MVDR自适应波束形成方法。首先将全频带划分成一组子带,将接收线阵划分成一组子阵,然后对每一子带计算降维的驾驶协方差矩阵(STCM),从而得到快速收敛MVDR自适应波束形成的权值和空间谱估计结果。同时采用双向空间平滑方法对相干源进行MVDR空间谱估计。仿真和海试数据处理结果表明该算法在保证高分辨力的同时,具有瞬时收敛的性能,双向空间平滑技术具有良好的解相干性能。      

一种高效的自适应波束域变换方法及应用研究

波束域变换将阵元域数据投影到一个低维的波束域空间, 不仅能够减小信号处理算法的运算时间, 提高算法性能, 还能够抑制干扰. 本文针对常规自适应波束域变换方法需要在线调整波束变换矩阵、更新波束域导向矢量由此导致实时实现困难的问题, 提出一种高效的自适应波束域变换方法. 该方法将波束域协方差矩阵与导向矢量均表示成不依赖自适应波束变换矩阵的闭合形式, 省去在线调整与更新过程, 使运算效率得到了显著提高. 最后将该方法应用到波达方向(DOA)的估计之中, 仿真研究表明, 本文方法获得了比常规自适应方法更好的DOA估计性能. 此外, 本文方法还具有另一个非常突出的优点, 即它可以有效抑制运动强干扰. 这是因为本文方法无需训练波束变换矩阵, 其当前运算结果与历史快拍数据无关, 这样可以有效避免常规自适应方法中因目标运动所导致的训练数据与应用数据失配的问题.     

双基地多输入多输出虚拟阵列的稳健低旁瓣波束优化技术

双基地多输入多输出(MIMO)系统需要对目标的波达角和波离角进行二维估计,针对高分辨算法中阵列协方差矩阵处理运算量大以及估计性能对阵列流形失配敏感的缺陷,提出了一种基于二阶锥规划的抗阵列流形失配的双基地MIMO虚拟阵列波束优化算法.该方法利用MIMO的波形分集技术与双基地的目标定位解算,通过波达角和波离角在双基地定位椭圆上的对应关系,将双基地MIMO的二维合成方向矢量转化为一维的虚拟阵列流形,并证明了双基地MIMO虚拟阵列的波束图等效为发射波束图在接收阵角度域上的响应和接收波束图的合成.在优化波束图旁瓣的同时,该算法兼顾了固定方向上的相干干扰抑制,并提高了双基地MIMO虚拟阵列波束优化抗阵列流形失配的能力.通过波束图和方位谱优化的仿真分析和水池试验,验证了算法的有效性.     

低复杂度的MIMO声呐协方差矩阵重构方法*

多输入多输出声纳在对目标进行测向时会产生复杂的运算量,从而降低算法的测向效率。针对这一问题,提出了一种基于降维变换方法的低复杂度协方差矩阵重构方法。该方法能够抑制噪声,提高目标侧向性能。首先利用降维变换方法对接收信号进行波束形成,获得低维度的协方差矩阵,再对矩阵进行Toeplitz处理,抑制矩阵的相干性。所得到的新的协方差矩阵,通过特征分解获得噪声子空间和信号子空间,利用MUSIC方法进行测向。为了进一步降低运算复杂度,利用阵型所满足的旋转不变性,可以采用ESPRIT算法对目标进行波达方向估计。理论分析和实验结果表明,该方法有效降低了运算复杂度,提高了算法的测向性能。在有限快拍数的情况下,与传统测向方法相比,具有运算速度快,目标分辨力强的特点。     

基于波束-波数域非相干匹配的浅海运动声源深度估计方法

浅海波导运动声源定位研究中,在声源距离未知时估计声源深度一直是个具有挑战性的问题.现有深度估计方法对声源未知初始距离敏感,且要求声源运动形成的水平合成孔径长度远大于模态干涉长度.针对这两个问题,本文提出一种基于波束-波数域非相干匹配的浅海运动声源深度估计方法,首先将垂直阵接收声压数据在深度和水平合成孔径方向分别进行波束形成变换到波束-波数域,波束-波数平面的峰值幅度仅包含与声源深度有关的模态激励,峰值位置与模态传播角和水平波数相对应;然后,在波束-波数平面内提取各峰值幅度,并与拷贝计算的模态深度函数进行非相干匹配,实现声源深度估计.所提方法在波束-波数二维平面内进行模态分离,消除了声源距离相关项,提高了模态分辨能力,可在声源初始距离未知和水平合成孔径长度小于模态干涉长度的情况下实现声源深度估计.仿真和SWellEx-96实验数据处理结果验证了所提方法的优越性能.     

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。      

一种稳健的柔性阵波束形成方法

由于航向、航速的改变以及水流、风浪等因素的影响,柔性线列阵在实际应用过程中阵型畸变是不可避免的。一方面,这种畸变使得许多假设阵型无畸变的波束形成方法的性能受到严重的影响;另一方面,目前很多的阵型估计方法仍不是很成熟,很难准确估计阵元的实际位置。本文提出将柔性阵列分为一段阵元位置已知的子阵和若干段阵元未知的子阵,利用不同子阵接收信号的互相关即可获得所需要的波束形成加权系数,从而在不需要知道阵元确切位置信息的情况下实现目标方法的估计。     

水平线列阵方位—相速度联合的卡尔曼滤波方法*

传统的水下被动测向方法通过波束形成估计目标角度,水平线列阵波束形成中的参考声速应使用声传播的相速度,在被动测向中,由于声源距离未知,因此在对目标角度估计时选取的参考声速与接收阵处的相速度往往存在偏差,从而影响测向精度。本文提出了一种水平线列阵方位-相速度联合的纯方位扩展卡尔曼滤波方法,该方法引入相速度作为估计状态量以此校准参考声速,提高测向精度,进而改善了由于测向误差较大引起的纯方位扩展卡尔曼滤波算法跟踪结果发散的问题。浅海传播条件下的数值仿真结果表明,改进方法较常规纯方位扩展卡尔曼滤波算法具有更高的跟踪精度及稳健的跟踪性能。     

二维解卷积波束形成水下高分辨三维声成像

针对水下三维成像的空间分辨率难以提高,且具有较高旁瓣级的问题,提出了一种二维解卷积波束形成高分辨三维声成像算法,该算法首先完成任意距离切片的平面阵波束形成,近场情况下采用菲涅尔近似实现近场平面阵波束形成,然后通过二维解卷积技术对任意距离切片的二维波束形成结果进行解卷积处理,去除阵列指向性函数的影响,改善波束响应非理想冲击函数所造成波束形成主瓣宽及旁瓣级高的问题。通过计算机仿真分析,新算法可以有效的提高水下三维成像的空间分辨率,抑制旁瓣级,并能够在较宽频带和不同阵列孔径内保持与常规波束形成相当的稳定性。通过试验研究,新方法比常规波束形成实际目标成像分辨率提高一倍,最高旁瓣级下降20 dB,验证了该算法在实际系统中的有效性.      

利用导向向量旋转和联合迭代优化的自适应波束形成算法研究

针对大型阵列中自适应波束形成技术的实时性和鲁棒性问题,基于最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成的信号模型框架,提出一种通过对导向矢量进行处理以降低干扰的自适应波束形成算法——稳健联合迭代优化-导向自适应(Robust Joint Iterative Optimization-Direction Adaptive,RJIO-DA)算法。在联合迭代优化的基础上,将降维变换矩阵的每一个列向量看作独立的方向向量,引导子空间内每一个维度上的权值迭代,同时旋转导向向量,减小了由于导向误差的不确定性而导致的性能下降。仿真实验结果表明,与现有的降维算法相比,RJIO-DA算法计算复杂度低、收敛率高、鲁棒性好,可在期望方向上稳健地聚集波束,更好地形成干扰方向的自适应零陷。      

Direction of arrival estimation for underwater acoustic target based on compressed sensing after blind reconstruction of array signal in frequency domain

The performance of direction of arrival(DOA) estimation based on compressed sensing(CS) decreases in the complex ocean marine environment.In order to tackle this problem,a method of DOA estimation for underwater acoustic target based on CS after blind reconstruction of array signal in frequency domain is proposed.Firstly,the received array data are transformed to frequency domain by Fourier transform and frequency domain wideband signal are divided into part overlapping multiple sub-band array signal.Secondly,each subband array signal are separated using plural blind source separation(BSS) method,the sub-band separated matrix and target signal can be estimated.Thirdly,the array signal in frequency domain are reconstructed according to the separated matrix and separated signals which were not noises.Fourthly,the sub-band spatial spectrum corresponding to the reconstructed array signal is obtained by CS beamforming method.Finally,the total spatial spectrum is achieved by summing the all sub-band spatial spectrum.And the target direction can be estimated by searching the peak value of the total spatial spectrum.The verification results of simulator data and sea measured data show that,under the same conditions,the target detection ability and direction precision of the proposed method is superior to the classical minimum variance distortionless response(MVDR) method,frequency domain CS method,BSS combined with MVDR method.The spatial spectrum energy of faint target signal is improved obviously,and the ability of the sonar to detect faint target is enhanced.     

Active control of passive acoustic fields: passive synthetic aperture/Doppler beamforming with data from an autonomous vehicle

The maneuverability of autonomous underwater vehicles (AUVs) equipped with hull-mounted arrays provides the opportunity to actively modify received acoustic fields to optimize extraction of information. This paper uses ocean acoustic data collected by an AUV-mounted two-dimensional hydrophone array, with overall dimension one-tenth wavelength at 200-500 Hz, to demonstrate aspects of this control through vehicle motion. Source localization is performed using Doppler shifts measured at a set of receiver velocities by both single elements and a physical array. Results show that a source in the presence of a 10-dB higher-level interferer having exactly the same frequency content (as measured by a stationary receiver) is properly localized and that white-noise-constrained adaptive beamforming applied to the physical aperture data in combination with Doppler beamforming provides greater spatial resolution than physical-aperture-alone beamforming and significantly lower sidelobes than single element Doppler beamforming. A new broadband beamformer that adjusts for variations in vehicle velocity on a sample by sample basis is demonstrated with data collected during a high-acceleration maneuver. The importance of including the cost of energy expenditure in determining optimal vehicle motion is demonstrated through simulation, further illustrating how the vehicle characteristics are an integral part of the signal/array processing structure.     

基于压缩感知的矢量阵聚焦定位方法

本文针对噪声源近场定位识别问题,利用声源分布在空间域具有稀疏性,在压缩感知理论框架下建立了新体系下的矢量阵聚焦波束形成方法,用于解决同频相干声源的定位识别问题.新方法可在小快拍下准确获得噪声源的空间位置,且不损失对噪声源贡献相对大小的评价能力.通过详细的理论推导、仿真分析和试验验证,证明了基于压缩感知的矢量阵聚焦定位新方法本质上实现了l1范数正则化求解下的波形恢复和空间谱估计,因此具有较高的定位精度,较强的相干声源分辨能力、准确的声源贡献相对大小评价能力以及较高的背景压制能力,可应用于水下复杂噪声源的定位识别.     

基于遗传算法的传声器阵列位置有源校正研究

传声器阵列的位置误差会导致高精度定位应用场景中算法性能下降,为解决这一问题,该文提出了一种二维平面传声器阵列位置参数的有源校正方法.在校正声源位置已知的情况下,利用各阵元间的到达时间差均方误差之和最小化作为优化目标设计代价函数,根据遗传算法搜索阵列真实位置的全局最优解,从而估计得到传声器阵列的准确位置信息.仿真与半消声...