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。     

水平线列阵方位—相速度联合的卡尔曼滤波方法*

传统的水下被动测向方法通过波束形成估计目标角度,水平线列阵波束形成中的参考声速应使用声传播的相速度,在被动测向中,由于声源距离未知,因此在对目标角度估计时选取的参考声速与接收阵处的相速度往往存在偏差,从而影响测向精度。本文提出了一种水平线列阵方位-相速度联合的纯方位扩展卡尔曼滤波方法,该方法引入相速度作为估计状态量以此校准参考声速,提高测向精度,进而改善了由于测向误差较大引起的纯方位扩展卡尔曼滤波算法跟踪结果发散的问题。浅海传播条件下的数值仿真结果表明,改进方法较常规纯方位扩展卡尔曼滤波算法具有更高的跟踪精度及稳健的跟踪性能。     

深海声影区时频谱干涉结构与声源定位

被动声呐探测位于深海声影区的水面舰船辐射噪声时,接收信噪比通常较低,导致声源被动定位方法的性能较差。针对这一问题,提出一种利用接收信号时频谱干涉结构的声源距离和径向速度联合估计方法。首先根据射线声学理论,建立时频谱沿频率轴和时间轴的干涉条纹周期与声源距离和径向速度的关系,然后对接收信号时频谱进行二维傅里叶变换和多频带处理以估计上述干涉条纹周期,最后解算声源距离和径向速度。仿真和海试数据处理结果表明,相比于现有利用接收信号自相关的声源距离估计方法,该文利用时频谱二维傅里叶变换的声源定位方法具有较好的稳健性,比较适用于低信噪比条件下的声源被动定位。