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。     

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。     

小快拍高分辨目标方位估计算法 GMUSIC的性能分析*

针对水下运动阵列在运动过程中进行方位估计时存在快拍不足的问题,研究了基于随机矩阵理论的MUSIC改进算法GMUSIC,该方法通过Stieltjes变换建立起统计协方差矩阵真实特征值、特征向量与样本协方差矩阵之间在逼近域中的关联,以修正样本协方差特征分解的结果,进而实现小快拍方位估计。仿真与试验表明:GMUSIC算法可以更好地分辨相邻目标,且需要的快拍数较MUSIC算法要少;在低信噪比情况下,GMUSIC算法方位估计均方根误差远小于MUSIC算法,估计成功概率远大于MUSIC算法。因此,GMUSIC算法适用于解决水声目标的小快拍方位估计问题。     

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.     

基于快速富氏变换插值的宽带信号方位估计

提出一种宽带方位估计算法,它利用FFT插值,将实际线列阵接收到宽带信号中的各子带信号转换成相应的虚拟阵列的输出,从而使得各子带张成的信号子空间相同,信号方位估计便可从虚拟阵列的输出中获得。通常宽带方位估计算法需要对方位角进行预估,以便构成聚焦矩阵,而对方位预估的偏差将导致最终方位估计的偏差。本文方法是先对阵列的采样输出进行预处理,再用常规方法来形成统一的采样协方差阵进行方位估计,因此避免了方位预估,使得估计结果是无偏的。仿真结果证明了该方法的有效性。     

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.     

基于多个小孔径基阵的水下目标宽带波达方位估计方法

本文将多小孔径基阵应用于声纳浮标阵对可疑海区进行快速搜索的研究中,提出了一种基于多个小孔径子阵的宽带目标方位估计方法.该方法采用一种新颖的降秩估计器的信号模型,对多个小孔径子阵的输出信息进行综合处理,然后使用近似意义上的降秩估计器对目标源进行方位估计.所建立的阵列模型中不需要包含有关小孔径子阵之间的任何位置信息,因此,有效地减小了因阵形估计带来的烦杂工作和估计误差对方位估计性能的影响.仿真结果表明,此方法提高了定向精度,给出了稳定的目标方位估计.     

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。      

单基地多输入多输出声呐的方位分辨力

为了研究波形分集和发射子阵对多输入多输出(multiple-input multiple-output:MIMO)声呐方位分辨力的影响,建立了同时适用于MIMO声呐和传统有源声呐的远场和近场波束图推导模型,证明了这两种声呐具有相同的方位分辨力。首先,将MIMO声呐发射阵划分为子阵无重合与子阵有重合两种情况,并对传统有源声呐的发射阵也进行相同的划分。据此,推导出两者的远场和近场阵列流型向量均可表示为发射与接收阵列流型向量的直积。接着,利用阵列流型向量的一致性证明了波束图(远场和近场)的一致性。进一步地,证明了发射子阵有重合的情况等效于对发射阵列进行幅度加权(发射阵列中间部分的阵元权值大于两端部分的阵元权值),其可获得更低的波束图旁瓣级但不能提高方位分辨力。理论分析与仿真结果表明:MIMO声呐的有效孔径等于发射与接收联合孔径,其方位分辨力由发射与接收阵列结构所决定,波形分集和发射子阵并未带来更高的方位分辨力。      

海洋环境噪声场对称性分析及噪声消除方法

实际的海洋环境是非常复杂的,存在着海洋自噪声、舰船噪声、生物发声等,阵元接收到的噪声信号存在一定的相关性,此时基于传统阵列信号处理的目标方位估计方法的性能将变差,针对这一问题,提出了一种实部消除方法.首先从阵元接收环境噪声的物理机理出发,将圆环阵接收的噪声场分解为对称噪声场和非对称噪声场,并且研究发现对称噪声场只影响数据协方差矩阵的实部.然后通过消除协方差矩阵实部,达到消除对称噪声场的目的,提高信噪比,但是同时产生了虚假声源.针对虚假声源的问题,提出了基于优化算法重构协方差矩阵实部的方法,消除了虚假声源的影响.仿真分析与海试数据处理结果表明:该方法明显消除了对称噪声,提高了信噪比,改善了阵列信号处理算法的性能.实部消除方法易于实现,有一定的工程应用价值.     

强干扰下空间抗混叠宽带波达方位估计

提出了基于改进频率差分(FD)技术的空间抗混叠波达方位(DOA)估计方法,实现了阵元稀疏排布,即在阵元间距远大于入射信号波长时,存在栅瓣模糊情况下多水下声学目标的方位估计。首先,确定目标方位角度搜索范围,建立阵列信号处理模型,对宽带信号不同频率成分之间进行频率差分处理,从而降低信号频率以满足阵元稀疏排布阵列的空间奈奎斯特采样要求。然后,基于投影子空间正交性检验(TOPS)算法构建一个对角变换矩阵,利用对角酉变换矩阵正交性直接对阵列流形进行频率差分处理,使其频率差分处理输出的信号个数与输入信号个数相等。最后,进一步推导频率差分域等效目标方位与真实入射信号角度等价的条件,并基于该等价条件进行频率筛选,最终获得无模糊的空间方位谱结果。经仿真实验验证,所提算法在信噪比为-10～20 dB范围内,估计结果均方根误差低于0.1°,有效抑制了栅瓣且受干扰强度影响较小。经海试数据验证,所提算法可以有效估计出目标方位,并避免空间混叠项干扰。所提空间抗混叠波达方位估计方法能够有效抑制栅瓣模糊,提高目标方位估计精度,且在强干扰条件下仍具有较好的角度估计性能。     

声矢量圆阵宽带相干目标MVDR方位估计*

针对宽带相干目标的远程探测问题，本文提出一种基于声压振速联合处理和矢量重构的声矢量圆阵MVDR波束形成方法。该方法利用相位模态变换技术，将声矢量圆阵变换为与信号频率无关的虚拟线阵，并构建虚拟线阵声压与组合振速的互协方差矩阵，利用声压与振速各分量间的空间相关性有效地抑制各向同性环境噪声；并对宽带相干信号的互协方差矩阵进行矢量重构，即将最大特征值对应的特征向量划分为相互重叠的子向量，从而构建前/后向Hermitian矩阵；最后，基于MVDR波束形成器实现宽带相干目标的方位估计。仿真计算和实验数据处理结果表明，该方法具较强的解相干能力和噪声抑制能力以及较高的方位估计性能。     

线性约束自适应逆波束形成研究

逆波束形成较常规波束形成有较好的方位分辨力,但其旁瓣较高,为抑制旁瓣并进一步提高阵增益和方位分辨力,本文提出一种自适应逆波束形成方法,通过设计自适应滤波器对虚拟阵列进行加权,提高阵增益和方位分辨力。理论分析表明自适应逆波束形成能够抑制旁瓣和噪声,阵增益较常规波束形成和逆波束形成提高约3 d B,数值仿真结果表明,自适应逆波束形成的旁瓣降低,阵增益和方位分辨力提高,实验数据处理结果表明自适应逆波束形成具有良好的方位分辨能力和目标检测能力,从而验证了其抑制旁瓣、提高方位分辨力和阵增益的有效性。     

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。     

采用四阶累积量多重矩阵重构的低信噪比相干声源波达方向估计

针对相干声源子空间能量扩散且协方差矩阵欠秩难以有效估计波达方向(DOA)的问题,提出了一种采用高阶矩阵变换的估计方法-四阶累积量多重矩阵重构(FOC-MMR)。该方法首先对阵列声压数据分帧进行短时傅里叶变换,然后对四阶累积量扩展的高阶协方差矩阵进行奇异值分解(SVD)得到高阶噪声特征向量,保证该噪声特征向量与扩展后的高阶阵列流形矢量正交匹配,最终实现相干信号的DOA估计。相干单频矩形脉冲信号仿真结果表明,将FOC-MMR方法应用于均匀线阵(ULA, M=4),在信噪比SNR≥-15 dB时,相干信号(θ₁=-20°和θ₂=20°)的均方根误差保持在1.5°以内;在SNR=10 dB时,可正确分辨的两相干信号方位间隔Δθ可以低至5°。在相干脉冲声源实验中,通过混入SNR=5 dB高斯白噪声,验证了FOC-MMR算法在应用于由多个ULA组成的矩形面阵时,其分辨邻近声源和抑制高斯噪声的能力较高。FOC-MMR算法通过对声压阵列数据扩展得到满秩的高阶协方差矩阵,不仅解决了由信号相干造成的噪声和信号特征向量之间能量扩散的问题,还实现了以较高的测向精度和...     

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。      

声矢量锥形阵的高阶累积量波达方向估计

为解决信源在较低信噪比情况下的测向分辨率问题,提出阵列可扩展的声矢量锥形阵测向算法。算法基于四阶累积量的阵列扩展和高斯噪声抑制特性,计算声矢量传声器不同输出分量的四阶累积量,使其在三维方向上扩展与原阵型结构相同的虚拟阵,从而构造包含角度信息的旋转不变矩阵进行测向。推导给出了算法的克拉美罗界,理论分析了算法性能受信噪比、采样快拍以及入射声源俯仰角的影响。仿真实验验证了该算法较常规声矢量阵ESPRIT算法有更优的噪声抑制能力及更高分辨的DOA估计性能。      

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。     

联合通道随机关闭和反卷积的水平阵波达方位估计

针对阵元位置失配时反卷积常规波束形成方法会在旁瓣位置产生能量较高的伪信号特征的问题,提出了一种联合通道随机关闭和反卷积的水平阵波达方位估计方法,计算不同方向的加权向量时在阵列孔径不变的前提下随机关闭一定数目的阵元。该方法能保持点传播函数字典矩阵在对角线附近的结构不变,在矩阵其他区域引入噪声,从而抑制伪信号特征的产生。仿真实验证实,在可工作范围内,该方法相比于反卷积常规波束形成能大幅抑制背景能量,显著提高目标信号峰值背景对比度。此外,利用SWellEx96实验数据进一步验证了该方法抑制背景能量和实现目标信号检测的优良性能。