单矢量水听器稀疏近似最小方差方位估计算法

针对单矢量水听器海上目标探测问题,利用稀疏近似最小方差(Sparse Asymptotic Minimum Variance,SAMV)算法进行目标方位估计,该算法利用单矢量水听器自身具有阵列流形的特点,将整个扫描空间离散化,目标方位分布于某一离散方向位置上,利用空间信号的稀疏性可提高目标方位估计性能。仿真结果表明,SAMV算法在各信噪比条件下方位估计噪声背景级明显优于常规波束形成(Conventional Beam Forming,CBF)算法和最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法,当信噪比大于0dB时,该算法测向结果均方根误差小于2°,且SAMV算法具有更好的空间方位分辨能力。消声水池和海上声学浮标海上试验数据处理结果表明,SAMV算法给出了噪声背景级更低的目标方位历程图,有效验证了SAMV算法对海上目标的探测性能及其有效性。      

应用稀疏表示的宽带相干超分辨方位估计方法

针对无源声呐中宽带相干处理对邻近弱目标分辨能力仍不足的问题,提出一种相干聚焦后稀疏空间谱求解的宽带超分辨方位估计方法。首先将不同频点数据相干聚焦到参考频点,构成多测量矢量稀疏求解问题,然后采用二阶锥规划内点算法进行稀疏空间谱拟合,实现了宽带弱目标超分辨方位估计。仿真试验结果表明,该方法在弱目标分辨和方位估计精度方面优于宽带非相干和相干信号子空间高分辨处理方法。32元拖曳阵海试数据的处理结果验证了该方法的优越性能,同时说明了该方法在无源声呐探测中应用的可行性。     

应用稀疏表示的宽带相干超分辨方位估计方法

针对无源声呐中宽带相干处理对邻近弱目标分辨能力仍不足的问题,提出一种相干聚焦后稀疏空间谱求解的宽带超分辨方位估计方法。首先将不同频点数据相干聚焦到参考频点,构成多测量矢量稀疏求解问题,然后采用二阶锥规划内点算法进行稀疏空间谱拟合,实现了宽带弱目标超分辨方位估计。仿真试验结果表明,该方法在弱目标分辨和方位估计精度方面优于宽带非相干和相干信号子空间高分辨处理方法。32元拖曳阵海试数据的处理结果验证了该方法的优越性能,同时说明了该方法在无源声呐探测中应用的可行性。      

基于粒子群优化的空间邻近目标红外超分辨算法

空间邻近目标的存在对红外传感器的信号处理提出了超分辨的新要求。通过对红外焦平面的目标成像进行建模,推导了基于最小二乘准则的超分辨目标函数,针对传统最优化方法,对起始估计位置要求高、对高维目标函数计算复杂的缺点,引入粒子群优化算法,优化超分辨目标函数,联合估计出目标在红外焦平面的投影位置和辐射强度,实现对空间邻近目标的红外超分辨。结果表明,在模型最小二乘准则下,基于粒子群优化的超分辨算法性能优于传统的最陡下降法,具备更强的超分辨能力。     

混合1范数与全变分约束下的海底目标探测

提出了一种以1范数与全变分的加权和作为正则项的方位估计算法,该算法通过1范数稀疏约束来获得高分辨能力,采用全变分约束来加强目标边缘特征并提高其内部的平滑性,在提高方位分辨率的同时,改善了对方位扩展目标估计性能。在宽带条件下对算法进行了扩展,将接收信号在频域分频后的子频带变换回时域,再在时域上使用窄带算法进行处理,这样避免了时域分段处理造成的时间分辨力的损失。结合了海底探测场景进行了仿真实验验证,结果显示,所提算法的探测结果不仅获得了方位分辨率提升,而且总平方误差小于目前常见的同类算法。因此,在对海底大型方位扩展目标的探测当中,通过在稀疏优化类方位估计方法中加入全变分约束能够保持目标的结构特征,有效提升探测性能。     

基于稀疏重构的空间邻近目标红外单帧图像超分辨方法

针对现有算法难以利用单帧红外图像实现空间邻近目标(CSO)的超分辨问题,提出了一种基于稀疏重构理论的单帧超分辨方法。该方法充分利用了目标在焦平面阵列(FPA)分布的稀疏性以及光学系统点扩展函数(PSF)的结构特性,通过对FPA离散化网格采样构造稀疏量测模型,并将建立的1范数正则化问题转化为二阶锥规划问题求解;然后针对稀疏度过估计的重构结果,采用贝叶斯信息准则(BIC)实现模型选择,最终获得对目标个数和位置的准确估计。多组仿真场景验证了算法的有效性和超分辨能力;相比于已有算法,所提算法不仅提高了分辨正确率和位置估计精度,同时大幅缩减了计算耗时。     

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。      

采用条件波数谱密度函数的宽带高分辨方位谱估计算法

针对宽带高分辨方位估计存在方位估计偏差大、算法复杂度高等问题,提出了一种基于条件波数谱密度(Conditional Wavenumber Spectral Density based,CWSD-based)的宽带高分辨方位谱估计算法.该算法利用条件波数谱密度将阵列信号转换到频率-波数空间,宽带信号能量在该空间的坐标呈现与入射角相关的线性分布,通过借鉴直线检测原理,实现邻近目标的高分辨方位估计,且无需预估角度和信源数等信息。仿真结果表明,该算法理论分辨率与处理最高频率成反比,估计均方误差约为0.1°,对阵形畸变鲁棒,运算效率高。海上试验数据表明,本文方法在方位分辨率、弱目标检测、非目标向噪声抑制、稳健性等方面都优于宽带常规波束形成和最小方差无畸变算法,在实际海洋中可实现超低旁瓣高分辨波达方向估计。      

水声信号稀疏重构的高阶累积量波达方向估计

高阶累积量具有高斯噪声抑制和阵元扩展特性,将高阶累积量引入水声信号的方位估计中,提出了离格稀疏贝叶斯学习重构的高阶累积量测向算法。该方法利用高阶累积量对高斯噪声的自然盲性,计算阵列信号四阶累积量来滤除高斯噪声,使阵元在原来的结构上扩展了一倍;并构造出选择矩阵剔除了四阶累积量中的冗余项,能再一次的扩展阵元,得到的新观测模型具有更好的统计性能;最后利用空域稀疏性,推导出四阶累积量下的离格稀疏表示模型,采用贝叶斯学习解算出源信号的最大后验概率,实现了目标方位估计。数值仿真和海试实验数据表明,该方法在相邻声源方位间隔为4°的情况下分辨概率可达到95%以上,在信噪比大于-5 dB时目标方位估计的均方根误差在1°以内,可显著抑制背景噪声干扰,在多声源密集分布条件下也能准确、稳健的对水声目标方位进行估计。      

基于基追踪去噪的水声正交频分复用稀疏信道估计

针对传统的l₂-范数信道估计精度低的问题, 提出了一种基于基追踪去噪(BPDN)的水声正交频分复用稀疏信道估计方法, 该方法针对水声信道的稀疏特性, 利用少量的观测值即可以很高的精度估计出信道冲激响应. 与贪婪追踪类算法相比, 基于BPDN算法的稀疏信号估计具有全局最优解, 采用l₂-l₁范数准则估计信号, 同时考虑了观测值含噪情况, 通过调整正则化参数控制估计信号稀疏度和残余误差之间的平衡. 仿真分析了导频分布、正则化参数等对BPDN 算法的影响以及BPDN算法与最小平方(LS)、正交匹配追踪(OMP)信道估计算法的性能. 湖试结果表明, 在稀疏信道下, 基于BPDN的信道估计方法明显优于LS和OMP信道估计方法.     

声矢量圆阵相位模态域目标方位估计

为了实现矢量传感器在圆阵阵型下的应用,文中提出了一种适合于声矢量圆阵的目标方位估计算法。该算法首先将声矢量圆阵阵元域信号分解为一系列相互正交的相位模态,在相位模态域构造声压和质点振速的互协方差矩阵,然后进行MUSIC方位估计.理论分析和仿真结果表明,文中算法比相同阵型的声压阵MUSIC方位估计算法具有更好的噪声抑制能力、方位估计性能以及多目标分辨能力,试验结果也表明本文算法具有更好的噪声抑制能力以及更好的目标方位估计性能。该算法实现了声压和质点振速的相干处理,充分利用了声矢量传感器的平均声强抗噪原理,具有较强的抗各向同性噪声能力,并可以将子空间类DOA(Direction of Arrival)估计算法和相位模态域阵列信号处理技术有机结合起来,实现了声矢量传感器在圆阵阵型条件下的高分辨DOA估计。      

浅海低频长线阵声源方位估计*

浅海大孔径水平阵信号估计近端射的低频声源方位时, 常规波束形成会产生明显的波束偏移和分裂现象, 从而造成单声源方位估计偏差。针对这一问题, 提出一种基于块稀疏压缩感知的声源方位估计方法。根据简正模理论, 将水平阵接收声场表示为方位角空间的块稀疏信号模型, 并通过块正交匹配追踪算法进行方位估计。仿真和2011年北黄海实验数据结果表明所提块正交匹配追踪方法可实现浅海波导环境下低频近端射的单个声源方位的准确估计。     

结合盲源分离的非直单线阵多目标左右舷分辨

针对单线阵左右舷模糊问题,提出了结合盲源分离的非直单线阵多目标左右舷分辨算法。该算法首先通过离散傅里叶变换将阵列接收信号离散化为若干个窄带频谱分量,之后对每个频点的窄带数据讲行盲源分离,得到每个频点上各个来波信号的导向向量;然后通过常规波束形成对各个导向向量进行方位谱估计,并根据左右舷抑制比进行单目标左右舷分辨,确定各个频点上的来波方向;最后对所有频点上的来波方向进行聚类,得到各个真实目标的方位,从而实现多目标左右舷分辨。仿真实验中,相比常规波束形成方法(CBF)和最小方差无畸变响应算法(MVDR),该算法更准确地估计出了目标数目,且保持了较快的计算速度;海试数据处理中,该算法排除了目标镜像的干扰,准确估计出了船只目标的轨迹。仿真及海试数据处理均表明,该算法可以分辨真实目标与目标镜像,具有比CBF和MVDR算法更好的左右舷分辨能力。      

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。      

瞬态信号的小波变换波达方向估计

针对瞬态信号方位估计问题,提出了基于连续小波变换的多重信号分类测向算法(CWT_MUSIC)。首先由信号特征确定小波尺度参数,构造Morlet小波,对信号进行小波变换,利用获得的小波变换系数建立多分辨时频阵列信号模型,并据此模型设计基于子空间的MUSIC算法以实现瞬态信号的波达方向估计;然后对该算法的多分辨与误差性能进行分析,最后仿真实验和实际爆炸试验验证了所提出的CWT_MUSIC算法能有效地提高空间谱的分辨率和DOA估计性能。     

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。     

块稀疏水声信道的改进压缩感知估计

压缩感知信道估计可利用信道稀疏特性提高估计性能,但对于具有典型块稀疏分布的水声信道,经典的l₀或l₁范数无法很好地描述块稀疏特性。利用水声信道块稀疏分布规律特性提出一种能够识别块稀疏结构的块稀疏似零范数,并在稀疏恢复信道估计算法中引入块稀疏似零范数约束项,进一步推导了复数域块稀疏似零范数恢复迭代算法,该算法通过对块稀疏似零范数进行梯度下降迭代并将梯度解投影至解空间来获得水声信道的块稀疏似零范数估计。数值仿真和海上水声通信实验结果表明该算法相对经典的稀疏信道估计算法有较明显的性能改善。通过算法推导、仿真和实验可获取结论:利用水声信道的块稀疏特性进行压缩感知重构可有效提高信道估计性能。      

运动小孔径水平基阵估计目标深度

针对浅海动态声场,基于简正波模型提出了一种利用运动小孔径水平基阵估计目标深度的方法。通过合成孔径算法将运动小孔径水平基阵扩展成虚拟的大孔径水平基阵,利用稀疏近似最小方差准则可以在相对较小的合成孔径上估计各阶简正波模态能量,不同深度的模态匹配度由Camberra距离的负指数度量,目标深度估计结果是模态匹配度最大值对应深度。数值仿真与实验结果表明,在简正波声场结构基础上,声源频率越低则实现目标深度估计需要的合成孔径距离越小,当声源与阵列端射方向成一定角度时,对所需合成孔径的影响与其相对速度变化时的影响相同,在典型浅海水平分层波导中,当单阵元输入信噪比为10 dB时,准确估计200 Hz和350 Hz声源的深度,分别要求合成孔径大于12倍和16倍波导深度。利用实验数据验证了该方法对水下低频线谱声源的深度估计能力。      

交叉验证多路径匹配追踪水声矢量阵稀疏方位估计

水下运动目标的高分辨DOA估计和目标的左右舷分辨问题一直是水声阵列信号处理中的一个核心问题。矢量阵相比于声压阵具有天然的左右舷分辨能力和更高的处理增益,近年来得到了广泛关注。Capon等一些传统高分辨处理方法存在不能解相干源、需要多快拍处理以及对阵列流行误差敏感等多种问题。针对水声阵列信号处理领域面临的以上问题,利用声呐工作场景中空间目标的稀疏性,本文提出了一种基于交叉验证技术的多路径匹配追踪（Multiplepath Matching Pursuit with Cross Validation,CV-MMP）声矢量阵稀疏DOA估计算法。该算法采用交叉验证技术可以在未知场景中目标个数的条件下实现稀疏DOA的估计,相比于常规的声矢量阵Capon算法而言,可以在小快拍数甚至单快拍数条件下实现多目标的稀疏DOA估计以及高分辨能力。仿真和海试试验数据处理验证了提出的算法的有效性。      

频域单快拍压缩感知目标方位估计和信号恢复方法

方位估计和信号恢复分别是水下目标定位、跟踪和目标识别的前提。提出了一种阵列频域单快拍压缩感知的水下目标方位估计和信号恢复方法。首先将阵列接收数据变换到频域,取频域单快拍数据作为压缩感知的测量值,然后根据频域快拍对应的频率、搜索方位和阵列流形构造过完备的阵列流形矩阵作为压缩感知的感知矩阵,最后通过基追踪算法估计搜索方位上目标信号和功率,实现DOA估计与信号恢复。宽带仿真实验数据验证结果表明,同等条件下完成同样的目标方位分辨,提出的方法比最小方差无失真响应方法要求的阵元数和快拍数较少,要求的信噪比更低,恢复的目标信号更加准确,波形相关系数达到89%以上。海上实验数据处理结果表明,目标检测能力优于最小方差无失真响应方法,证明该方法可以适用于实际声呐系统。