基于矢量水听器阵列空域预滤波处理的多重信号分类算法研究

矢量水听器能同时拾取声压和振速信息,在相同的信噪比、阵元数及阵列孔径下,矢量阵定向性能优于声压阵列。目前,以多重信号分类算法(Multiple signal classification,MUSIC)为代表的高分辨定向算法已经广泛应用于矢量水听器阵列中。但是随着信噪比降低、信号源方位间隔减小,传统MUSIC算法定向精度及分辨概率显著下降。本文采用最小二乘法设计适用于矢量水听器水平阵列的矩阵空域滤波器,用于阵列数据的空间滤波预处理,可以对阻带扇面噪声进行有效抑制。由滤波后的数据协方差矩阵可以得到新的噪声子空间,在传统MUSIC算法基础上修正通带扇面内阵列流型的畸变后即可得到滤波后MUSIC算法的方位谱。仿真结果表明,当信噪比较低时,改进算法有效提高了通带扇面内目标方位分辨性能。最后本文对四基元矢量水平阵列海试数据进行了处理,改进算法对窄带信号定向较常规算法-3 dB束宽减小了13°,旁瓣级降低约8 dB。对有一定带宽的行船辐射噪声定向处理得到了更加精确的航迹图,海试数据处理结果证明了该算法的可行性和有效性。     

一种声矢量阵子空间拟合算法及其矩阵预滤波器设计

为了减少矩阵预滤波器通带响应畸变程度,提出了一种基于阻带约束通带最大k个误差范数和(k为约束点的数目)最小化准则的矩阵预滤波器设计方法,通过使通带内最大的k个响应误差范数和最小化,减少了通带响应畸变程度。同时针对声矢量阵方位估计算法计算量过大的问题,提出了一种基于矩阵预滤波的声矢量阵子空间拟合算法,通过对声矢量阵声压、振速信号子空间进行联合处理,将预滤波矩阵和拟合子空间矩阵均减少为M×M维(M为阵元数),从而减少矩阵预滤波器设计和方位搜索所需时间。仿真结果和分析表明该算法性能和预滤波MUSIC算法相当,但在计算量上有较大优势,矩阵预滤波方法能抑制阻带干扰,提高后续算法的分辨和估计性能。      

单矢量水听器估计目标方位的方法与实验

为评估基于单矢量水听器的方位估计能力,在黄海海域对矢量水听器进行实验。矢量水听器吊放于接收船尾部,采用平均声强器和复声强器方位估计方法,并提出以概率密度值最大的方位角作为目标方位估计值的具体处理准则,对恒定方向、匀速行驶的目标船方位进行估计,并求出两种方法的方位估计误差。结果表明,水听器布放深度10 m时,对正横距离为0.42 km的航速10 kn的目标船,平均声强器方法的水平方位角估计误差18°,极角估计误差为5°,可以在离目标船最远1.17 km处估计其方位;复声强法的水平方位角估计误差为13°,极角估计误差为8°,可以在离目标船最远2.35 km处估计其方位。在有接收船的噪声干扰情况下,复声强器比平均声强器方法估计的方位更准确,可以对更远处的噪声源进行方位估计。     

压差式矢量水听器方位估计中的干扰抵消

矢量水听器由于能获取声场中标量（声压）和矢量（振速）信息，因此单个的矢量水听器就可实现目标方位估计。单个矢量水听器是利用信号的声压和质点振速之间相关性进行信号方位估计，但是当存在干扰，并且干扰和信号之间相关时，如果对运用能量流进行方位估计的方法不加改进，则会出现很大的误差，甚至出现错误的估计。本文提出一种存在已知噪声干扰情况下的干扰抵消方法，并针对该方法进行了仿真试验，最后运用湖试数据进行了验证。结果表明，该方法能有效地减弱相千千柑对信号的影响，实现对信号的方位估计。     

单矢量水听器加窗直方图算法目标探测性能分析*

单个矢量水听器直方图算法具有良好的鲁棒性和目标方位估计性能,该文对直方图算法目标探测性能进行了分析和总结,并提出了一种基于目标方位估计的水中目标自主探测与跟踪算法,该算法可实现水中目标有无自主检测。仿真和消声水池测试结果表明,直方图算法实现目标自主跟踪所要求的信噪比需大于-7 dB,此时测向误差约为8°,-3 dB方位谱宽度在20°左右。海上试验数据分析表明,直方图算法对航速8.4 kn的水面航船在距离13.8 km范围内,可实现全程目标探测和跟踪,测向误差最优可达5?,在距离2 km时-3 dB方位谱宽度可达10°左右。     

单矢量水听器的组合二阶统计量解卷积方位估计

提出了一种单矢量水听器组合二阶统计量的解卷积方位估计方法。该方法利用单矢量水听器多通道的二阶统计量,组合成一种主瓣更窄且平移不变的波束图,再使用解卷积方法进行精细化方位估计。该方法具有较窄的主瓣宽度,较高的分辨力和较强的鲁棒性。仿真实验和海试数据表明,在矢量水听器各通道响应不一致的非理想条件下,所提方法的双目标分辨力和方位估计精度优于多重信号分类(MUSIC)等其他方法,双目标方位分辨力提升约40%。     

矩阵空域预滤波目标方位估计

提出了基于矩阵空域预滤波处理的目标方位估计新方法。通过设计一个空域的矩阵滤波器对传感器阵列数据进行矩阵处理,抑制阻带扇面的干扰与噪声,且尽量保证让通带扇面的信号无失真通过。由于该空域滤波器的输出仍为阵元域数据,因此可以很方便地在很多阵列信号处理算法之前通过增加空域预滤波处理来达到抑制空间干扰、提高系统处理能力的目的。文章通过目标方位估计的具体实例来说明矩阵空域预滤波处理对系统性能的改善作用。计算机仿真和实测数据处理结果表明,矩阵空域预滤波处理有效地抑制了空间干扰与噪声,提高了方位估计算法对感兴趣扇面目标的方位分辨与估计性能。此外,仿真结果表明采用分扇面空域预滤波处理方法,使基阵具有了分辨多于阵元数目信号源的能力。     

矢量水听器垂直阵列数据融合高分辨方位估计算法

为了实现矢量水听器垂直阵列对目标的高分辨方位估计,提出了基于MUSIC子频带最优加权数据融合方法。该方法采用MUSIC算法对划分的各窄带信号进行方位估计,并在各子频带对多基元方位估计结果进行最优加权最小二乘融合处理,最后通过加权直方图统计法得到最终方位估计结果。对算法进行的仿真及海上试验数据处理结果表明:本文算法在方位估计精度、方位估计正确概率、多目标分辨以及对噪声子频带的抑制能力方面都优于单个基元MUSIC以及多基元复声强器融合算法。      

矢量水听器垂直阵列数据融合高分辨方位估计算法

为了实现矢量水听器垂直阵列对目标的高分辨方位估计,提出了基于MUSIC子频带最优加权数据融合方法。该方法采用MUSIC算法对划分的各窄带信号进行方位估计,并在各子频带对多基元方位估计结果进行最优加权最小二乘融合处理,最后通过加权直方图统计法得到最终方位估计结果。对算法进行的仿真及海上试验数据处理结果表明:本文算法在方位估计精度、方位估计正确概率、多目标分辨以及对噪声子频带的抑制能力方面都优于单个基元MUSIC以及多基元复声强器融合算法。     

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     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。     

解卷积的多重信号分类算法方位谱低背景处理方法

针对信噪比较低时,多重信号分类(Multiple Signal Classification,MUSIC)算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法(Deconvolvecd MUSIC,D-MUSIC)。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散射函数(Point Scattering Function,PSF),然后基于解卷积图像复原理论,利用该点散射函数和RichardsonLucy(R-L)迭代算法对MUSIC算法的方位谱进行解卷积,获得D-MUSIC算法的方位谱,达到降低方位谱背景级的目的。仿真表明,该方法继承了MUSIC算法的高分辨性能,且可以明显降低方位谱的背景级,具有较好的方位估计性能。对南海海上试验的水平阵数据进行处理,分析比较了利用MUSIC算法和解卷积MUSIC算法获得的方位谱时间历程图,分析结果有效验证了D-MUSIC算法性能的优越性。      

A subspace fitting algorithm of acoustic vector sensor array and corresponding matrix pre-filter design

In order to ease the pass-band response distortion of the matrix pre-filter,a simple approach for designing matrix spatial filter is proposed,which minimizes the sum of the k maximal distortion norm（k is the number of the constraint points）within the pass-band,while constraining the filter response within the stop-band.Considering the costly amount of calculation of the high-resolution methods,an algorithm with small amount of calculation based on matrix pre-filtering and subspace fitting using acoustic vector array（MF-VSSF）is proposed.Through joint processing of signal subspace of both pressure and particle velocity,the pre-filtering matrix and the signal subspace is decreased to M-dimensional（M is the number of array-element）,hence reduces the time-consumption of the matrix pre-filter design and DOA searching.Simulation results show that,the method offers the same performance as MUSIC with pre-filtering,but has much lesser amount of calculation.Moreover,the designed prefilter can efficiently suppress the interference in the stop-band and improve the estimation and resolution performance of successive DOA estimators.     

Direction-of-arrival estimation for co-located multiple-input multiple-output radar using structural sparsity Bayesian learning

This paper addresses the direction of arrival(DOA) estimation problem for the co-located multiple-input multipleoutput(MIMO) radar with random arrays. The spatially distributed sparsity of the targets in the background makes compressive sensing(CS) desirable for DOA estimation. A spatial CS framework is presented, which links the DOA estimation problem to support recovery from a known over-complete dictionary. A modified statistical model is developed to accurately represent the intra-block correlation of the received signal. A structural sparsity Bayesian learning algorithm is proposed for the sparse recovery problem. The proposed algorithm, which exploits intra-signal correlation, is capable being applied to limited data support and low signal-to-noise ratio(SNR) scene. Furthermore, the proposed algorithm has less computation load compared to the classical Bayesian algorithm. Simulation results show that the proposed algorithm has a more accurate DOA estimation than the traditional multiple signal classification(MUSIC) algorithm and other CS recovery algorithms.     

矢量阵MUSIC空间谱方位估计性能的实验研究

为了检验矢量阵MUSIC空间谱方位估计算法的性能,进行了三元矢量阵的外场试验,对比了MUSIC空间谱估计以及常规波束形成的性能。实验结果表明,相对于矢量阵常规波束形成技术,MUSIC空间谱对目标的方位估计性能得到很大提高。而且,当空间严重降采样时, MUSIC空间谱表现出较强的栅瓣抑制能力,能够在全空间范围内对目标无模糊定向。     

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。      

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。     

Spatial time-frequency DOA estimation based on joint diagonalization using Jacobi rotation

Direction-of-arrival (DOA) estimation consists of locating closely spaced sources impinging from different directions in the presence of considerable noise or interference. Recently, this problem has been solved using spatial time-frequency distribution (STFD) information that is available in the array signals. In this work, a new joint diagonalization approach based on Jacobi rotation, which can efficiently combine all of the relevant STFD points, is proposed to achieve superior DOA resolutions and suppressed sidelobes in the spatial spectrum. It is discovered that our proposed Jacobi technique leads to a non-orthogonal joint diagonalization structure and can avoid pre-whitening the signal component of the observation. In addition, we further adopt the minimum variance distortionless response (MVDR) processor instead of the MUltiple SIgnal Classification (MUSIC) algorithm to avoid the estimation of the signal subspace and noise subspace in the time-frequency DOA domain. Finally, computer simulations of several frequently encountered types of challenging scenarios (such as low SNR and coherent arrivals) show that significant improvements are achieved by our proposed approach in comparison to the existing techniques.