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。     

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。     

声场空间相关对基于子空间的高分辨率空间谱估计的影响

分析了海洋波导中阵列各阵元接收信号相关起伏情况下,基于平面波假设的目标方位估计方法面临的问题。对于窄带均匀直线阵,利用共轭对称Toeplitz矩阵的性质,分析了由于海洋波导中声场相关弓l起的目标“分裂”现象,即阵列接收到的信号可以分解为若干个平面波入射信号迭加的形式。进一步分析了目标“分裂”导致真实目标个数估计困难,基于特征分解的高分辨率空间谱可能会出现虚假谱峰的现象。     

稀疏矢量阵信号栅瓣及对称伪峰干扰抑制

稀疏矢量阵进行宽带信号处理时,强目标的栅瓣及对称伪峰会干扰弱目标的检测,提出了一种基于理论干扰预测的加权抑制方法。方法利用矢量阵波束形成先获得强目标的波达方向(Direction Of Arrival,DOA)信息以及目标所在方位各频率的幅度谱信息,再利用理论计算公式获得强目标的栅瓣和对称伪峰角度上对应的各频率点的幅度谱强度信息,通过在方位、频率维度加权的方式对强目标的栅瓣和伪峰干扰进行抑制,来改善在强干扰下的弱目标检测能力。方法也适用于多目标情况,对各个目标依次使用,减少多目标时栅瓣和对称伪峰对方位历程的影响,净化了时间方位历程图。对所提方法给出了理论推导过程并进行了仿真和实验验证,实验结果验证可行。结果表明,新方法可以有效地抑制强目标的栅瓣和对称伪峰干扰,提高弱目标的检测能力,此外,净化后的时间方位历程图更利于弱目标检测和目标数量的估计。      

基于数据协方差矩阵重构的MIMO声纳DOA估计

实际多输入多输出(MIMO)声纳系统由于环境或人为因素,可能出现部分阵元失效,从而导致阵列自由度减少、方位估计精度下降。本文提出了一种数据协方差矩阵重构方法,该方法基于差分阵列性质,利用正常工作阵元的协方差矩阵元素来恢复失效阵元的矩阵元素,获得满秩的数据协方差矩阵,从而恢复到全阵元MIMO声纳的阵列自由度。与已有方法相比,降低了计算复杂度。仿真及海试实验数据处理结果表明,本文所提的数据协方差矩阵重构方法能够恢复因部分阵元失效而丢失的阵列自由度,应用于方位估计中,所能分辨的最大目标数与全阵元相同。     

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。     

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。      

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。     

观测平台转向时稀疏贝叶斯学习方位估计

针对观测平台转向时固定安装于其上的声呐线列阵指向快速变化导致的空间谱谱峰变宽问题,提出一种稀疏贝叶斯学习方位估计方法。该方法利用大地坐标系下不同接收快拍中的空域稀疏信号具有相同先验分布的特性,将转向过程中多个阵列指向分别对应的接收快拍信息联合处理,以求得目标方位。仿真分析与海试数据处理显示出,所提方法可以获得谱峰较尖锐的空间谱,具有较高的测向精度和角度分辨力,此外,对由左右舷模糊引起的伪峰有较强的抑制效果。所得结果表明,所提方法可以有效解决谱峰变宽问题,提升了平台转向时的方位估计性能,同时有效地利用阵列指向的变化提高了线阵抗左右舷模糊能力。      

基于多重信号分类法的一种声矢量阵方位估计算法

为了提高声矢量阵高分辨方位估计的性能,文中提出了一种矢量阵MUSIC方位估计算法.该算法先构造声矢量阵声压和振速组合输出的互协方差矩阵,然后进行MUSIC方位估计.理论分析和计算机仿真表明,文中算法比传统声矢量阵MUSIC方位估计算法有更好的双目标分辨能力和弱目标方位估计能力,湖试结果也表明文中算法有更好的目标方位估计性能.该算法基于矢量传感器声压和振速的相干性原理,充分利用声压振速组合指向性抗干扰能力,可以更好地抑制各向同性干扰,提高阵列的处理增益,从而有更好的方位估计性能.     

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。      

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。     

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。      

螺线空间阵性能研究

为使水下测试声阵拥有较强的抗干扰能力,常要求阵列具有较低的旁瓣。该文提出了一种螺线空间阵设计方法,可利用螺线结构的空间稀疏分布特性,大幅降低体积阵的旁瓣高度,提高对水下目标的方位估计能力。文中给出了螺线空间阵的构造方法和阵元坐标参数,并与圆柱阵、双锥阵等常规体积阵进行了指向性、方位估计能力、阵增益的对比,仿真结果表明螺线空间阵在水平方向上的指向性旁瓣最低、最平坦,对目标进行方位估计时的伪峰高度最低,目标的方位估计能力相比双锥阵、圆柱阵提升显著。     

波束域加权子空间拟合算法

将阵元域高分辨加权子空间拟合算法（ＷＳＦ算法）推广到了波束域中,利用声系统接收基阵波束输出信息估计目标方位．由于波束输出可以看作是,一个阵元数为波束个数的虚拟阵的阵元输出,而在大多数的水声系统中,参与确定某个来向的信号方位的波束数通常远小于阵元数,从而算法的运算量得以大大降低。针对某水声系统接收基阵波束输出所作的计算机仿真结果表明,波束域ＷＳＦ算法应用到实际的水声系统时,可以保持其在阵元域中估计目标方位的优越性能。     

一种加权稀疏约束稳健Capon波束形成方法

为了克服标准Capon波束形成器旁瓣级高以及存在角度失配时性能急剧下降等缺点, 在稀疏约束Capon波束形成器的基础上, 提出了一种加权稀疏约束Capon波束形成器. 该方法利用波束响应的稀疏分布特性, 在标准Capon波束形成优化模型中加入旁瓣区域波束响应稀疏约束(l₁ 范数约束), 使旁瓣区域波束响应向量中非零元素的个数最小化; 通过阵列采样数据协方差矩阵特征分解得到信号子空间及噪声子空间, 利用信号子空间与噪声子空间的正交特性, 构造加权矩阵对稀疏约束进行加权, 使得稀疏重构时波束响应向量中不同角度对应的元素得到不同程度的约束. 该方法有效地抑制了Capon波束形成器的高旁瓣级, 加深了干扰方位零陷, 提高了阵列输出信干噪比. 由于稀疏约束, 波束响应向主瓣集中, 期望信号方向附近的波束响应都较大, 从而也提高了阵列抗导向矢量角度失配的能力. 数值仿真和水池实验验证了所提方法的有效性.     

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.     

存在通道幅相与互耦两种误差的均匀圆环阵流形曲线拟合方法

针对实际装配后均匀圆环阵的阵列流形向量偏离理论值的问题,提出一种利用单声源从不同方位入射阵列时的阵列幅度相位响应拟合阵列流形模型的算法。考虑阵列存在通道幅度相位一致性偏差和阵元间互耦作用,导出阵列幅度相位响应与流形误差参数的关系式,利用互耦矩阵在模态域可与阵列流形分离的特性,将关于误差参数的关系式降次为线性方程组,再联合多个方位对误差参数做最小二乘估计。对于只存在其中一种误差的特例情况,给出了对应高精度、低复杂度的估计方法。最后,利用数值仿真对所提方法的拟合精度进行评估,拟合后的阵列流形误差距离缩减至10-2量级,水池实验数据也验证了算法在实际应用中的可行性。      

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。