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.     

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。      

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。     

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。     

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。     

低复杂度的MIMO声呐协方差矩阵重构方法*

多输入多输出声纳在对目标进行测向时会产生复杂的运算量,从而降低算法的测向效率。针对这一问题,提出了一种基于降维变换方法的低复杂度协方差矩阵重构方法。该方法能够抑制噪声,提高目标侧向性能。首先利用降维变换方法对接收信号进行波束形成,获得低维度的协方差矩阵,再对矩阵进行Toeplitz处理,抑制矩阵的相干性。所得到的新的协方差矩阵,通过特征分解获得噪声子空间和信号子空间,利用MUSIC方法进行测向。为了进一步降低运算复杂度,利用阵型所满足的旋转不变性,可以采用ESPRIT算法对目标进行波达方向估计。理论分析和实验结果表明,该方法有效降低了运算复杂度,提高了算法的测向性能。在有限快拍数的情况下,与传统测向方法相比,具有运算速度快,目标分辨力强的特点。     

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。     

子空间判决分析的强干扰抑制

针对海洋中存在的强干扰和环境噪声导致水下目标方位估计算法性能剧烈下降的问题,提出了一种子空间判决分析的强干扰抑制方法 (SSJ),可实现多个强干扰下的目标方位估计。根据常规波束形成粗估的目标角度区间,利用目标-干扰-噪声子空间与导向矢量的相关性,设置判决项和估计合适的判决阈值来分离和抑制样本协方差矩阵中的非目标信息,降低干扰和噪声的输出功率,同时提高输出信干噪比,为增强阵列的目标方位分辨能力提供方法支撑。仿真和海试数据处理结果显示,SSJ方法可抑制目标角度区间外的强干扰和噪声,明显降低了干扰的输出功率和目标主瓣附近的旁瓣级,提高了目标方位角度的分辨力。相比于现有的子空间干扰抑制方法,所提方法具有更加稳健的干扰抑制能力。     

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。     

Weak signal direction of arrival estimation for colocated multiple-input multiple-output sonar array

In order to suppress the influence of symmetrical noise component on multiple-input multiple-output(MIMO)sonar's direction of arrival(DOA)estimation under the condition of low signal-to-noise ratio,we propose a DOA estimation algorithm based on covariance matrix reconstruction method.Firstly,the noise field can be decomposed into symmetrical noise field and asymmetrical noise field.We utilize symmetry property of colored noise matrix and the feature that the imaginary part of covariance matrix has no relation with the symmetry noise to remove the real part of covariance matrix.This operation helps to suppress the influence of colored noise on DOA estimation accuracy.Based on the principle of the imaginary matrix part displacement and the dimension reduction transformation method,the real part of covariance matrix is reconstructed,which helps to suppress the bilateral spectrum interference.Thereafter,Toeplitz method is applied for the covariance matrix decorrelation amendment,and a noise subspace is formed by singular value decomposition(SVD).Finally,we can estimate the DOA of target signals.Both theoretical analysis results and numerical simulation results verify the symmetrical noise suppression performance of this algorithm,and the estimation performance of target azimuth is improved obviously.This method has the characteristics of lower operational complexity,higher degrees of freedom and stronger target resolution.     

一种新的卫星钟差Kalman滤波噪声协方差估计方法

采用Kalman滤波方法进行钟差参数计算和预报时, 需确定Kalman滤波噪声协方差矩阵. 针对这一问题, 提出了一种新的卫星钟差Kalman滤波噪声协方差估计方法, 通过建立新息的相关函数序列与未知的噪声参数间的线性函数模型, 采用最小二乘法进行噪声参数估计. 采用精密钟差数据进行钟差参数估计和预报分析, 结果表明, 该方法具有较好的收敛性, 并与顾及随机噪声模型的开窗分类因子自适应抗差估计方法进行对比分析, 验证了新方法的正确性和有效性.     

一种自适应最小范数算法

运用特征子空间方法的关键在于信号子空间或噪声子空间的估计,实际上有些信号的统计特性随时间变化,于是要求得到参数的实时估计值,为此,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新。本文首先分析了一种自适应子空间估计算法,即MALASE(MaximumLikelihoodAdaptiveSubspaceEstimation)算法。然后,把MALASE算法与传统的最小范数(Mini-Norm)高分辨算法相结合,并应用零点跟踪技术,提出了一种自适应Mini-Norm高分辨算法,可用于对时变的信号波达方向(DOA)进行跟踪估计。计算机仿真结果验证了该算法的有效性。     

浅海波导环境失配下的协方差矩阵拟合稳健匹配场声源功率估计

实际浅海波导中环境噪声为相干噪声,最小方差匹配场声源功率估计方法能在相干噪声背景下准确估计声源辐射功率,但该方法受环境不确定性影响较大;此外,由于最小方差匹配场声源功率估计方法使用信号幅度作为中间量估计声源功率,信号幅度估计误差会二次放大并传递到声源功率估计结果中。本文提出一种协方差矩阵拟合稳健最小方差匹配场声源功率估计方法,该方法引入信道传递函数不确定集,结合协方差矩阵拟合思想将声源功率估计问题建模为在信道传递函数不确定集约束下对函数取极值的问题,使用Lagrange乘子法求解该问题得到信道传递函数估计值和声源辐射功率估计值。环境失配影响声源辐射功率估计性能的根本原因在于信道传递函数偏差较大,协方差矩阵拟合稳健匹配场声源功率估计方法有效减小了环境失配时信道传递函数的偏差,从而显著提升环境失配稳健性。此外,该方法使用权值直接估计声源功率,无需使用信号幅度作为中间量,避免了估计误差的传递。仿真验证了协方差矩阵拟合稳健匹配场声源功率估计方法的环境失配稳健性。     

Direction-of-arrival estimation using matrix spatial prefiltering approach

An approach to direction-of-arrival （DOA） estimation for multiple narrowband farfield signals is proposed. The technique uses a novel matrix spatial prefiltering approach. Specifically, a matrix filter is designed to spatially filter the incoming data snapshots. The un-wanted components arriving from the stopband angular sectors are attenuated and the desired components from the angular sector of interest pass with minimal distortion. The matrix filter spatially filters the element-space data and the output reserves the element-space data property, which makes it very useful by passing sensor data through a spatial prefilter prior to applying many other array processors to attenuate interferences and improve system performance. Several examples of DOA estimation problem are presented to illustrate the performance of the proposed spatial prefiltering approach. Results of simulation and real data show that the pre-filter can efficiently attenuate the spatial interferences and significantly improve the estimation and resolution capability of DOA estimators at low signal-to-noise ratios for the sources located inside the passband sector. In addition, the use of spatial prefilter makes it possible to estimate DOAs for multiple sources more than the number of the elements of an array.