一种快速稀疏贝叶斯学习的水声目标方位估计方法研究

针对以具有时序结构的稀疏贝叶斯学习(Temporally multiple sparse Bayesian learning,TMSBL)为重构算法的水声目标DOA (Direction-of-arrival)估计方法存在运算速度慢的问题,结合块稀疏贝叶斯学习(Block-spare Bayesian learning,BSBL)理论框架下DOA估计模型与特点,采用MacKay提出的定点方法(Fixed-point method)对TMSBL算法中的核心超参量进行求解,提出一种快速的水声目标方位估计稀疏贝叶斯学习的方法,该方法具有运算速度快,重构概率高的特点,并通过实验仿真从运算时间、失败率和均方根误差等方面与TMSBL算法进行比较,验证了该方法的可行性与有效性。      

分布式压缩感知麦克风阵列多声源方位估计*

麦克风阵列已被广泛应用于音/视频会议等人机交互领域中时,多声源应用场景对声源方位估计性能提出了更高的要求。压缩感知(CS)声源定位算法将声源定位问题转化为信号的稀疏重构问题,相比传统的定位算法如相位变换加权（SRP-PHAT）和时延累加定位（DS）能够获得较高的定位性能,但多声源的存在一定程度上降低了稀疏程度,影响了CS重构性能。考虑到传统的CS定位算法并未利用多个连续语音帧之间声源空间向量的共同稀疏性,提出采用分布式压缩感知（DCS）理论以改善多声源的稀疏恢复估计的性能。仿真和实验结果表明,相比于传统定位算法和CS-OMP算法,DCS-SOMP算法在不同信噪比和不同声源强度的环境中,对多声源的方位估计都具有更好的定位性能和定位稳健性。     

On fast estimation of direction of arrival for underwater acoustic target based on sparse Bayesian learning

The Direction of Arrival(DOA) estimation methods for underwater acoustic target using Temporally Multiple Sparse Bayesian Learning(TMSBL) as the reconstructing algorithm have the disadvantage of slow computing speed.To solve this problem,a fast underwater acoustic target direction of arrival estimation was proposed.Analyzing the model characteristics of block-sparse Bayesian learning framework for DOA estimation,an algorithm was proposed to obtain the value of core hyper-parameter through MacKay's fixed-point method to estimate the DOA.By this process,it will spend less time for computation and provide more superior recovery performance than TMSBL algorithm.Simulation results verified the feasibiUty and effectiveness of the proposed algorithm.     

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。      

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。      

分块稀疏信号1-bit压缩感知重建方法

1-bit压缩感知理论指出:对稀疏信号进行少量线性投影并对投影信号进行1-bit量化,该1-bit信号包含足够的信息,从而能对原始信号进行高精度重建.然而,当信号难以进行稀疏表达时,传统1-bit压缩感知算法无法精确重建原始信号.前期研究表明,分块稀疏模型作为一种特殊的结构型稀疏模型,对于难以用传统稀疏模型进行表达的信号具有较好的表达作用.本文提出了一种针对分块稀疏信号的1-bit压缩感知重建方法,该方法利用分块稀疏的统计特性对信号进行数学建模,通过变分贝叶斯推断方法进行信号重建并在光电容积脉搏波(photoplethysmography)信号上进行了实验验证.实验结果表明,与现有1-bit压缩感知重建方法相比,本文方法重建精度更高,且收敛速度更快.     

一种快速水声目标波达方向估计方法

以基追踪为重构算法的水声目标波达方向估计方法在实际的应用中往往运算速度较慢,针对这一问题,在分析水声目标空间稀疏特性的基础上,结合压缩感知理论框架下波达方向估计的特点,提出一种快速水声目标波达方向估计方法。该方法通过逐步减小逼近参数的方式来得到l₀范数最优解,实现水声目标信号的波达方向估计。通过计算机仿真从成功率、运算时间、分辨角度等多个方面与基追踪算法进行比较分析,实验表明:在成功率和分辨角度上所提出算法与基追踪算法性能相当,但运算时间却仅仅是基追踪算法的1/11。      

Direction of arrival estimation and signal recovery based on single snapshot compressed sensing in frequency domain

Direction of arrival(DOA) estimation and signal recovery is the base of the underwater target localization,tracking and recognition.Based on the compressed sensing theory,a method for DOA estimation and source signal recovery is proposed using the single snapshot processing of the received array signal in frequency domain.The received array signal are transformed to frequency domain,and the single snapshot data in frequency domain are regarded as the measured data of the compressed sensing.According to the frequency,searching orientation and array manifold,the overcomplete array manifold is constructed as the sensing matrix of the compressed sensing.Both the target signal and power of the searching orientation are estimated by the basis pursuit method to complete DOA estimation and signal recovery.Simulation results show that the proposed method has a number of advantages over the minimum variance distortionless response(MVDR) method,including improved robustness to noise,fewer requirement in number of sensors and snapshots.And the correlation coefficient of the signal reaches up to 0.89.Experiment results in real environments verify that the proposed method performs more effectively in the detection of weak targets than the MVDR method and can be applied to real sonar system.     

宽带双曲调频信号参数化时频分析波达方向估计

针对有源探测或脉冲侦查中双曲调频信号的波达方向估计问题,提出了基于参数化时频变换(PTFT)的多重信号分类(MUSIC)测向算法,简称PTFT-MUSIC算法。该算法由发射信号确定针对双曲调频信号的参数化变换核,对接收信号进行频域参数化时频变换,利用获得的时频分布建立阵列信号时频分布模型,并以此模型设计基于时频分布矩阵的MUSIC算法以实现双曲调频信号的波达方向估计。通过仿真和实验对该算法的估计误差和多目标分辨性能进行了分析,仿真和海上实验结果表明:相比现有的时频MUSIC算法,PTFT-MUSIC算法能有效提高空间谱分辨率和波达方向估计性能,同时该算法拥有对特定调频信号筛选性,结合时频域滤波算法能有效抑制相干直达波干扰,应用于多基地声呐系统时有效提高了声呐定位性能。     

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。      

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.     

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。      

混合稀疏水声信道的动态区分性压缩感知估计

由于水声传播过程中同时存在声信号直达、静态或动态边界反射的现象,水声信道会呈现不同动态特性的多径,形成具有混合稀疏的结构,即多径由静态或相对缓变的平稳多径分量和快速时变的动态多径分量混合组成。对于混合稀疏信道,经典的稀疏信道估计算法未考虑混合稀疏性,将导致算法失配、性能下降;以时变稀疏集为模型,动态压缩感知(DCS)结合卡尔曼滤波(KF-CS)可提高对时变多径分量的估计精度,但KF对静态稀疏分量的估计无法充分挖掘其稀疏性。通过将混合稀疏水声信道建模为由静态和时变支撑集所组成的稀疏集,提出一种动态区分性压缩感知(DDCS)方法。该算法首先结合同步正交匹配追踪(SOMP)和正交匹配追踪(OMP)将混合稀疏多径进行区分,分解为静态分量和时变分量;然后,分别用KF-CS和同步正交匹配追踪算法估计时变和静态多径的幅度;最后,将静态分量和时变分量的估计结果整合以得到整个水声信道的冲激响应。通过海试实验把所提DDCS算法与经典信道估计算法、压缩感知算法和DCS算法进行了比较,验证了所提算法的有效性。结果表明,对混合稀疏水声信道进行区分性稀疏估计可改善信道估计性能,进而可通过信道估计均衡器提升水声通信质量。      

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。      

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。     

一种改进的稀疏近似最小方差DOA估计算法研究

针对稀疏信号的超分辨方位估计问题,提出一种可变因子的稀疏近似最小方差算法(α-Sparse Asymptotic Minimum Variance,简记为SAMV-α)。该算法利用一个折衷参数进行最大似然估计值和稀疏性能的折衷处理,在迭代过程中改变稀疏近似最小方差算法(Sparse Asymptotic Minimum Variance,SAMV)的指数因子,得到强稀疏性能和超低旁瓣的方位谱图,实现邻近目标的超分辨方位估计和相干处理性能,且无需预估角度和信源数目等先验信息,并且折衷参数的取值为0到1之间,取值区间明确,避免了稀疏信号处理算法中正则因子选取困难的弊端。计算机仿真表明SAMV-α算法方位估计性能明显优于波束扫描类算法和子空间类算法,与同类型稀疏信号处理类算法相比仍具有较高的方位估计精度,同时对于邻近声源分辨能力,SAMV-α算法较SAMV-1算法性能提高约3dB。海上试验数据处理给出了分辨率更高的方位时间历程(Bering-Time Recording,BTR)图,有效验证了SAMV-α算法的性能。      

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。      

环境扰动约束下的稀疏贝叶斯定位方法

针对匹配场被动定位技术对海洋环境扰动敏感的问题,提出了一种基于稀疏贝叶斯学习的稳健匹配场处理方法。该方法通过分析环境扰动情况下的声场构成,建立了海洋环境扰动模型,同时结合水下定位问题的稀疏性,将匹配场被动定位问题表述为稀疏信号重构问题。然后,使用稀疏贝叶斯学习方法迭代更新目标位置及模型失配权向量,收敛至最优稀疏解作为目标定位结果。最后使用仿真数据和北厄尔巴岛的海试数据对算法进行了验证,仿真和实验结果表明:该算法在海洋环境模型失配情况下也能够准确定位,且能分辨水平间距为100 m的两个目标。因此,基于稀疏贝叶斯学习的稳健匹配场处理方法能够有效利用海洋环境扰动声场结构和水下定位稀疏特性,以增强匹配场处理的稳健性和定位精度,并且具有应对多源定位问题的能力。      

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。