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。     

观测站非机动情况下的渐进无偏目标跟踪算法

针对无源目标跟踪中将非线性测量方程伪线性化带来有偏估计的缺点,提出了一种基于方位和径向速度联合估计的渐进无偏目标跟踪算法。该算法通过对方位-径向速度组成的伪线性测量方程的噪声协方差矩阵进行约束,使其均方误差达到最小,得到目标状态向量的最小二乘无偏解。仿真和实验结果表明,在观测站非机动情况下,算法能够渐进无偏地收敛到真值,收敛后的距离跟踪误差在5%以内。     

一种最差情况下性能最优化的特征分析自适应波束形成方法

自适应波束形成在弱目标检测和空域滤波中应用广泛。然而在实际海洋环境中,失配情况比较普遍,往往会导致传统自适应波束形成方法性能明显下降。针对此问题,本文基于特征分析重构观测信号协方差矩阵来抑制干扰对弱目标检测的影响,在此基础上进一步利用凸优化算法来提高波束形成方法的鲁棒性。数值仿真和海试数据处理结果表明,本文所提方法在抑制干扰对弱目标影响的基础上,在阵元位置平均误差不超过入射信号中心频率对应波长的40%的情况下,仍可以鲁棒地检测目标信号。同时,该方法显著提高了自适应波束形成方法的输出信干噪比,且受对角加载量取值的影响较小。      

基于特征分析的自适应干扰抑制

针对水声环境中真实目标常常被强干扰掩盖而无法识别的问题,提出了一种基于特征分析的自适应干扰抑制方法(EAAIS)。根据目标信号可能的方向范围,通过构造合适的判决因子来自适应地估计并抑制互谱密度矩阵特征空间中的非目标信号子空间,得到具有更高信干比和信噪比的目标信号,为更好地实现目标识别与跟踪提供技术基础。数值仿真和海试数据验证结果表明,EAAIS方法能够自适应地抑制目标信号可能方向范围之外的强干扰,显著提高接收目标信号的信噪比和信干比,并获得更可靠的目标方位参数。相对于其它干扰抑制方法,本文提出的方法表现出了更为稳健的干扰抑制能力,具有更宽的适用条件。      

基于特征分析的自适应干扰抑制方法在水声目标被动测距中的应用

针对海洋环境中真实目标常常被强干扰掩盖而难以检测与定位的问题,本文提出了一种基于特征分析的自适应干扰抑制（EAAIS）方法,并将其应用于水声目标被动测距。EAAIS方法预先确定目标方向在一个可能的角度范围内,根据接收数据互谱密度矩阵（CSDM）单个特征向量的波束形成,构造合适的判决因子来自适应地估计并去除CSDM特征空间中的非目标信号子空间以抑制干扰和噪声。然后利用修正后的CSDM进一步获得更清晰的目标的声场干涉条纹,通过匹配声强的频谱结构进行水声目标被动测距。海试数据验证了EAAIS方法在强干扰环境下有效实现水声目标被动测距的能力。