一种协方差矩阵实部消除的目标方位估计方法

针对实际复杂海洋环境条件下的目标方位估计性能变差的问题,提出了一种基于实部消除技术的目标方位估计方法。首先将噪声场分解为对称噪声部分和非对称噪声部分。然后利用协方差矩阵虚部,采用延迟求和波束形成方法获得目标方位估计,但是同时产生了对称的虚假目标。最后基于功率估计重构协方差矩阵实部,并与虚部组成新的协方差矩阵,利用新的协方差矩阵做目标方位估计,消除了虚假目标的影响。理论分析与湖试数据处理结果表明:该方法明显抑制了噪声,提高了目标方位估计的性能。实部消除技术易于实现,有较强的工程应用价值。     

卷积神经网络主动目标方位估计

复杂海洋环境中信道的传输特性、时空变化、频散效应等一定程度上制约了主动声呐目标方位估计的性能。该文引入卷积神经网络(CNN),提出了适用于主动声呐中目标方位的高精度估计方法。仿真声场环境为浅海负梯度,主动发射信号为具有多普勒不变性质的双曲调频信号,水平线列阵作为接收装置,目标按仿真路线运动。该文利用Kraken进行声场数据仿真,并对接收的信号在频域做均匀加权常规波束形成,进而进行卷积神经网络的模型训练和测试。数值仿真研究表明,该文所用方法可以有效估计目标波达方向,对信噪比具有一定的鲁棒性。     

改进的贝叶斯压缩感知目标方位估计

针对基于高斯先验模型的贝叶斯压缩感知在目标方位(Direction Of Arrival,DOA)估计中可能出现明显随机伪峰的问题,改进了高斯先验模型,并在此基础上提出了一种贝叶斯压缩感知目标方位估计方法。通过波束输出噪声背景预估与二值指示变量标记,并引入基于信号先验方差的噪声方差估计方法,与变分贝叶斯推断相结合改进目标方位估计性能和优化迭代收敛过程。利用32元线阵对改进算法进行数值仿真处理和分析结果表明,该改进方法不仅可以准确估计目标信号的方位,而且可以显著地减少空间谱中伪峰的数量。实际海上实验数据处理结果表明,使用改进后的贝叶斯压缩感知方法进行DOA估计,可以显著地抑制空间谱中随机的伪峰,提高波束输出峰值背景比,具有更强的目标检测能力。     

目标方位估计的相关矩阵最大特征值法

研究均匀线阵(ULA)波束形成时作者发现，当操纵线阵指向方位不断变化，相关矩阵的最大特征值也随着有规律地变化着。通过分析最大特征值的变化，能够估计目标方位和数目。本文从实验数据和计算机仿真两方面对单目标和多目标进行处理，验证上述方法的可行性。     

拖曳线列阵声呐平台噪声的空域矩阵滤波抑制技术

针对拖曳线列阵声呐平台噪声构成近场强干扰影响声呐弱目标探测的问题,利用近场平台噪声的多途传播特性,将匹配场定位技术和平面波目标方位估计技术结合,使用平台噪声到达接收阵的拷贝向量以及平面波方向向量共同设计平台噪声零响应约束空域矩阵滤波器,实现了平台噪声抑制.推导得出滤波器设计最优化问题的最优解,利用广义奇异值分解简化最优解表达式,并给出滤波器对平面波方向向量整体响应误差以及对平台噪声拷贝向量响应。利用平台噪声拷贝向量与远场平面波方向向量相关性,解释了平台噪声构成强干扰的原因,以及滤波后存在探测盲区的原因。由仿真可知,空域矩阵滤波处理可获得更小的探测盲区,同时获得盲区外更高的探测能力.     

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     

目标方位的声压、振速联合估计

单个小水听器不能用来估计目标方位,单个小尺度声压、振速组合传感器能对目标方位作出有效估计。本文讨论理想条件下组合传感器目标方位的最大似然比估计,并给出湖试结果。     

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。     

基于预滤波迭代梯度法的运动估计

提出一种对小平移和大平移图像序列进行运动估计的新算法 预滤波迭代梯度法,预滤波迭代梯度法就是先对图像进行低通滤波,然后用迭代梯度法进行运动估计。结果表明,该方法比梯度法、预滤波梯度法和迭代梯度法具有更高的估计精度,而且可以很好地抑制噪声的影响。     

联合方位-径向速度的粒子滤波目标运动分析

纯方位目标运动分析方法要求观测平台有效机动才能估计目标运动状态,针对这一问题,联合径向速度与方位角作为测量信息对目标进行运动分析,但基于卡尔曼滤波算法进行解算需要已知粗略的目标状态初始值,且收敛时间较长、误差较大,不利于目标实时跟踪.针对以上问题,提出了一种基于粒子滤波的方位径向速度联合目标运动分析方法,建立目标运动状态分析的粒子滤波算法模型,对目标位置和速度等运动要素进行估计.在目标初始状态未知的情况下,一定程度上缩短了收敛时间,减小了估计误差,海试数据处理结果显示:相同条件下,与原有方法相比,本文所提方法收敛时间从35.1 min缩短至30.0 min;跟踪精度从6.1%提高至3.8%,且无需已知目标状态初始值。     

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.     

Eigenspace-based source number estimation for direction-of-arrival estimation

A eigenspace-based source number estimation was presented.It projects the estimated covariance matrix of array signal into signal eigen-subspace and noise eigen-subspace, respectively.Using the orthogonality between signal eigen-subspace and noise eigen-subspace, it is easy to differentiate the contribution of signal and noise by using the criterion value,or the magnitude of projection.Like the Direction-of-Arrival(DOA) estimation algorithm,the estimator uses the eigenvalue decomposition of covariance matrix with order M×M,where M is the number of elements,and hence can save much computational burden.To reduce more computational burden,the estimation can be implemented by the decomposition in the real-value space.Computer simulation demonstrates the distribution of criterion value and the performance of the estimation method.The estimation method was also tested with the sonar data,which shows good performances.     

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。     

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。     

一种改进的快速Mini-Norm算法

Ｋｕｍａｒｅｓａｎ和Ｔｕｆｔｓ提出的Ｍｉｎｉ－Ｎｏｒｍ算法通过对空间协方差矩阵进行特征分解，随后构造噪声子空间向量来求解方位。     

进行子阵加权波束形成的波达方向估计

针对水声信道的多径效应以及海底散射信号信噪比低导致方位估计性能较差的问题,提出了一种基于子阵加权波束形成的UESPRIT算法(Weighted Beamspace UESPRIT Based on Subarrays,BS-BUESPRIT)。首先利用密集波束域转换矩阵估计回波信号的方位谱,进而估计同一时刻到达阵列的回波数目;之后将均匀线阵分为多个尺寸相同、相互重叠的子阵,利用加权波束形成对各子阵接收信号做指定方向的空域滤波;最后基于各子阵波束形成后的输出结果,利用UESPRIT算法实现回波方向的估计。仿真和湖试、海试试验结果表明,与UESPRIT算法相比,BS-BUESPRIT算法提高了信号波达方向估计性能,在多径和较低信噪比条件下有着更高的估计精度,应用于高分辨率测深侧扫声呐时有效地提高了声呐的测深性能。     

观测平台转向时稀疏贝叶斯学习方位估计

针对观测平台转向时固定安装于其上的声呐线列阵指向快速变化导致的空间谱谱峰变宽问题,提出一种稀疏贝叶斯学习方位估计方法。该方法利用大地坐标系下不同接收快拍中的空域稀疏信号具有相同先验分布的特性,将转向过程中多个阵列指向分别对应的接收快拍信息联合处理,以求得目标方位。仿真分析与海试数据处理显示出,所提方法可以获得谱峰较尖锐的空间谱,具有较高的测向精度和角度分辨力,此外,对由左右舷模糊引起的伪峰有较强的抑制效果。所得结果表明,所提方法可以有效解决谱峰变宽问题,提升了平台转向时的方位估计性能,同时有效地利用阵列指向的变化提高了线阵抗左右舷模糊能力。     

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).     

基于矢量水听器阵列空域预滤波处理的多重信号分类算法研究

矢量水听器能同时拾取声压和振速信息,在相同的信噪比、阵元数及阵列孔径下,矢量阵定向性能优于声压阵列。目前,以多重信号分类算法(Multiple signal classification,MUSIC)为代表的高分辨定向算法已经广泛应用于矢量水听器阵列中。但是随着信噪比降低、信号源方位间隔减小,传统MUSIC算法定向精度及分辨概率显著下降。本文采用最小二乘法设计适用于矢量水听器水平阵列的矩阵空域滤波器,用于阵列数据的空间滤波预处理,可以对阻带扇面噪声进行有效抑制。由滤波后的数据协方差矩阵可以得到新的噪声子空间,在传统MUSIC算法基础上修正通带扇面内阵列流型的畸变后即可得到滤波后MUSIC算法的方位谱。仿真结果表明,当信噪比较低时,改进算法有效提高了通带扇面内目标方位分辨性能。最后本文对四基元矢量水平阵列海试数据进行了处理,改进算法对窄带信号定向较常规算法-3 dB束宽减小了13°,旁瓣级降低约8 dB。对有一定带宽的行船辐射噪声定向处理得到了更加精确的航迹图,海试数据处理结果证明了该算法的可行性和有效性。