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。      

应用半正定规划的目标方位超分辨方法

针对水下目标方位超分辨估计问题,提出了一种基于半正定规划(Sdp)的常规波束(CBF)方位超分辨算法(SdpCBF).Sdp-CBF算法基于常规波束形成获得多目标方位谱数据,利用阵列响应矩阵和半正定规划技术,精确估计目标数量和波达角方向.该算法的本质是利用阵列特性和信号能量信息获得超分辨方位估计,不用进行子空间分解,通过卷积反演的方式将阵列孔径的有限效应消除,在L₂范数约束条件下重构空间谱.仿真表明,Sdp-CBF算法具有较强的噪声抑制能力,对非相干和相干信号均具有目标方位超分辨能力,在低信噪比环境下的方位分辨性能超过多重信号分类(MUSIC)等经典高分辨算法。对消声水池以及湖上实验数据的处理结果显示,Sdp-CBF算法在复杂环境中对相干信号及微弱信号具有较强的分辨能力。      

宽带波束域相干信号子空间高分辨方位估计

提出了宽带波束域相干信号子空间目标高分辨方位估计的频域处理与时域处理方法。分别设计出一组覆盖观察扇面的频域和时域低旁瓣恒定主瓣响应宽带波束形成器,然后对频域或时域波束形成器输出数据运用MUSIC方法估计目标方位。时域处理方法不需要进行频带分解,相对于频域处理需要较少的缓存和运算量。所提出的方法还可以在保证波束主瓣响应恒定的同时,通过在旁瓣区域形成期望宽度和深度的凹槽,用于抑制观察扇面外强干扰源。计算机仿真结果表明,本文的时域处理方法能够获得与本文频域处理方法相近的方位分辨与估计性能,它们都能够分辨相干信号源,且方位分辨与估计性能都高于已有方法。通过在干扰方位设计凹槽,较好地抑制了观察扇面外强干扰源,改善了对相干的弱信号源的方位分辨与估计性能。     

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。     

频域盲源分离与波束形成结合抑制方向性强干扰方法

针对方向性强干扰严重影响无源声呐弱目标检测的问题,提出了频域盲源分离与波束形成结合的干扰抑制方法:以子带分解的方法实现宽带干扰抑制。对每个子带进行频域盲源分离,并估计出各分离信号的方位,将与给定强干扰方位匹配的分离信号置零,利用估计的解混矩阵和处理后的分离信号重构回阵元域信号并进行波束形成实现目标方位估计。声呐模拟器数据与海试数据验证结果表明,相对于传统零陷常规波束形成与零陷最小方差无失真响应波束形成方法有2 dB以上的增益,约6 dB的背景级降低,证明该方法在抑制方向性强干扰方面是有效的。      

采用条件波数谱密度函数的宽带高分辨方位谱估计算法

针对宽带高分辨方位估计存在方位估计偏差大、算法复杂度高等问题,提出了一种基于条件波数谱密度(Conditional Wavenumber Spectral Density based,CWSD-based)的宽带高分辨方位谱估计算法.该算法利用条件波数谱密度将阵列信号转换到频率-波数空间,宽带信号能量在该空间的坐标呈现与入射角相关的线性分布,通过借鉴直线检测原理,实现邻近目标的高分辨方位估计,且无需预估角度和信源数等信息。仿真结果表明,该算法理论分辨率与处理最高频率成反比,估计均方误差约为0.1°,对阵形畸变鲁棒,运算效率高。海上试验数据表明,本文方法在方位分辨率、弱目标检测、非目标向噪声抑制、稳健性等方面都优于宽带常规波束形成和最小方差无畸变算法,在实际海洋中可实现超低旁瓣高分辨波达方向估计。      

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。      

基于声压振速联合信息处理的声矢量阵相干信号子空间方法

为解决水下宽带源的远程测向问题,提出了一种基于声压P与振速V的互谱矩阵的声矢量阵相干信号子空间方法。与现有的将声矢量传感器的振速信息仅仅作为独立阵元来处理的声矢量阵测向方法不同,新方法完全基于声压与振速联合信息处理,充分利用了声矢量阵中P-V互谱的抗噪能力,能将相干信号子空间方法的宽带高分辨能力及去相干能力与声矢量阵的抗噪能力有机地结合起来,实现对宽带源的远程、高分辨方位估计。理论分析给出了基于P-V互谱矩阵的宽带聚焦原理和特征分解原理,以及信源数检测准则。基于湖试数据的仿真实验结果显示,采用3元声矢量阵,在信噪比为-10dB和观测时间为20s时,新方法方位估计的均方根误差约为5°,明显强于现有方法。     

基于单个矢量水听器和子空间旋转的宽容宽带双目标分辨与跟踪方法

理论证明线性信号处理可以分辨两个不完全相关的目标。针对宽带双目标问题,根据矢量水听器信号模型,设计了并行的两路结构相同的处理通道,每个通道先将接收信号做子空间旋转,分离出单个目标,然后用空间匹配滤波方法估计该目标方位。仿真研究表明,该方法适用于任意频谱结构的信号,对目标强度差和初值误差的宽容性好,可以全方位跟踪目标而性能不受目标具体方位影响,并具有时间带宽增益,在相关目标或者低信噪比情况下的性能优于宽带聚焦子空间方法。海试数据验证了该方法的可行性。该方法是一种比较实用的水下双目标分辨与跟踪方法。     

一种改进的稀疏近似最小方差DOA估计算法研究

针对稀疏信号的超分辨方位估计问题,提出一种可变因子的稀疏近似最小方差算法(α-Sparse Asymptotic Minimum Variance,简记为SAMV-α)。该算法利用一个折衷参数进行最大似然估计值和稀疏性能的折衷处理,在迭代过程中改变稀疏近似最小方差算法(Sparse Asymptotic Minimum Variance,SAMV)的指数因子,得到强稀疏性能和超低旁瓣的方位谱图,实现邻近目标的超分辨方位估计和相干处理性能,且无需预估角度和信源数目等先验信息,并且折衷参数的取值为0到1之间,取值区间明确,避免了稀疏信号处理算法中正则因子选取困难的弊端。计算机仿真表明SAMV-α算法方位估计性能明显优于波束扫描类算法和子空间类算法,与同类型稀疏信号处理类算法相比仍具有较高的方位估计精度,同时对于邻近声源分辨能力,SAMV-α算法较SAMV-1算法性能提高约3dB。海上试验数据处理给出了分辨率更高的方位时间历程(Bering-Time Recording,BTR)图,有效验证了SAMV-α算法的性能。