岸基水听器阵列阵形估计方法研究

阐述了基于时延估计的阵形估计方法的基本原理,该方法比基于传感器测量和基于匹配场处理的方法具有更强的适应性和较高的精度.对比分析了单辅助信源和双辅助信源的相应的阵形估计方法,其中单信源方法用装配间距近似各个阵元间的实际间距.对已有海试数据阵形估计处理的结果表明,阵列弯曲不大时,单源方法可以得到与双源方法相当精度的估计结果,用估计阵形进行空间谱分析,进一步说明了结果的有效性.基于时延估计的阵形估计方法对长水听器阵列的应用及阵形估计具有较大应用价值.     

基于时延冗余测量的阵形校准

海底柔性水平阵的阵形校准,可以利用两个校准声源测量阵元间的声传播时延差来求解得到。传统算法只利用了相邻阵元信号测量的时延差,但误差会随噪声增大而出现累积。在信噪比降低时,所提方法通过冗余时延测量有效地减少了误差累积,从而提高了阵形校准的精度与稳定性。数值仿真与实验结果都验证了该方法的有效性。     

拖曳阵阵形估计的自适应Kalman滤波算法

柔性拖曳阵在水下拖动时受拖船拖动及海流等的扰动,因此拖曳阵的阵形估计问题是个存在未知输入的系统状态估计问题。文中采用了一个自适应的KALMAN滤波算法来解决这一问题。自适应Kalman滤波器包括两部分:一部分是没有输入的Kalman滤波,另一部分是自适应加权的Kalman滤波用于估计快时变的余量偏差。在迭代的每一步,均利用M-估计器和Huber函数相结合构造作为更新偏差函数的遗忘因子。数值仿真与海试结果表明,该方法比传统的状态估计方法估计效果好。     

时延估计方法的分析

对周内外时延估计的最新研究现状及各种算法进行研究,在研究了大量时延估计文献的基础上,分析了广义相关法、广义相位谱法、自适应算法及其改进算法,分析了各种算法之间的关系以及各自的特点。重点论述了现代信号处理算法与时延估计算法相结合的各种时延估计方法及其在非平稳信号中的应用,同时,分析了带宽对时延估计精度的影响及宽带信号的时延估计方法,指出了时延估计算法还需要进一步研究的方向。     

线性插值时延估计方法及误差分析

讨论了钱性插值时延估计方法及影响其测时精度的诸种因素。在一定信噪比下,这种方法的计算精度可达到微秒量级,而且所需设备较少,信号处理全部由软件完成,算法简单,很适合于多路信号的时延估计。     

基于单比特量化的单频信号时延估计算法

提出了一种基于单比特量化的单频信号自适应时延估计算法,采用该算法在保持信号频谱特性不发生变化的基础上,极大地去除信号冗余量,对简化后的信号框架采用包络检测,估计时延.对接收信号进行单比特量化能够最大限度地降低数据量,同时量化结果又进一步简化了单频信号滤波器的输入响应函数结构,自适应算法则保证了时延估计的高分辨率.通过仿真实验表明,该算法在不造成频偏和频率衰减的同时,又很好保证了时延估计精度.最后利用湖上实验验证了算法的有效性和可靠性.     

可变步长自适应时延估计方法研究

在介绍LMS自适应时延估计算法的基础上重点介绍了基于参数模型的自适应时延估计算法ETDGE，并给出了一种利用ETDGE的功率因子估值来估计噪声与信号功率的方法，从而实现加快收敛速率的变步长迭代算法。实验结果表明，基于可变步长的ETDGE算法具有更快的收敛速度和更小的稳态均方估计误差。     

噪声相关条件下多传声器时延多尺度估计

提出一种基于小波分解的多尺度时延估计方法,解决非稳态、有色噪声且通道间噪声存在相关性的条件下提高时延估计精度问题,并把这一理论应用于声阵列对声源的定位.利用小波良好的时间-频率分解性能将非稳态信号分解为多个稳态信号,同一尺度内进行互相关获得多尺度时延值,并证明了小波分解不会改变信号之间的固有时延值.针对不同尺度内时延值不一致、无法识别出正确时延值这一问题,提出用三传声器之间时延匹配关系消除噪声相关性,来识别正确时延,从而实现非稳态、噪声相关条件下的时延估计.最后通过正四方形声阵列试验检验了该方法,试验证明:该方法不但提高了识别率、细化和突出了相关函数的波峰,还提高了时延估计的稳定性和精度.     

相关Hilbert差值时延估计方法误差分析

被动探测的关键技术之一就是通过有效的信号处理方法提取出多接收器的时间差,而确定时差最基本的方法是进行信号相关以获得估计信息,相关算法虽然计算过程简单,但是算法对信号和噪声频谱特性要求比较高。基于希尔伯特变换的时延估计是广义相关时延估计方法的拓展,把相关函数的对称性由偶函数转化成奇函数,将相关法中对峰值的检测转化为对过零点的检测。通过对两种算法的误差比较分析,信号的截至频率越高,希尔伯特变换法的均方误差与基本相关法的均方误差相差越明显,估计误差越理想,证明Hilbert算法的优越性。     

基于双谱时延估计的爆心定位研究

爆心距是影响爆破振动强度的重要因素,对爆心的准确定位可获取更接近实际情况的爆心距,从而更加准确的对爆破振动质点速度峰值进行预测.基于现场的实测爆破振动信号,利用MATLAB软件编制程序,进行双谱时延估计仿真试验,验证了此方法对于爆破振动信号时延估计的可靠性.然后利用该方法确定不同传感器接收的爆破振动信号延迟时间,采用正...     

广义互相关时延估计声定位算法研究

针对地面目标声定位因信噪比较低而定位精度差的现象,提出了基于广义互相关法的声定位系统,根据平面四元法目标定位计算式,研究了广义互相关算法在实际中的应用。环境噪声、军事目标声和民用目标声频谱范围大多集中,即出现目标声会与背景噪声高度重合的情况,发现一般加窗滤波法在降低噪声的同时亦会将目标声强度大大削弱,而广义互相关时延估计法是通过计算两路信号互相关函数的最大值而求得时延差,其精度高、稳定性好。通过计算机仿真得到在信噪比较低的情况下,加窗滤波因大大削弱目标声强度而造成定位精度较低,而利用广义互相关方法可得到较为精确的声定位坐标。     

基于多普勒-随机共振技术的高精度阵形估计系统研究

潜用拖曳线列阵声呐在拖曳过程中,随着潜艇的运动状态变化,其线阵阵形会产生一定的畸变。速度越慢,其畸变幅度越大。阵形畸变,将影响声呐的探测性能。为有效提高拖曳声呐的探测能力,需对阵段不同拖曳状态进行阵形变化研究。基于以上研究需求的基础上,使用随机共振技术和阵元多普勒频移特性,在实验室或湖上构建了阵形估计系统,该系统可对不同拖曳状态的测试阵段实时地精确估计阵形,满足拖曳线列阵声呐阵形估计技术研究的需求。     

基于时延方位估计的多基地模式轨迹解算算法

单基地模式的声呐探测系统存在工作方式固定、定位精度低的缺陷多基地定位声呐中 T-Rn 定位方式存在观测和测量缺失的问题。文章结合多基地系统在跟踪阶段中所获得的信号波达时间、接收信号幅度和信号来向角等多元先验信息,对基于波达时间及方位的定位算法进行了深入研究。文章提出了一种利用空间椭圆轨迹交汇的目标位置解算算法,并以空间反向投影算法辅助完成目标定位。该算法首先获取目标回波的相位关系,利用基于广义互相关的时延估计算法得到系统工作周期内的平均时延估计量。基阵的垂直方位观测量可通过接收信号的方位估计值获得,轨迹解算算法分别采用了椭圆轨迹交汇与几何定位法。最后给出了完整的算法流程,误差评估的仿真结果验证了交汇定位算法的有效性,该方式可有效保证多基地模式下的目标定位跟踪任务的执行效率,对实际工程应用中系统定位精度的评估有一定参考价值。     

匹配场反演阵形估计算法的试验研究

传统的阵形估计算法都基于这样一个假设,即声传播为平面波或球面波模型,在浅海应用条件下,多途效应显著,该假设失效,造成此类算法的性能下降。提出了一种基于匹配场反演的阵形估计算法,采用简正波模型对声场建模,将多途建模为不同号数的简正波,从而消除了多途效应的影响;并且通过合理地选择目标函数,使算法对环境参数的扰动具有一定的宽容性;利用柔性阵的线性约束,将阵形畸变用弧线建模,使问题简化,在缺少声源精确位置等先验知识的前提下,仍能实现阵形的准确估计。理论仿真和试验结果表明,该算法是有效的。     

长线阵联合阵形估计系统研究

针对长线阵易发生阵形畸变问题,提出一种基于非声传感器和水动力模型求解的联合阵形估计系统。该系统在充分利用非声传感器信息的基础上,进一步根据拖线阵水动力模型,求解实时阵形,实现阵形估计。仿真实验及数据分析表明,与传统的阵形估计算法相比,该系统的估计精度提高10%以上,对工程实践具有较高的指导意义。     

基于噪声抵消技术的时延估计

阐述了噪声抵消时延估计法(Time Delay Estimation based on Noise-canceling,TDENC)的基本原理,建立了TDENC分析的估计模型;并进行了大量仿真计算和初步海上试验。仿真结果表明:低信噪比且干扰噪声间相关性较强时,TDENC估计延时明显优于常规方法,但其主峰较宽;干扰噪声间彼此相关但信噪比高,估计时延精度则较差。海上试验结果和理论仿真一致。     

自适应时延估计在蛙人超短基线定位中的应用

蛙人超短基线(Ultra-Short Base Line, USBL)定位设备实现浅水环境下高精度定位的关键技术之一是精确的时延估计。由于自适应时延估计方法具备环境自适应能力强的特点,文章将混合调制的拉格朗日直接时延估计方法应用于蛙人USBL定位时的高精度测向上,它可以在信标信号中心频率已知的情况下将小数时延滤波器调制到信号中心频率处,以较低的阶数提供更高的时延估计精度;并根据USBL阵型和信号自身的特点,对混合调制的拉格朗日直接时延估计在低信噪比下的具体使用模式进行了探讨和仿真验证;结果显示,所采用的自适应时延估计方法可以在中低信噪比下提供1°～3°的定位测向精度。     

一种变步长的自适应特征值分解时延估计方法

在房间声场环境下基于传声器阵列的说话人定位中,时延估计算法是其中的关键步骤。与其它常用时延估计方法相比,自适应特征值分解（Adaptive Eigenvalue Decomposition,AED）时延估计算法因其优越的抗混响性能受到越来越多的关注。但在受噪声和混响干扰的语音条件下,传统的自适应特征值分解算法收敛速度较慢,对初值敏感。通过引进动量因式,提出了一种变步长的特征值分解算法,通过理论分析和仿真实验,证实了新算法的收敛性能要优于传统的特征值分解算法,节省收敛时间,使算法的整体性能有所提高。