单矢量水听器的组合二阶统计量解卷积方位估计

提出了一种单矢量水听器组合二阶统计量的解卷积方位估计方法。该方法利用单矢量水听器多通道的二阶统计量,组合成一种主瓣更窄且平移不变的波束图,再使用解卷积方法进行精细化方位估计。该方法具有较窄的主瓣宽度,较高的分辨力和较强的鲁棒性。仿真实验和海试数据表明,在矢量水听器各通道响应不一致的非理想条件下,所提方法的双目标分辨力和方位估计精度优于多重信号分类(MUSIC)等其他方法,双目标方位分辨力提升约40%。     

压差式矢量水听器方位估计中的干扰抵消

矢量水听器由于能获取声场中标量（声压）和矢量（振速）信息，因此单个的矢量水听器就可实现目标方位估计。单个矢量水听器是利用信号的声压和质点振速之间相关性进行信号方位估计，但是当存在干扰，并且干扰和信号之间相关时，如果对运用能量流进行方位估计的方法不加改进，则会出现很大的误差，甚至出现错误的估计。本文提出一种存在已知噪声干扰情况下的干扰抵消方法，并针对该方法进行了仿真试验，最后运用湖试数据进行了验证。结果表明，该方法能有效地减弱相千千柑对信号的影响，实现对信号的方位估计。     

矢量阵MUSIC空间谱方位估计性能的实验研究

为了检验矢量阵MUSIC空间谱方位估计算法的性能,进行了三元矢量阵的外场试验,对比了MUSIC空间谱估计以及常规波束形成的性能。实验结果表明,相对于矢量阵常规波束形成技术,MUSIC空间谱对目标的方位估计性能得到很大提高。而且,当空间严重降采样时, MUSIC空间谱表现出较强的栅瓣抑制能力,能够在全空间范围内对目标无模糊定向。     

单矢量水听器方位估计的柱状图方法

单矢量水听器可以估计目标方位,矢量水听器信号处理中用到的平均声强器的处理方法能很好地抗各向同性的非相干干扰,但不能抗相干干扰.文中提出了一种新的单矢量水听器方位估计方法柱状图方位估计法,介绍了该方法的原理;对宽带信号中含强线谱相干干扰的情况进行了计算机仿真,结果表明该方法在强线谱相干干扰下能有效检测目标、估计目标方位;海试结果验证了该方法抗强线谱相干干扰的有效性.     

基于半定规划和秩-1分解的稳健波束形成

针对标准Capon波束形成器在存在导向矢量失配时性能急剧下降问题, 提出了一种基于半定规划和秩-1分解的稳健波束形成算法. 该方法通过对实际导向矢量的估计提高自适应波束形成算法稳健性. 首先分别从干扰抑制和噪声抑制两个方面推导了新导向矢量应满足的约束条件, 并证明了利用矩阵滤波器构造约束条件的合理性; 构造了估计最优导向矢量的优化问题并将其转化为易于求解的松弛半定规划问题, 同时引入秩-1分解理论用于优化问题的求解. 仿真分析表明, 与目前较为常见的算法相比, 本文算法只需利用期望信号可能入射区间这一先验信息, 能获得更高输出信干噪比和功率估计精度. 关键词： 稳健自适应波束形成 半定规划 秩-1分解 导向矢量估计     

基于时频分析的多目标盲波束形成算法

针对现有盲波束形成算法适用范围较窄, 多目标信号分离级联模式结构复杂、并联模式稳定性较差等问题, 提出一种基于时频分析的多目标盲波束形成算法. 该算法首先利用时频分析技术给出信号导向矢量的不确定集, 然后优化求解导向矢量的最优估计, 最后利用Capon方法实现多目标信号的并行输出. 理论分析及仿真结果表明, 该算法对信号特性没有特殊要求, 适用性较广, 性能稳定, 且输出信干噪比高于其他盲波束形成算法, 接近于最优Capon波束形成器.     

一种加权稀疏约束稳健Capon波束形成方法

为了克服标准Capon波束形成器旁瓣级高以及存在角度失配时性能急剧下降等缺点, 在稀疏约束Capon波束形成器的基础上, 提出了一种加权稀疏约束Capon波束形成器. 该方法利用波束响应的稀疏分布特性, 在标准Capon波束形成优化模型中加入旁瓣区域波束响应稀疏约束(l₁ 范数约束), 使旁瓣区域波束响应向量中非零元素的个数最小化; 通过阵列采样数据协方差矩阵特征分解得到信号子空间及噪声子空间, 利用信号子空间与噪声子空间的正交特性, 构造加权矩阵对稀疏约束进行加权, 使得稀疏重构时波束响应向量中不同角度对应的元素得到不同程度的约束. 该方法有效地抑制了Capon波束形成器的高旁瓣级, 加深了干扰方位零陷, 提高了阵列输出信干噪比. 由于稀疏约束, 波束响应向主瓣集中, 期望信号方向附近的波束响应都较大, 从而也提高了阵列抗导向矢量角度失配的能力. 数值仿真和水池实验验证了所提方法的有效性.     

一种矢量水听器基阵模拟器的设计

矢量水听器的每个阵元同时测量声场中声矢量和质点振速的3个分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息。利用矢量阵所获得速度场的信息可以去除目标方位估计中的 180°模糊。模拟器可以模拟实际海洋环境中目标的辐射特性和噪声特性,应用模拟器可以有效地缩短声纳的研制周期。本文提出一种矢量水听器基阵模拟器的设计方案,该方案解决了矢量阵中宽带信号的90°移相问题、时延精确控制问题和宽带噪声的谱状控制问题。     

单矢量水听器稀疏近似最小方差方位估计算法

针对单矢量水听器海上目标探测问题,利用稀疏近似最小方差(Sparse Asymptotic Minimum Variance,SAMV)算法进行目标方位估计,该算法利用单矢量水听器自身具有阵列流形的特点,将整个扫描空间离散化,目标方位分布于某一离散方向位置上,利用空间信号的稀疏性可提高目标方位估计性能。仿真结果表明,SAMV算法在各信噪比条件下方位估计噪声背景级明显优于常规波束形成(Conventional Beam Forming,CBF)算法和最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法,当信噪比大于0dB时,该算法测向结果均方根误差小于2°,且SAMV算法具有更好的空间方位分辨能力。消声水池和海上声学浮标海上试验数据处理结果表明,SAMV算法给出了噪声背景级更低的目标方位历程图,有效验证了SAMV算法对海上目标的探测性能及其有效性。      

功率受限的常规波束形成后处理拟合方法

针对水下目标方位超分辨估计问题,提出一种功率受限(Power Constraint)的常规波束形成(Conventional BeamForming)拟合算法(PC-CBF)。PC-CBF算法通过常规波束形成获得目标方位谱数据,利用阵列响应向量对方位谱进行后处理,准确估计目标个数与目标方位。算法对接收信号的功率进行限制,获得对方位谱的欠拟合,利用凸优化进行反演卷积,估计目标的方位信息。仿真结果表明,算法性能在分辨率上优于基于半正定规划的常规波束形成算法(semi-definite programming Conventional BeamForming,sdp-CBF)和多重信号分类(MUltiple SIgnal Clasification,MUSIC)。对水池实验数据以及湖试数据处理结果显示,PC-CBF算法能够获得较窄的谱峰宽度以及较低的背景级,具有较强的方位估计分辨能力。      

Robust adaptive acoustic vector sensor beamforming using automated diagonal loading

In this paper, a novel robust adaptive acoustic vector sensor beamformer based on shrinkage is derived. Unlike many existing methods, the proposed method is completely automatic (or so-called user parameter-free), which means, it do not need the choice of user parameters. The proposed diagonal loading algorithms use shrinkage-based covariance matrix estimates, instead of the conventional sample covariance matrix, in the standard Capon acoustic vector sensor beamforming formulation. The numerical results show that our method is robust against errors on the steering vector and small sample sizes, and meanwhile gives high output signal to interference plus noise ratio (SINR).     

矢量声纳高速运动目标稳健高分辨方位估计

针对水声矢量信号处理框架中的高速运动目标低信噪 比小快拍条件下的稳健高分辨方位估计问题, 将压缩感知技术应用于水声矢量信号空间谱估计模型中. 结合声矢量传感器结构特性, 探讨了基于声压振速联合处理的广义时域滤波方法; 结合矩阵空域预滤波理论, 设计了基于阻带约束通带均方误差最大值最小的空域滤波器, 研究了矢量声纳空域预滤波方法; 结合以上分析, 提出了基于压缩感知技术的时空联合滤波高分辨方位估计方法, 给出了方法的数学模型、物理解释及具体实施步骤.理论分析和计算机仿真试验表明, 新方法对于小快拍数 条件下的矢量声纳高速运动目标高分辨方位估计问题, 具有较低的双目标分辨门限和较高的估计精度, 有着良好的应用前景.湖上试验验证了方法的有效性. 关键词： 声矢量传感器 空间谱估计 时空滤波 压缩感知     

分布式矢量传感器对宽带源被动定位的方法研究

本文给出了两种基于矢量传感器的被动定位方法。一般来说，对目标进行被动定位可以通过方位信息或时延信息来实现。单个矢量传感器就可以实现目标方位估计，而对多个矢量传感器接收的信号进行互相关运算即可得到目标对各矢量传感器的时延信息。本文先给出了利用方位信息进行被动定位的方法，然后给出了利用分布式矢量传感器进行方位一时延信息联合被动定位的新方法，并通过仿真分析对这两种方法的定位性能进行了比较。     

基于矢量传感器的频率估计算法在水声通信中的应用

本文给出了基于矢量传感器的ESPRIT频率估计算法，并将其应用于频率调制水声通信系统中。与声强频率估计算法相比，ESPRIT频率估计可在小样本的情况下，获得高精度的频率估计。仿真和湖试结果表明，基于矢量传感器的ESPRIT频率估计算法可以提高通信速率并降低对通信系统的带宽要求。本算法对信噪比的要求较高，目前看，较适用于近程高速水声通信。     

一种深度学习的立体阵波达方向估计方法

针对常规波束形成主瓣宽且目标分辨能力低的问题,提出一种基于深度卷积神经网络的波达方向估计方法。算法使用常规波束形成计算二维空间功率谱,将预处理后的空间功率谱图输入深度卷积神经网络。该文利用神经网络学习解卷积映射关系,输出主瓣宽度更窄的空间功率谱图,从而实现高分辨率二维波达方向估计。该算法对阵列结构没有限制,适用于立体阵。仿真结果表明该文方法在不同目标个数、快拍数及信噪比参数下均能准确估计目标方向。该文方法目标分辨能力优于常规波束形成方法。在低快拍情况下,目标方向估计误差低于自适应波束形成方法。     

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).     

协方差矩阵重构的稳健自适应波束形成算法

针对协方差矩阵含有期望信号成分以及波束指向角失配时,传统自适应波束形成器性能严重下降的问题,提出了协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域与信号区域,先利用Capon波束形成器对干扰区域积分,由此构造出干扰协方差矩阵。然后,利用标准Capon波束形成器的波束域MUSIC谱估计法对信号区域积分,重构出信号协方差矩阵,以其主特征向量作为期望信号导引向量估计。由于算法重构了干扰加噪声协方差矩阵并对导引向量进行了修正,保证了自适应波束形成器的性能。理论分析和仿真实验结果表明,算法在训练数据含有期望信号成分和波束指向角度失配情况下具有良好的性能。