未知相关噪声环境下宽带源波达方向估计的快速算法

提出一种未知相关噪声环境下带源波达方向估计的快速算法。该算法只对信号子空间进行变换,直接由传播算子构造聚焦矩阵,得到一种快速TCT聚焦矩阵。利用阵列相关矩阵的酉相似变换特性估计噪声相关矩阵,提高了未知相关噪声情况下宽带DOA估计的性能。该算法由线性运算求解聚焦矩阵和噪声相关矩阵,无需特征分解,运算量低,而且适用于未知相关噪声情况,具有重要的工程实用价值。     

未知相关噪声环境下相干宽带源波达方向宽容估计算法

提出了一种未知相关噪声环境下,相干宽带源波达方向宽容估计算法。在实际应用中,尤其当阵列的孔径相对较小时,环境噪声通常是空间相关的,这引起了相干子空间类算法聚焦误差的增加和波达方向估计性能的严重下降。为此,提出了一种基于差分矩阵的聚焦变换算法,该算法抵消了未知相关噪声,从而减小了聚焦误差。仿真和实验结果表明,提出的方法能适用于低信噪比环境下的方位估计,宽容性及分辨率得到明显提高。     

基于传播算子的宽带源相干信号子空间测向方法

将窄带传播算子方法引入宽带源测向的相干信号子空间处理中。首先提出一种新的聚焦矩阵的计算方法;该方法不需要进行角度预估,也不需要任何矩阵分解,对信号方向不敏感,运算量小。在此基础上,根据相干信号子空间处理方法的原理,对聚焦的空间协方差矩阵作传播算子方法的处理。整个过程避免了矩阵分解,因而运算量降低,仿真结果证明了该方法的有效性。     

近场子空间聚焦的碰摩故障声发射定位方法

针对宽带多源声发射信号的相干、多模态和能量衰减快问题,提出一种近场多重相干信号子空间聚焦的定位算法用于碰摩故障声发射源的定位检测。首先,为滤除干扰模态波、减小频散效应,采用基于模态声发射传播特性分析的小波分解滤波方法,从碰摩初期的声发射信号中获取零阶模态波及波速用于定位计算;其次,为实现信号解相干,提出基于双边相关变换(TCT)的近场聚焦矩阵估计方法;最后,针对声发射信号的能量衰减快问题,利用近场基于特征分解的多重信号分类(N-MUSIC)的空间谱估计方法来实现声源的精确定位。理论分析和实验结果表明:该方法定位精度高、计算复杂度低、稳定性强,能有效识别多个相干碰摩声源。相比传统相干子空间算法(CSM),该方法减少了信号初值和聚焦频点的计算量,对双声源的分辨概率较现有修正近场多重信号分类算法提高了17%,是一种有效的碰摩故障源检测方法。      

波达方向初始化空间混合概率模型的语音增强

提出了波达方向初始化空间混合概率模型的语音增强算法.通过声源定位估计出声源波达方向,再根据此计算相对传递函数,进而构造空间协方差矩阵来初始化空间混合概率模型.论证了相对传递函数在作为模型参数中语音协方差矩阵的主特征向量时,空间混合概率模型对应的概率分布可达到最大值,进而使期望最大化算法在迭代时更易收敛,以得到期望的掩蔽...     

一种基于声矢量传感器阵的宽带源二维波达方向估计算法

提出一种基于声矢量传感器阵的宽带源二维波达方向估计算法,在宽带相干源条件下实现了二维波达方向估计参数的自动配对。克服了通常声矢量传感器阵波达方向估计中存在的谱峰搜索和参数配对问题。分析表明:该算法能够可靠判定目标源的个数,具有较高的估计精度;不受目标波达方向角度间存在兼并(入射源含有相同的方位角或俯仰角)的影响;当存在阵列误差时,算法的稳健性好。     

应用稀疏表示的宽带相干超分辨方位估计方法

针对无源声呐中宽带相干处理对邻近弱目标分辨能力仍不足的问题,提出一种相干聚焦后稀疏空间谱求解的宽带超分辨方位估计方法。首先将不同频点数据相干聚焦到参考频点,构成多测量矢量稀疏求解问题,然后采用二阶锥规划内点算法进行稀疏空间谱拟合,实现了宽带弱目标超分辨方位估计。仿真试验结果表明,该方法在弱目标分辨和方位估计精度方面优于宽带非相干和相干信号子空间高分辨处理方法。32元拖曳阵海试数据的处理结果验证了该方法的优越性能,同时说明了该方法在无源声呐探测中应用的可行性。      

应用稀疏表示的宽带相干超分辨方位估计方法

针对无源声呐中宽带相干处理对邻近弱目标分辨能力仍不足的问题,提出一种相干聚焦后稀疏空间谱求解的宽带超分辨方位估计方法。首先将不同频点数据相干聚焦到参考频点,构成多测量矢量稀疏求解问题,然后采用二阶锥规划内点算法进行稀疏空间谱拟合,实现了宽带弱目标超分辨方位估计。仿真试验结果表明,该方法在弱目标分辨和方位估计精度方面优于宽带非相干和相干信号子空间高分辨处理方法。32元拖曳阵海试数据的处理结果验证了该方法的优越性能,同时说明了该方法在无源声呐探测中应用的可行性。     

声矢量传感器阵宽带相干信号子空间最优波束形成

提出了基于矢量传感器阵的宽带相干信号子空间最优波束形成。建立了矢量传感器阵的宽带阵列信号模型,将宽带聚焦思想引入到了矢量传感器阵宽带处理,证明了矢量传感器阵与声压传感器阵宽带聚焦矩阵之间的关系,为矢量传感器阵宽带聚焦矩阵的构造提供了一种方法。推导了基于矢量传感器阵宽带最优波束形成的空间谱,通过空间重采样方法实现矢量传感器阵宽带聚焦,避免了对目标源方位的预估。通过仿真验证了矢量传感器阵具有更优越的性能:可以解宽带相干源;能够实现全空间无模糊定向;可以空间欠采样,因而在不增加计算量的基础上,能够提高阵列处理的性能;克服了传统声压传感器线阵端射方向上,目标方位估计性能下降的缺点。     

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...     

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。     

基于哈达玛积扩展子空间的到达时间和波达方向联合估计

在窄带阵列天线正交频分复用系统的到达时间和波达方向联合估计中, 针对阵元数目较少时波达方向估计精度不高, 特别是多径数目大于阵元数目导致的波达方向无法估计问题, 提出一种基于哈达玛积扩展子空间的到达时间和波达方向联合估计算法. 该算法首先利用各阵元上的频域信道估计构成扩展信道频域响应矢量, 然后计算扩展信道频域响应矢量自相关矩阵, 并进行特征值分解得到哈达玛积扩展噪声子空间, 最后构造伪谱函数并进行二维谱峰搜索, 从而实现到达时间和波达方向的联合估计. 仿真结果表明, 与现有算法相比, 在复杂度没有大幅提高的前提下, 该算法的估计结果均方根误差更加接近克拉美罗界, 且到达时间和波达方向估计能够自动配对, 在多径数目大于阵元数目时依然适用.     

基于自适应频率不变响应基阵的宽带信号方位估计

提出一种设计频率不变响应基阵的自适应模拟方法，并将其用于构造波束形成矩阵来实现宽带信号的聚焦。该方法不仅保持了波束域方位估计算法的运算量小、分辨率高等优点，还具有相关信号子空间能解相关源的能力，且对阵形及各阵元的指向性也没有任何限制。仿真结果说明了本文方法的有效性。     

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。      

Detection of number of sources and DOA estimation based on the combined information processing of pressure and particle velocity using acoustic vector sensor array

In order to solve the problem of DOA(direction of arrival)estimation of underwater remote targets,a novel subspace-decomposition method based on the cross covariance matrix of the pressure and the particle velocity of acoustic vector sensor arrays(AVSA)was proposed. Whereafter,using spatio-temporal virtual tapped-delay-line,a new eigenvector-based criteria of detection of number of sources and of subspace partition is also presented.The theoretical analysis shows that the new source detection and direction finding method is different from existing AVSA based DOA estimation methods using particle velocity information of acoustic vector sensor(AVS)as an independent array element.It is entirely based on the combined information processing of pressure and particle velocity,has better estimation performance than existing methods in isotropic noise field.Computer simulations with data from lake trials demonstrate,the proposed method is effective and obviously outperforms existing methods in resolution and accuracy in the case of low signal-to-noise ratio(SNR).     

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.     

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.     

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.     

密布式多输入多输出声呐阵列目标波达方向估计

针对低信噪比条件下多输入多输出声呐受对称噪声分量影响导致测向性能降低的情况,提出了一种基于协方差矩阵重构方法的波达方向估计算法。首先,将噪声场分为对称噪声和非对称噪声两部分,利用协方差矩阵虚部与对称信号无关的性质,去掉协方差矩阵的实部来降低对称噪声对目标波达方向估计精度的影响,采用降维转换方法和矩阵虚部置换原理重构协方差矩阵的实部,避免了双频谱的干扰。然后利用Toeplitz方法对重构的协方差矩阵进行解相干修正,通过奇异值分解获得噪声子空间,最后对目标的波达方向进行估计,可实现微弱信号的准确测向。理论分析和实验结果表明,该方法明显抑制了对称噪声,提高了目标的波达方向估计性能,具有运算速度快、自由度高和目标分辨力强的特点。      

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。