未知相关噪声环境下相干宽带源波达方向宽容估计算法

提出了一种未知相关噪声环境下,相干宽带源波达方向宽容估计算法。在实际应用中,尤其当阵列的孔径相对较小时,环境噪声通常是空间相关的,这引起了相干子空间类算法聚焦误差的增加和波达方向估计性能的严重下降。为此,提出了一种基于差分矩阵的聚焦变换算法,该算法抵消了未知相关噪声,从而减小了聚焦误差。仿真和实验结果表明,提出的方法能适用于低信噪比环境下的方位估计,宽容性及分辨率得到明显提高。     

未知相关噪声环境下宽带源波达方向估计的快速算法

提出一种未知相关噪声环境下带源波达方向估计的快速算法。该算法只对信号子空间进行变换,直接由传播算子构造聚焦矩阵,得到一种快速TCT聚焦矩阵。利用阵列相关矩阵的酉相似变换特性估计噪声相关矩阵,提高了未知相关噪声情况下宽带DOA估计的性能。该算法由线性运算求解聚焦矩阵和噪声相关矩阵,无需特征分解,运算量低,而且适用于未知相关噪声情况,具有重要的工程实用价值。     

依赖于频率变化模型的相干信号子空间聚焦处理方法

提出了一种依赖于频率变化模型的相干信号子空间聚焦处理新方法。相干信号子空间(CSS)宽带处理方法的核心思想是通过聚焦变换将宽带信号各频率分量的信号子空间映射成为一个信号子空间。而依赖于频率变化模型(FDM)的宽带处理方法则是通过引入一组关于频率的基函数,建立阵列信号依赖于频率变化的模型,从而直接进行宽带处理。本文把CSS的聚焦思想应用到FDM,提出了一种宽带目标方位估计方法,并构造了对角聚焦矩阵。新方法采用了FDM,增大了相关矩阵的维数,有效地反映了噪声子空间,因此比CSS具有更好的性能;采用聚焦,大大减小了FDM方法庞大的运算量。计算机仿真结果验证了新方法的有效性。     

Wideband high-resolution direction of arrival estimation method based on the pressure-velocity combined processing using the acoustic vector sensor array

In order to solve the problem of DOA (Direction of Arrival) estimation of underwater distant wideband targets, a novel coherent signal-subspace method based on the cross spectral matrix of pressure and particle velocity using the Acoustic Vector Sensor Array (AVSA) is proposed in this paper. The proposed method is different from existing AVSA based DOA estimation methods in 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, namely, the P-V cross spectrum, has better DOA estimation performance than existing methods in isotropic noise field. By theoretical analysis, both focusing principle and eigendecomposition theory based on the P-V cross spectral matrix are given. At the same time, the corresponding criteria for source number detection is also presented. Computer simulations with data from lake trials demonstrate that the proposed method is effective and obviously outperforms existing methods in resolution and accuracy in the case of low Signal-to-Noise Ratio (SNR).     

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。     

基于哈达玛积扩展子空间的到达时间和波达方向联合估计

在窄带阵列天线正交频分复用系统的到达时间和波达方向联合估计中, 针对阵元数目较少时波达方向估计精度不高, 特别是多径数目大于阵元数目导致的波达方向无法估计问题, 提出一种基于哈达玛积扩展子空间的到达时间和波达方向联合估计算法. 该算法首先利用各阵元上的频域信道估计构成扩展信道频域响应矢量, 然后计算扩展信道频域响应矢量自相关矩阵, 并进行特征值分解得到哈达玛积扩展噪声子空间, 最后构造伪谱函数并进行二维谱峰搜索, 从而实现到达时间和波达方向的联合估计. 仿真结果表明, 与现有算法相比, 在复杂度没有大幅提高的前提下, 该算法的估计结果均方根误差更加接近克拉美罗界, 且到达时间和波达方向估计能够自动配对, 在多径数目大于阵元数目时依然适用.     

基于矢量传感器复声强测量的低空目标二维波达方向估计

提出了一种基于三维压差式矢量传感器复声强测量的低空目标二维波达方向(DOA:Directions Of Arrival)估计方法。利用矢量传感器在低频段的良好特性,实现了小尺寸声阵条件下的高精度目标DOA估计。采用实测的直升机辐射噪声数据验证了该方法的有效性,研究了传感器尺寸、积分时间和信噪比对目标DOA估计精度的影响。性能分析表明,在小尺寸声阵条件下,新方法优于基于时延估计的测向方法。该研究为实现低空运动目标的无源声学探测提供了一种新的技术途径。     

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。     

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。     

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。     

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。     

基于Khatri-Rao子空间和传播算子的宽带声源波达方向估计算法

本文提出基于Khatri-Rao子空间和传播算子的宽带声源波达方向估计算法。该算法将声源不同频率处的协方差矩阵变换重排为一个高维矩阵,然后利用传播算子方法估计宽带声源波达方向。该算法计算复杂度介于聚焦Khatri-Rao子空间和相干子空间算法之间。仿真和实验结果表明,该算法在降低计算量的同时,估计误差与聚焦Khatri-Rao子空间算法相近,远小于相干子空间算法。     

稳健的高精度单矢量传感器测向方法

针对单矢量传感器各通道之间的相位误差引起已有方法测向不准的问题,提出一种对相位误差稳健的高精度测向方法.该测向方法首先利用单矢量传感器接收信号协方差矩阵的主特征向量与其共轭向量做Hadamard积来构造空间谱,实现对水下目标的方位估计;由于Hadamard积消除了相位误差,此估计值与相位误差无关,但存在方位估计模糊。然后利用相位误差的估计值进行解模糊操作,从而得到正确的方位估计。该测向方法的测向性能独立于相位误差,估计精度高。仿真和试验数据处理结果验证了该测向方法对相位误差稳健;在相位误差条件下,其方位估计精度高于平均声强法、CAPON测向方法以及MUSIC测向方法。而且仿真结果表明,该测向方法的测向精度接近克拉美洛下界(CRB)。     

平面阵的方位估计算法及其误差分析

提出了一种基于信号相位匹配原理的平面阵方位估计的奇异值分解(SVDSPM)算法。推导了方位搜索需要的时延计算的一般公式,仿真分析了几种典型平面阵的方位估计性能,仿真结果表明:SVDSPM方位估计算法的性能优于MUSIC算法;理论分析了目标距离、传声器位置误差和接收通道幅度和相位不一致性等对定向性能的影响;以十字平面阵为例,仿真分析了上述几种因素对方位估计精度的影响,仿真结果表明:当传感器安装误差小于10 mm,接收通道幅度不一致性小于1.5 dB,接收通道相位不一致性小于10°和目标初始俯仰角大于45°时,方位估计的标准差小于0.5°。     

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。     

Robust direction-of-arrival estimation method with high accuracy for single vector sensor

The phase errors among the components of a single acoustic vector sensor cause the direction-of-arrival(DOA) estimation error of the existing methods.In order to address this issue,a DOA estimation method is proposed,which is robust to the phase errors.The proposed method first utilizes the Hadamard product of the principal eigenvector of the covariance matrix of the received signal by the single vector sensor and its conjugate vector to construct the spatial spectrum in order to estimate the DOA of the underwater target.Since the Hadamard product eliminates the phase errors,this estimation is independent of the phase errors.However,it is ambiguous.Afterwards,the phase-error estimate is explored to eliminate the ambiguity and get the correct DOA estimate.The proposed method performs independently of the phase errors and obtains high accuracy.The simulation results and the experimental result demonstrate the proposed method is robust to the phase errors.Furthermore,in the presence of the phase errors,it performs better than the average acoustic intensity method,the CAPON method,and the MUSIC method,in terms of estimation accuracy.In addition,the simulation results indicate that the estimation accuracy of the proposed method approaches to the Cramer-Rao bound(CRB).     

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     

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.     

改进维纳滤波器及其在目标方位估计中的应用

针对复杂的水声环境以及信噪比较低的目标信号导致方位估计性能较差的问题,本文提出了一种基于改进维纳滤波器和波束形成器的方位估计方法,该方法能够抑制噪声,提高目标方位估计性能。首先利用改进维纳滤波器抑制各通道接收数据中的噪声,提高输出信噪比。在此基础上,将改进维纳滤波器的输出通过波束形成器,获得目标的方位估计。改进维纳滤波器能够通过调整滤波器参数,控制滤波器的噪声抑制能力和信号失真。因此,针对不同的波束形成器对信号失真的敏感程度不同,可以通过调节改进维纳滤波器的参数,获得噪声抑制与信号失真之间的最佳折中,从而提高输出信噪比,降低目标方位估计的信噪比门限和均方根误差。仿真和实验结果验证了本文方法。     

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).