无误差阵列协方差矩阵分离的阵列自校正方法

针对高分辨方位估计方法受阵列幅度相位影响导致性能退化的问题,提出一种无误差阵列协方差矩阵分离的阵列自校正方法。该方法利用协方差矩阵重构方法获取近似无误差阵列的协方差矩阵,以弱化协方差矩阵中的阵列误差,并利用特征结构配置方法求解幅度和相位误差。迭代上述重构方法和特征结构配置方法,实现从未校正阵列的协方差矩阵中分离出无误差阵列的协方差矩阵和幅度相位误差矩阵。仿真结果表明,该方法准确地估计阵列误差,利用重构协方差矩阵进行方位估计能够提高方位估计精度和分辨力。湖试试验结果表明,经阵列校正后,空间中方位角度邻近的声源和干扰目标可被分辨。     

多级恒模阵对目标方位估计性能的实验研究

实验分析了一种重要的盲波束形成算法——多级恒模阵对多个统计独立目标的方位估计性能,并与一些“盲”的和非“盲”的方位估计算法进行了比较。首先考虑了理想的阵列模型。然后在阵元响应中加入阵元幅相误差,通过改变误差的大小,进一步分析了算法对阵列模型误差的稳健性。最后针对不同尺寸接收阵和目标间不同角度间距分别进行了水池实验。计算机仿真实验和水池实验数据处理结果表明:当目标源间统计独立时,多级恒模阵对目标信号的捕获、分离不依赖于阵列流形,可以在盲分离信号的基础上估计出目标方位,角度分辨率不受瑞利限的限制,而且对阵列模型误差具有较好的稳健性。该结果验证了多级恒模阵可以对统计独立的多目标方位进行稳健盲估计。     

多子阵子空间拟合波达方向估计

提出了考虑阵元互耦的子空间拟合波达方向估计方法。用一带状、对称Toeplitz矩阵对均匀线阵的互耦矩阵建模。根据互耦矩阵自由度,去除部分两边阵元,研究了子空间拟合算法中ESPRIT算法的理论性能。在大快拍的情况下,均匀线阵的MCLS-ESPRIT算法的角度估计误差是一个零均值的联合高斯分布,同时给出了分布的协方差表达式。由方差的数值计算可知,在阵元数和信源数确定的情况下,存在估计标准差最小的子阵;与不存在互耦的理想情况相比,除了估计标准差少许增加外,性能接近。本文的方法已应用于高分辨率测深侧扫声呐,获得了好结果。在声呐阵阵元数增加的条件下,用本文的方法,能抑制均匀线阵的互耦的影响。     

利用协方差矩阵拟合的阵列孔径扩展方法

提出了一种协方差矩阵拟合的阵列孔径扩展方法来提高小孔径均匀直线阵的分辨力。该方法分析了具有不同阵元个数的阵列采集信号协方差矩阵之间的关系,并根据该关系构建阵列扩展的优化算法,利用小孔径实际阵列协方差矩阵拟合得到大孔径虚拟阵列的协方差矩阵。仿真分析与湖试数据处理结果表明,将拟合协方差矩阵用于现有方位估计方法中能够降低波束宽度,提高分辨力,并且随着虚拟阵元个数增加,目标分辨概率同步提高。当阵列孔径较小或环境信噪比较低时,本文方法可用于提高方位估计性能。     

基于倾斜阵的距离与方位联合估计*

针对阵列倾斜引起的阵不变量方法定位精度下降的问题,该文结合倾斜阵声源定位的三维模型提出一种基于倾斜阵的距离与方位联合估计算法。该算法通过联合自校正方位距离联合估计方法对阵列倾角在声源-接收平面的投影量进行估计和补偿,改善目标距离估计误差的同时,利用匹配出的阵列倾角投影量反向估计目标方位,获得对声源二维位置的估计。通过仿真验证了该算法能够在阵列倾角较小时实现目标方位与距离的联合估计。     

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。      

柱形障板条件下声矢量圆阵相位模态域目标方位估计

提出了基于横向、纵向和对角排列的声压振速联合处理协方差矩阵构造的相位模态域最小方差无畸变响应(MVDR)目标方位估计方法。该方法利用弹性柱障散射声场模型,根据声矢量圆阵相位模态变换理论,构造声压与不同振速分量的互协方差矩阵,并进行相加、纵向、横向和对角排列得到扩展互协方差矩阵,将扩展互协方差矩阵分解重构后进行MVDR目标方位估计。理论分析与仿真结果表明,纵向排列互协方差矩阵具有更好的方位估计性能,相加互协方差矩阵具有较低的背景谱,对角和横向排列相对纵向排列较差。水池试验和湖试结果进一步验证了纵向排列互协方差矩阵具有较其他3种方法更好的方位估计性能。     

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.     

基于稀疏信号重构的阵元位置误差校正方法

阵元位置误差的存在会严重影响水听器阵列的测向性能,为此在使用阵列之前需对该误差进行校正。针对这一需求,提出了一种对任意阵型适用的高精度阵元位置有源校正方法。结合远场阵列模型以及位置误差"有界"的特点,基于压缩感知理论,将阵元位置估计转化为对稀疏信号的重构过程,建立了阵元位置误差模型,构造了该模型下凸优化函数,并采用l₁-SVD(Singular Value Decomposition,SVD)方法进行求解,同时给出了物理解释和算法实施步骤。计算机仿真表明基于稀疏信号重构的校正方法性能明显高于子空间拟合算法,且性能接近相应克拉美罗下界,对于校正源方位误差有较强的容错能力,不受制于微小误差的假设以及初值的选取。该方法是一种可对阵列中的部分或全部阵元进行校正的高精度、稳健的有源校正算法。      

用多子阵空间互相关矩阵估计合成孔径声呐基阵速度

受接收子阵长度的影响,单纯依靠重叠相位中心的合成孔径声呐(Synthetic Aperture Sonar,SAS)基阵速度估计方法的精度较低。为此,提出一种利用多子阵空间互相关矩阵的方法以提高速度估计精度。通过SAS多子阵回波数据构造空间互相关矩阵(Spatial Mutual Correlation Matrix,SMCM),利用Radon变换和SMCM系数分布精确估计重叠相位中心对直线(Line of Displaced Phase Center Pairs,LDPCP)参数,并利用重叠相位中心对速度关系式估计SAS基阵速度。对高低频SAS试验数据应用的结果表明:该方法可有效地消除接收子阵长度的影响,将基阵速度估计的精度提高3~5倍,满足高频和低频SAS系统成像的要求。      

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.     

DOA estimation for uniform circular array without the source number based on beamspace transform and higher-order cumulant

Fourth-order cumulant is one of most widely used high-order cumulant for direction of arrival (DOA) estimation due to its ability of expanding the virtual array aperture as well as suppressing Gaussian noise. To address the two-dimensional (2D) DOA estimation problem, we propose a modified MUSIC scheme for uniform circular array (UCA) in this paper. Firstly, the fourth-order cumulant of UCA is considered to construct a new propagator, resulting in the elimination of a priori knowledge of the number of signals. Secondly, the UCA is transformed by beamspace transformation, reducing the time computational complexity of the algorithm since the two-dimensional grid search and singular value decomposition are avoided. And finally a low-rank recovery algorithm is adopted to improve the accuracy regarding the limited snapshots scenario. The numerical simulations validate the superiority of the proposed method.     

MIMO声呐的双尺度旋转不变子空间波达方向估计*

为了提高单基地多输入多输出(Multiple-Input Multiple-Output, MIMO)声呐阵列的波达方向(Direction of arrival, DOA)估计性能,提出了双尺度旋转不变子空间(Dual-Resolution Estimation of Signal Parameters via Rotational Invariance Techniques, DR-ESPRIT)算法。结合MIMO阵列虚拟阵列的结构特征,首先利用ESPRIT算法通过各条虚拟线阵内、基线间距不大于半波长的子阵间的旋转不变关系得到无模糊的粗估计结果,之后利用虚拟线阵间、基线较长的子阵间的旋转不变关系得到一组有模糊的精估计结果。参考粗估计结果对精估计结果进行解模糊,最终得到高精度无模糊的角度估计结果。为了降低运算复杂度,利用该思路对降维ESPRIT算法也进行改进,提出了双尺度降维ESPRIT算法。仿真试验首先验证了与传统算法相比,双尺度类DOA估计算法能够有效提高角度估计精度。此外,还分析了MIMO声呐阵列的发射、接收阵元的幅相扰动误差对算法角度估计性能的影响。     

水声正交频分多址上行通信稀疏信道估计与导频优化

针对水声正交频分多址(OFDMA)上行通信中用户导频数量少、分布不均匀, 导致传统内插信道估计方法产生误码平层的问题, 提出一种稀疏信道估计与导频优化方法. 基于压缩感知(CS)理论估计稀疏信道冲激响应, 并依据CS理论中测量矩阵互相关最小化原理, 提出基于随机搜索的导频图案和导频功率联合优化算法. 仿真结果表明, 所提方法在不同多径扩展信道下的性能均优于基于线性内插的最小二乘估计、未经导频优化的CS信道估计以及单纯基于导频图案优化的CS信道估计. 水池实验分别验证了交织式和广义式子载波分配的水声OFDMA上行通信性能, 在接收信噪比高于10 dB时利用所提方法实现了两用户接入的可靠通信.     

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。      

基于互耦补偿策略的IFFT算法及其应用

介绍了一种基于互耦补偿矩阵(MCCM)的迭代快速傅里叶变换(IFFT)技术,并将其应用于宽角度扫描相控阵的低旁瓣综合中。首先,在所提出的综合方法中,将互耦补偿矩阵引入到IFFT技术中以考虑阵元间的互耦效应,使考虑互耦的阵列远场重新满足方向图乘积原理。然后,提出了一款基片集成波导背腔结构的宽波束天线单元,该天线能够同时激励起TE110与TE210两种模式从而展宽其工作频带且具有宽波束性能,并且基于此单元分别建立了阵元数为35,75,100的宽角度扫描相控阵天线。最后,利用所提出的IFFT技术对这三个相控阵进行低旁瓣综合。与基于有源单元方向图遗传算法的对比结果表明,在-60°到60°的扫描范围内均能实现低旁瓣电平,并且IFFT优化算法具有更快的速度。     

基于多途信道的舰船辐射噪声功率谱密度估计*

针对低信噪比下利用单水听器估计辐射噪声功率谱密度精度较差的问题,提出一种基于多途信道传输函数估计的垂直阵测量估计1 m处舰船辐射噪声功率谱密度的方法。该方法将信道传输函数表示为多途路径近场阵列流形向量的叠加,较快地估计了信道传输函数,将其用于舰船辐射噪声功率谱密度估计,可较简便地估计距声中心1 m处辐射噪声的功率谱密度,即谱源级。分析了产生功率谱密度估计误差的原因,包括信道估计误差和环境噪声引起的误差,为降低估计误差提供了理论依据。仿真结果表明,该方法估计1 m处辐射噪声功率谱密度的性能良好。     

拖曳阵被动合成孔径目标深度稳健估计

使用水下无人平台作为载体的拖曳阵进行被动目标深度估计具有灵活性高和隐蔽性好的优点,针对实际应用中存在的平台自噪声和阵列瞬时随机加速度扰动问题,提出了一种稳健的目标深度估计方法。该方法分为三个步骤,首先对阵元接收信号进行自适应噪声抵消和相位抖动滤波,然后对声压进行距离积分实现简正波模态估计,最后计算模态匹配度,最大值对应的深度为目标深度估计结果。仿真表明在干扰背景下该方法的目标深度估计稳健性优于传统方法,声源频率、合成孔径距离和信干比决定了目标深度估计误差。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。     

Array Shape Estimation Using Partitioned Eigenstructure Method with Sources in Unknown Localizations

Advanced array processing approaches require accurate knowledge of the location of individual element in a sensor array. Most array shape estimation methods require the directions of sources. In this paper, an array shape estimation method based on eigen-decomposition is presented. The directions of sources do not need to be considered in advance and optimal array shape is generated through a series of iterations. To further improve the accuracy of this algorithm, a partitioned eigenstructure method is introduced. Numerical simulations using non-partitioned and partitioned method are conducted to verify the performance of the proposed technique.