双侧回波联合的合成孔径声呐运动补偿算法

利用单侧回波可估计合成孔径声呐基阵的斜距误差,但无法区分横荡误差和升沉误差。针对此问题,提出了一种双侧回波联合的运动补偿方法。该方法首先根据双侧基阵运动误差的几何关系,建立了双侧基阵的运动误差模型,再结合偏移相位中心算法估计基阵的横荡误差和升沉误差,最后利用所估计的运动误差对不同掠射角上的回波进行运动补偿。仿真结果表明:该方法能精确估计双侧基阵的运动误差,其估计值与实际值的偏差为10-4 m左右,估计结果的标准差接近克拉美罗下界;对回波进行运动补偿后,能获得比基于单侧回波运动补偿方法更好的成像效果。水下球串目标的湖试数据的成像结果显示,与基于单侧回波的运动补偿方法相比,所提方法能更好地抑制图像的散焦现象。      

一种适用于大测绘带合成孔径声呐的运动补偿方法

当合成孔径声呐测绘带较大时,运动误差的空变效应严重,经典的相位中心重叠算法难以适用。为此,提出了一种适用于大测绘带合成孔径声呐的运动补偿方法。首先使用混合调制的拉格朗日时延估计算法对前后两帧回波的时延进行估计,之后使用线性回归方法拟合出运动误差,最后利用运动误差的估计值对回波进行逐点精确补偿。仿真数据的结果表明,该算法能够获得比相位中心重叠算法更好的运动估计结果,运动补偿后成像分辨率接近理论分辨率。使用该算法分别对高、低频合成孔径声呐的湖试数据进行了处理,水下地貌和小目标的成像质量均有明显提高。      

结合稳健中国余数定理的合成孔径声呐多子带运动补偿算法

针对运动误差过大导致基于相位的时延估计发生模糊的问题,提出了一种多子带处理和稳健中国余数定理结合的合成孔径声呐运动补偿方法。该方法利用前后两帧回波在多个子频带上的相位差获得模糊时延估计,再根据模糊时延之间的关联性,应用稳健中国余数定理估计真实的时延,最后通过所估计的时延对原始回波进行校正。湖试数据处理结果表明该方法能精确补偿运动误差对成像的影响,进行运动补偿后,包裹目标成像结果的方位向虚假目标被有效消除,且目标的轮廓也变得更加清晰;对线缆目标的成像结果进行斜距向剖面分析,剖面图的-3 dB宽度由运动补偿前的9.05个像素点缩小为运动补偿后的2.06个像素点,线缆目标的聚焦程度明显增强。      

脉冲压缩与互相关联合的合成孔径声呐回波时延补偿

针对合成孔径声呐中阵元相位不一致导致互相关时延补偿算法对成像质量提升效果有限的问题,提出了一种脉冲压缩与互相关联合的回波时延补偿算法.该算法利用脉冲压缩回波的互相关对原始回波相位畸变进行校正,实现粗补偿;联合脉冲压缩与偏移相位中心算法实现精细时延补偿,对不同合成孔径位置各阵元回波时延差实现了较为准确的估计,增强了成像效果。试验数据经该算法处理后,回波时延得到较为精确的补偿,地貌成像结果的亮度、对比度等统计特性得到不同程度的提高,且纹理细节增多;典型线缆目标的成像聚焦加深,成像长度误差约由5%减小为0.8%。试验结果显示,该算法对互相关时延补偿方法改进效果明显,验证了算法的可行性、有效性。      

基于Nelder-Mead单纯形法的逆合成孔径激光雷达联合补偿成像算法

逆合成孔径激光雷达(ISAL)的调制信号具有高频率、大带宽的特性,使传统逆合成孔径雷达的"一步一停"模型不再适用。通过建立精确的ISAL成像模型,分析了ISAL成像过程中存在的平动误差、转动误差和模型误差。针对传统ISAL采用平动、转动分离补偿时,由于平动误差补偿存在残余误差而影响转动误差补偿的问题,因此提出基于Nelder-Mead单纯形法和拟牛顿法的联合补偿成像算法。该算法首先采用Nelder-Mead单纯形法对目标运动参数进行优化迭代搜索,将得到的优化解作为运动补偿项对三类误差进行全局补偿,然后利用拟牛顿法补偿残余误差。仿真实验结果表明,与传统分离补偿算法相比,本文算法可以精确估计目标的运动参数,获得聚焦良好的高分辨率ISAL二维图像。     

结合Sage-Husa滤波的合成孔径声呐多传感器组合运动补偿算法

在运动测量设备噪声统计特性不确定的情况下,提出结合Sage-Husa滤波的合成孔径声呐多传感器组合运动补偿方法。使用Sage-Husa卡尔曼滤波处理多种异类运动传感器的数据,自适应估计声呐速度的最优值,计算实际航迹与理想航迹之间的横荡误差和升沉误差,最后通过时延校正原始回波数据。仿真结果表明,Sage-Husa滤波对运动误差估计精度至少提高37%,运动补偿后,目标峰值旁瓣比和积分旁瓣比有所降低,峰值旁瓣比接近理论值.湖试数据处理结果表明,目标能量分散的情况有所改善,能量集中在主瓣,散焦得到抑制。Sage-Husa滤波在多传感器系统噪声先验知识缺失的条件下,能减小运动数据估计误差,提高运动补偿的准确性。      

基于时延和相位估计的合成孔径声呐运动补偿研究

合成孔径声呐成象的难点之一在于孔径上载体的运动不稳定性影响了合成孔径上水听器接收的信号的相干性,其结果将导致图像的畸变和分辨率的降低。首先讨论了运动误差对合成孔径声呐(SAS)成像的影响及运动补偿的必要性。在分析位移相位中心运动补偿法的基础上,提出了一种改进算法。该方法首先估计时延,然后再对剩余误差进行相位估计,从而扩大了算法适用的运动误差范围。文中给出了利用该方法的计算机仿真结果和部分水池实验结果,从结果可以看出,该方法有效地修正了在合成孔径上由于介质和载体不稳定带来的不相干性,提高了成像的质量。     

进行子阵加权波束形成的波达方向估计

针对水声信道的多径效应以及海底散射信号信噪比低导致方位估计性能较差的问题,提出了一种基于子阵加权波束形成的UESPRIT算法(Weighted Beamspace UESPRIT Based on Subarrays,BS-BUESPRIT)。首先利用密集波束域转换矩阵估计回波信号的方位谱,进而估计同一时刻到达阵列的回波数目;之后将均匀线阵分为多个尺寸相同、相互重叠的子阵,利用加权波束形成对各子阵接收信号做指定方向的空域滤波;最后基于各子阵波束形成后的输出结果,利用UESPRIT算法实现回波方向的估计。仿真和湖试、海试试验结果表明,与UESPRIT算法相比,BS-BUESPRIT算法提高了信号波达方向估计性能,在多径和较低信噪比条件下有着更高的估计精度,应用于高分辨率测深侧扫声呐时有效地提高了声呐的测深性能。      

机动目标逆合成孔径激光雷达成像算法

针对逆合成孔径激光雷达对机动目标成像时,其回波信号存在距离向色散和方位向多普勒时变的问题,在建立机动目标精确回波信号模型的基础上,提出一种基于积分立方次相位函数-分数阶傅里叶变换的成像算法.在距离压缩时,首先采用积分立方次相位函数快速估计出回波脉冲的调频率,进而在最佳旋转角下采用分数阶傅里叶变换实现距离像压缩,消除距离色散.经过运动补偿后,在方位压缩时结合积分立方次相位函数-分数阶傅里叶变换与Clean技术实现对每一距离单元上强弱散射点的分离成像,解决由于机动运动产生的方位多普勒时变而形成的图像散焦问题.最后,通过散射点模型的仿真实验,验证了所提方法的有效性.     

用于浅海有源声呐目标深度估计的匹配相位处理EI北大核心CSCD

针对浅海波导中有源声呐目标深度估计问题,提出了通过单个声源发射低频宽带信号,垂直双接收水听器接收目标回波,利用宽带目标回波比值的相位特征进行匹配相位处理的方法,不仅消除了目标散射特性对有源声呐目标深度估计的影响,而且仅需计算单程的信道传递函数,运算量小,有利于实时处理的实现需求。首先通过理论推导,定义了一个隐含目标深度、且与目标散射特性无关的声场特征——单程传播向量宽带干涉结构,在Pekeris波导条件下仿真分析了简正波阶数与单程传播向量宽带干涉结构的幅度和相位的关系,发现选取较多的简正波阶数贡献的单程传播向量宽带干涉结构进行匹配相位处理可以提高目标深度估计的性能。进一步仿真分析表明,在发射信号选取一定的时间长度和带宽的条件下,利用全部阶简正波且信噪比大于-10 dB时,方法的深度估计误差在5 m之内。最后分析了信号时间长度和处理带宽对有源声呐目标深度估计性能的影响,以及海底声速、海深和声速剖面失配时方法的鲁棒性。     

High-resolution angle-Doppler imaging by sparse recovery of underwater acoustic signals

The low resolution of Fourier two-dimensional spatial temporal spectrum estimation and the insufficient sample size of sonar space time sampling data often caused difficulties in high-resolution space time spectrum estimation. Aiming to solve this problem, we proposed a high-resolution angle-Doppler imaging method and designed an anti-reverberation space time filter based on the sparse recovery of underwater acoustic signals. The proposed imaging method established the spatial temporal sparse representation model of array signal under the condition of few observation samples of single measurement vector(SMV), and reconstructed the high-resolution angle-Doppler profile of echo and reverberation through the matching pursuit(MP) algorithm and basis pursuit(BP) algorithm. By utilizing the space time distribution characteristics of echo and reverberation and the prior information of sonar rangecell under test(RUT), a reverberation dictionary composed of special space time guidance vectors was designed, and was used to reconstruct the reverberation and formed an anti-reverberation space time filter to suppress the reverberation interference of angle-Doppler plane. Computer simulations indicated that, under two conditions of forward and side-view array of moving sonar, the single measurement vector of sonar array was successfully used in the reverberation background to reconstruct the high-resolution angle-Doppler profile of low-speed moving target multi-spot echo. Its frequency resolution had a better performance than the Fourier resolution and the angle resolution broke through the Rayleigh limit of the array, the resolution was obviously superior to the Fourier space time spectrum estimation.     

方位和径向速度联合的浅海目标运动分析方法

提出了一种利用目标方位和径向速度联合的浅海目标运动分析方法。该方法克服了传统纯方位目标运动分析方法要求观测站机动的局限性。将浅海传播条件下径向速度的宽带和窄带估计结果与目标方位相结合,利用卡尔曼滤波原理得到了一种目标跟踪定位方法。仿真结果表明,在观测站非机动和低信噪比情况下,该方法利用单个观测站即能够对宽带或窄带的运动目标进行准确地跟踪定位。利用1996年5月的实验数据对算法性能进行了验证,估计结果与真实目标距离符合较好,距离跟踪误差在10%以内。      

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。     

相关测速声呐阵元坐标估计算法研究

针对相关声呐接收阵元实际坐标与设计坐标不一致引起的测速误差,提出阵元坐标估计算法,以提高相关声呐的测速准确度。基于混响时空相关函数模型,对相关测速声呐时空相关函数特性进行了理论分析,提出了选择用延时0处的数据空间相关函数与理论空间相关函数进行阵元坐标估计的局域最小二乘拟合算法,并采用序列二次规划法解决了阵元坐标估计算法的最优化问题。海上试验数据的处理结果表明,该算法可以对阵元坐标进行有效估计,使用估计的阵元坐标后,相关测速声呐测速准确度提高了67%。      

矢量声纳高速运动目标稳健高分辨方位估计

针对水声矢量信号处理框架中的高速运动目标低信噪 比小快拍条件下的稳健高分辨方位估计问题, 将压缩感知技术应用于水声矢量信号空间谱估计模型中. 结合声矢量传感器结构特性, 探讨了基于声压振速联合处理的广义时域滤波方法; 结合矩阵空域预滤波理论, 设计了基于阻带约束通带均方误差最大值最小的空域滤波器, 研究了矢量声纳空域预滤波方法; 结合以上分析, 提出了基于压缩感知技术的时空联合滤波高分辨方位估计方法, 给出了方法的数学模型、物理解释及具体实施步骤.理论分析和计算机仿真试验表明, 新方法对于小快拍数 条件下的矢量声纳高速运动目标高分辨方位估计问题, 具有较低的双目标分辨门限和较高的估计精度, 有着良好的应用前景.湖上试验验证了方法的有效性. 关键词： 声矢量传感器 空间谱估计 时空滤波 压缩感知     

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.     

卷积神经网络主动目标方位估计

复杂海洋环境中信道的传输特性、时空变化、频散效应等一定程度上制约了主动声呐目标方位估计的性能。该文引入卷积神经网络(CNN),提出了适用于主动声呐中目标方位的高精度估计方法。仿真声场环境为浅海负梯度,主动发射信号为具有多普勒不变性质的双曲调频信号,水平线列阵作为接收装置,目标按仿真路线运动。该文利用Kraken进行声场数据仿真,并对接收的信号在频域做均匀加权常规波束形成,进而进行卷积神经网络的模型训练和测试。数值仿真研究表明,该文所用方法可以有效估计目标波达方向,对信噪比具有一定的鲁棒性。