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。      

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。      

基于粒子群优化的空间邻近目标红外超分辨算法

空间邻近目标的存在对红外传感器的信号处理提出了超分辨的新要求。通过对红外焦平面的目标成像进行建模,推导了基于最小二乘准则的超分辨目标函数,针对传统最优化方法,对起始估计位置要求高、对高维目标函数计算复杂的缺点,引入粒子群优化算法,优化超分辨目标函数,联合估计出目标在红外焦平面的投影位置和辐射强度,实现对空间邻近目标的红外超分辨。结果表明,在模型最小二乘准则下,基于粒子群优化的超分辨算法性能优于传统的最陡下降法,具备更强的超分辨能力。     

混合1范数与全变分约束下的海底目标探测

提出了一种以1范数与全变分的加权和作为正则项的方位估计算法,该算法通过1范数稀疏约束来获得高分辨能力,采用全变分约束来加强目标边缘特征并提高其内部的平滑性,在提高方位分辨率的同时,改善了对方位扩展目标估计性能。在宽带条件下对算法进行了扩展,将接收信号在频域分频后的子频带变换回时域,再在时域上使用窄带算法进行处理,这样避免了时域分段处理造成的时间分辨力的损失。结合了海底探测场景进行了仿真实验验证,结果显示,所提算法的探测结果不仅获得了方位分辨率提升,而且总平方误差小于目前常见的同类算法。因此,在对海底大型方位扩展目标的探测当中,通过在稀疏优化类方位估计方法中加入全变分约束能够保持目标的结构特征,有效提升探测性能。     

基于稀疏重构的空间邻近目标红外单帧图像超分辨方法

针对现有算法难以利用单帧红外图像实现空间邻近目标(CSO)的超分辨问题,提出了一种基于稀疏重构理论的单帧超分辨方法。该方法充分利用了目标在焦平面阵列(FPA)分布的稀疏性以及光学系统点扩展函数(PSF)的结构特性,通过对FPA离散化网格采样构造稀疏量测模型,并将建立的1范数正则化问题转化为二阶锥规划问题求解;然后针对稀疏度过估计的重构结果,采用贝叶斯信息准则(BIC)实现模型选择,最终获得对目标个数和位置的准确估计。多组仿真场景验证了算法的有效性和超分辨能力;相比于已有算法,所提算法不仅提高了分辨正确率和位置估计精度,同时大幅缩减了计算耗时。     

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。      

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。      

水声信号稀疏重构的高阶累积量波达方向估计

高阶累积量具有高斯噪声抑制和阵元扩展特性,将高阶累积量引入水声信号的方位估计中,提出了离格稀疏贝叶斯学习重构的高阶累积量测向算法。该方法利用高阶累积量对高斯噪声的自然盲性,计算阵列信号四阶累积量来滤除高斯噪声,使阵元在原来的结构上扩展了一倍;并构造出选择矩阵剔除了四阶累积量中的冗余项,能再一次的扩展阵元,得到的新观测模型具有更好的统计性能;最后利用空域稀疏性,推导出四阶累积量下的离格稀疏表示模型,采用贝叶斯学习解算出源信号的最大后验概率,实现了目标方位估计。数值仿真和海试实验数据表明,该方法在相邻声源方位间隔为4°的情况下分辨概率可达到95%以上,在信噪比大于-5 dB时目标方位估计的均方根误差在1°以内,可显著抑制背景噪声干扰,在多声源密集分布条件下也能准确、稳健的对水声目标方位进行估计。      

基于基追踪去噪的水声正交频分复用稀疏信道估计

针对传统的l₂-范数信道估计精度低的问题, 提出了一种基于基追踪去噪(BPDN)的水声正交频分复用稀疏信道估计方法, 该方法针对水声信道的稀疏特性, 利用少量的观测值即可以很高的精度估计出信道冲激响应. 与贪婪追踪类算法相比, 基于BPDN算法的稀疏信号估计具有全局最优解, 采用l₂-l₁范数准则估计信号, 同时考虑了观测值含噪情况, 通过调整正则化参数控制估计信号稀疏度和残余误差之间的平衡. 仿真分析了导频分布、正则化参数等对BPDN 算法的影响以及BPDN算法与最小平方(LS)、正交匹配追踪(OMP)信道估计算法的性能. 湖试结果表明, 在稀疏信道下, 基于BPDN的信道估计方法明显优于LS和OMP信道估计方法.     

交叉验证多路径匹配追踪水声矢量阵稀疏方位估计

水下运动目标的高分辨DOA估计和目标的左右舷分辨问题一直是水声阵列信号处理中的一个核心问题。矢量阵相比于声压阵具有天然的左右舷分辨能力和更高的处理增益,近年来得到了广泛关注。Capon等一些传统高分辨处理方法存在不能解相干源、需要多快拍处理以及对阵列流行误差敏感等多种问题。针对水声阵列信号处理领域面临的以上问题,利用声呐工作场景中空间目标的稀疏性,本文提出了一种基于交叉验证技术的多路径匹配追踪（Multiplepath Matching Pursuit with Cross Validation,CV-MMP）声矢量阵稀疏DOA估计算法。该算法采用交叉验证技术可以在未知场景中目标个数的条件下实现稀疏DOA的估计,相比于常规的声矢量阵Capon算法而言,可以在小快拍数甚至单快拍数条件下实现多目标的稀疏DOA估计以及高分辨能力。仿真和海试试验数据处理验证了提出的算法的有效性。      

一种快速稀疏贝叶斯学习的水声目标方位估计方法研究

针对以具有时序结构的稀疏贝叶斯学习(Temporally multiple sparse Bayesian learning,TMSBL)为重构算法的水声目标DOA (Direction-of-arrival)估计方法存在运算速度慢的问题,结合块稀疏贝叶斯学习(Block-spare Bayesian learning,BSBL)理论框架下DOA估计模型与特点,采用MacKay提出的定点方法(Fixed-point method)对TMSBL算法中的核心超参量进行求解,提出一种快速的水声目标方位估计稀疏贝叶斯学习的方法,该方法具有运算速度快,重构概率高的特点,并通过实验仿真从运算时间、失败率和均方根误差等方面与TMSBL算法进行比较,验证了该方法的可行性与有效性。      

瞬态信号的小波变换波达方向估计

针对瞬态信号方位估计问题,提出了基于连续小波变换的多重信号分类测向算法(CWT_MUSIC)。首先由信号特征确定小波尺度参数,构造Morlet小波,对信号进行小波变换,利用获得的小波变换系数建立多分辨时频阵列信号模型,并据此模型设计基于子空间的MUSIC算法以实现瞬态信号的波达方向估计;然后对该算法的多分辨与误差性能进行分析,最后仿真实验和实际爆炸试验验证了所提出的CWT_MUSIC算法能有效地提高空间谱的分辨率和DOA估计性能。     

对称旋转不变相干分布式非圆信号二维波达方向估计

在相干分布式非圆信号二维波达方向估计中,利用信号非圆特性可提升估计精度,但现有的低复杂度算法利用泰勒级数近似建立的旋转不变关系会引入额外误差.针对该问题,考虑中心对称的三维立体线阵,提出了一种基于对称旋转不变关系的二维波达方向估计算法.算法首先利用信号非圆特性建立了扩展阵列模型;然后证明了对于任意的中心对称阵列,相干分布源的确定性角信号分布函数矢量具有对称特性,利用此特性在三维立体线阵的三个子阵中分别建立了扩展广义方向矢量的对称旋转不变关系;基于此,通过无须搜索的多项式求根方式分别得到中心方位角和俯仰角估计;最后利用整个阵列广义方向矢量的对称旋转不变关系构造代价函数实现了参数匹配.理论分析和仿真实验表明,相比于现有的低复杂度算法,所提算法避免了泰勒级数近似引入的额外误差,以较小的复杂度代价获得了性能的较大提升.同时,所提算法能够实现三维空间全方位的角度估计.     

Direction-of-arrival estimation for co-located multiple-input multiple-output radar using structural sparsity Bayesian learning

This paper addresses the direction of arrival(DOA) estimation problem for the co-located multiple-input multipleoutput(MIMO) radar with random arrays. The spatially distributed sparsity of the targets in the background makes compressive sensing(CS) desirable for DOA estimation. A spatial CS framework is presented, which links the DOA estimation problem to support recovery from a known over-complete dictionary. A modified statistical model is developed to accurately represent the intra-block correlation of the received signal. A structural sparsity Bayesian learning algorithm is proposed for the sparse recovery problem. The proposed algorithm, which exploits intra-signal correlation, is capable being applied to limited data support and low signal-to-noise ratio(SNR) scene. Furthermore, the proposed algorithm has less computation load compared to the classical Bayesian algorithm. Simulation results show that the proposed algorithm has a more accurate DOA estimation than the traditional multiple signal classification(MUSIC) algorithm and other CS recovery algorithms.     

Sparse signal representation and its applications in ultrasonic NDE

Many sparse signal representation (SSR) algorithms have been developed in the past decade. The advantages of SSR such as compact representations and super resolution lead to the state of the art performance of SSR for processing ultrasonic non-destructive evaluation (NDE) signals. Choosing a suitable SSR algorithm and designing an appropriate overcomplete dictionary is a key for success. After a brief review of sparse signal representation methods and the design of overcomplete dictionaries, this paper addresses the recent accomplishments of SSR for processing ultrasonic NDE signals. The advantages and limitations of SSR algorithms and various overcomplete dictionaries widely-used in ultrasonic NDE applications are explored in depth. Their performance improvement compared to conventional signal processing methods in many applications such as ultrasonic flaw detection and noise suppression, echo separation and echo estimation, and ultrasonic imaging is investigated. The challenging issues met in practical ultrasonic NDE applications for example the design of a good dictionary are discussed. Representative experimental results are presented for demonstration.     

宽带双曲调频信号参数化时频分析波达方向估计

针对有源探测或脉冲侦查中双曲调频信号的波达方向估计问题,提出了基于参数化时频变换(PTFT)的多重信号分类(MUSIC)测向算法,简称PTFT-MUSIC算法。该算法由发射信号确定针对双曲调频信号的参数化变换核,对接收信号进行频域参数化时频变换,利用获得的时频分布建立阵列信号时频分布模型,并以此模型设计基于时频分布矩阵的MUSIC算法以实现双曲调频信号的波达方向估计。通过仿真和实验对该算法的估计误差和多目标分辨性能进行了分析,仿真和海上实验结果表明:相比现有的时频MUSIC算法,PTFT-MUSIC算法能有效提高空间谱分辨率和波达方向估计性能,同时该算法拥有对特定调频信号筛选性,结合时频域滤波算法能有效抑制相干直达波干扰,应用于多基地声呐系统时有效提高了声呐定位性能。     

水下目标高分辨方位估计特征分解法的C30硬件实验研究

高分辨方位估计特征分解法是一类性能良好的方法，本文从水下阵列信号处理的实际应用出发，对这类方法进行了C30硬件实验研究，所得结果为高分辨技术的实际应用提供了重要依据文中构造了高分辨方位估计的C30硬件实验系统；并实现了高分辨方位估计的Pisarenko法、MUSIC法、Johnson法和最小摸（Mininorm）法；对高分辨实验系统进行了仿真实验和消声水池实验，并测试了各特征分解法的运行时间．结果表明，高分辨C30实验系统表现了良好的方位估计统计性能和实时性能