改进正则化正交匹配追踪波达方向估计方法

针对稀疏阵列模型下匹配追踪波达方向估计方法稳定性不足的问题,提出了改进的正则化正交匹配追踪波达方向估计方法——TROMPDOA(T-transform Regularized Orthogonal Matching Pursuit Directions of Arrival Estimation).仿真表明,TROMPDOA方法在计算复杂度上与原有正交匹配追踪波达方向估计方法OMPDOA(Orthogonal Matching Pursuit Directions of Arrival Estimation)相近,但在估计稳定性上要优于OMPDOA方法,特别是在低信噪比及信号源之间的角度较近时,TROMPDOA方法比OMPDOA方法稳定性提高1倍.实验验证了TROMPDOA方法适用于单元和多元目标估计,估计精度达到1.5°.      

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。     

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.     

圆弧形面阵自适应波束形成快速计算方法

针对圆弧形面阵估计水下目标二维波达方向的问题,提出一种降维处理的自适应波束形成方法。利用圆弧形面阵模型简化阵列内插矩阵的计算,通过垂直和水平两阶段波束加权,降低自适应波束形成维数,从而实现快速估计声源二维波达方向的目的。仿真结果表明,所提改进方法的计算量较传统二维最小方差无失真波束形成方法降低约一个数量级,且在低快拍条件下具有更明显的噪声抑制优势。湖上实验数据处理结果验证,在复杂水声环境下,所提方法具有较好的目标分辨性能。      

一种基于声矢量传感器阵的宽带源二维波达方向估计算法

提出一种基于声矢量传感器阵的宽带源二维波达方向估计算法,在宽带相干源条件下实现了二维波达方向估计参数的自动配对。克服了通常声矢量传感器阵波达方向估计中存在的谱峰搜索和参数配对问题。分析表明:该算法能够可靠判定目标源的个数,具有较高的估计精度;不受目标波达方向角度间存在兼并(入射源含有相同的方位角或俯仰角)的影响;当存在阵列误差时,算法的稳健性好。     

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。      

基于改进基追踪去噪的水声单载波频域均衡信道估计

针对低信噪比下单载波频域均衡信道估计精度低导致均衡效果差的问题,利用基追踪去噪方法估计稀疏信道有效抽头具有的稳定特性,提出了一种在平稳水声信道条件下单载波频域均衡系统中应用的改进基追踪去噪稀疏信道估计方法。方法利用延拓循环前缀作为导频进行多次信道估计,将估计结果累积平均,再采用门限判决提取有效抽头得到信道估计值,从而提高了稀疏信道的估计精度。通过合理选择循环前缀延拓次数,尽可能地降低导频长度对频带利用率的影响。仿真对比分析了改进基追踪去噪算法与匹配滤波、最小平方以及传统基追踪去噪信道估计算法的性能以及对单载波频域均衡系统误码率的影响。仿真实验结果表明,改进基追踪去噪信道估计算法具有更优的估计精度,在单载波频域均衡系统中可以提高约3 dB的接收信噪比增益。     

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。      

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。      

一种超声速运动目标的被动声定位算法

超声速运动目标在空气中飞行时产生激波，本文利用激波到达时间，提出了一种基于波前方向矢量的算法，确定目标的速率和位置。最后，通过对三站均匀圆阵的估计精度的分析计算，讨论了该算法的有效性。     

On fast estimation of direction of arrival for underwater acoustic target based on sparse Bayesian learning

The Direction of Arrival(DOA) estimation methods for underwater acoustic target using Temporally Multiple Sparse Bayesian Learning(TMSBL) as the reconstructing algorithm have the disadvantage of slow computing speed.To solve this problem,a fast underwater acoustic target direction of arrival estimation was proposed.Analyzing the model characteristics of block-sparse Bayesian learning framework for DOA estimation,an algorithm was proposed to obtain the value of core hyper-parameter through MacKay's fixed-point method to estimate the DOA.By this process,it will spend less time for computation and provide more superior recovery performance than TMSBL algorithm.Simulation results verified the feasibiUty and effectiveness of the proposed algorithm.     

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     

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。      

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。     

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).     

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     

Direction of arrival estimation for underwater acoustic target based on compressed sensing after blind reconstruction of array signal in frequency domain

The performance of direction of arrival(DOA) estimation based on compressed sensing(CS) decreases in the complex ocean marine environment.In order to tackle this problem,a method of DOA estimation for underwater acoustic target based on CS after blind reconstruction of array signal in frequency domain is proposed.Firstly,the received array data are transformed to frequency domain by Fourier transform and frequency domain wideband signal are divided into part overlapping multiple sub-band array signal.Secondly,each subband array signal are separated using plural blind source separation(BSS) method,the sub-band separated matrix and target signal can be estimated.Thirdly,the array signal in frequency domain are reconstructed according to the separated matrix and separated signals which were not noises.Fourthly,the sub-band spatial spectrum corresponding to the reconstructed array signal is obtained by CS beamforming method.Finally,the total spatial spectrum is achieved by summing the all sub-band spatial spectrum.And the target direction can be estimated by searching the peak value of the total spatial spectrum.The verification results of simulator data and sea measured data show that,under the same conditions,the target detection ability and direction precision of the proposed method is superior to the classical minimum variance distortionless response(MVDR) method,frequency domain CS method,BSS combined with MVDR method.The spatial spectrum energy of faint target signal is improved obviously,and the ability of the sonar to detect faint target is enhanced.