基于子带锐化互相关处理的目标方位估计方法

将双接收器信号分频段处理的思想引入被动测向估计中,提出了一种子带锐化互相关算法。该算法利用高斯函数替代各频段信号互相关函数来实现尖锐化,再进行加权处理,以解决互谱相关算法在多目标或存在干扰情况下的目标方位估计效果不理想问题。仿真和海试数据处理表明,对具有频谱分布差异性的带限信号来说,算法在多目标、强干扰情况下仍可很好地估计目标方位,并且可以同时得到目标的频率信息,根据信号频带的不同还可以分辨相同方位角入射的不同目标。     

子带锐化互相关算法

本文分析了互谱相关算法在多目标或存在干扰情况下,估计效果不理想的原因,将分频段处理的思想引入到互谱相关算法中,并将各频段的处理结果进行尖锐化和加权处理,提出子带锐化互相关算法,解决了互谱相关算法在多目标或存在干扰的情况下估计效果不理想的问题。通过理论分析,仿真和海试数据的处理证明,算法在多目标,强干扰的情况下仍可很好的估计目标的方位,并且可以同时得到目标的频率信息,根据目标频带的不同还可以分辨相同方位角入射的不同声源。     

一种基于相关积分的互谱WVD目标方位估计方法

针对水下高速运动目标的被动跟踪问题,将魏格纳-威尔分布(Wigner-Ville Distribution,WVD)算法与互谱法相结合,构建了一种矢量信号处理框架下的目标方位估计方法——基于相关积分的互谱WVD算法。该算法利用了矢量水听器声压通道与振速通道信号的相关特性,首先通过计算两者的互相关函数来提取目标信号的特征信息,然后通过短时积分与傅里叶变换将互相关函数从时域转换到频域,最后在频域提取信号的特征参量,并进行方位估计。仿真研究表明,当目标处于远距离且低速运动时,所提算法的方位估计性能与互谱声强法基本一致;而当目标处于近距离且高速运动时,算法的方位估计性能大大优于互谱声强法。     

基于稀疏信号功率迭代补偿的矢量传感器阵列DOA估计

针对现有稀疏信号功率迭代算法对方位相近目标分辨概率与估计精度较低问题,提出了一种稀疏信号功率迭代补偿的矢量传感器阵列波达方向(Direction of Arrival, DOA)估计方法。基于稀疏信号补偿原理和加权协方差矩阵拟合准则,构建了关于稀疏信号功率与补偿权重的目标函数。推导了稀疏信号功率迭代更新表达式的闭式解。通过对稀疏信号功率进行谱峰搜索获得DOA估计值。理论分析表明,所提算法通过对离散网格点上的信号功率进行补偿提高了方位相近目标的分辨率概率与估计精度。仿真结果表明,相较于经典子空间算法与现有稀疏功率迭代算法,所提算法对方位相近目标具有较高的分辨概率与估计精度。     

一种水下声信号未知频率的时延差估计方法

针对目标辐射线谱信号频率未知时的时延差(TDD)估计问题,介绍一种基于时延差方差加权的时延差估计方法。首先对接收信号进行快速傅里叶变换(FFT)分析,然后采用引导信号对每一个频率单元进行频域互相关得到每一个频率单元时延差估计初值,最后利用噪声对应频率单元互相关谱最大值随机,目标对应频率单元互相关谱最大值基本一致的特点,统计各频率单元的时延差估计结果得到最终时延差估计值。理论分析和实验结果表明:该方法具有较好的有效性,对信噪比的宽容性远好于频域互相关法,该方法为弱线谱时延差估计提供了一个参考思路。     

被动声纳方位估计的宽带盲源分离算法

针对实际被动声纳信号宽带非平稳且统计特性无法预知的特点,由宽带卷积混合模型,建立了融合时间延迟结构与非参数化特性的代价函数,通过核密度技术同时估计目标源的概率密度函数和解混矩阵,并对估计的最优解混矩阵与目标源信号求取每个频点内方位能量谱,最后累加所有子带构成宽带方位能量谱。宽带仿真结果与实际海试表明本文方法在方位分辨率和估计精度方面接近最小方差无失真响应（Minimum variance distortionless response, MVDR）和多重信号分类（Multiple signal classification, MUSIC）算法,在弱目标检测方面具有一定优势。     

Robust统计在主动声纳分裂波束目标方位走向估计中的应用

主动声纳通常采用分裂波束双通道互谱法进行目标方位估计，但信号处理过程中目标回波脉冲长度往往和信号处理帧周期长度不匹配，或者在整个信号处理帧周期的信噪比不一致，造成瞬时方位估计目标走向算法具有较大的误差，不利于目标参量估计与分类。采用Robust统计对瞬时方位估计数据进行处理，能够有效降低目标方位走向估计的误差。本文通过对Huber估计进行了分析并提出了改进Huber估计，给出了其工程实现算法，实验验证该Robust统计在降低目标方位走向估计误差上具有稳健收敛的性能。     

矢量水听器阵时频MUSIC算法研究

时频MUSIC算法利用信号的时频分布构造空间时频分布矩阵,并用该矩阵代替传统的相关矩阵进行DOA估计,可以有效抑制噪声和干扰,提高算法的稳健性。时频子空间算法突破了传统子空间算法中阵元数对估计信号个数的限制,时频点包含了信号的时频空三维信息,通过时频点的选择可直接确定信号的频率从而确定阵列流型矩阵。对于宽带信号,在进行方位估计时避免了频域搜索,减少了运算量。将时频MUSIC算法应用于二维矢量水听器垂直线阵中,充分利用矢量水听器的标、矢量信息和信号的时、频信息进行宽带信号的二维波达方位估计。仿真研究验证了算法的有效性。     

聚焦矩阵在水中宽带目标被动跟踪中的应用

针对水中机动宽带目标,对于设计好的均匀线列阵,采用空间重采样方法计算基阵的恒定束宽阵元权系数,进而利用该阵元权系数产生聚焦矩阵,通过聚焦矩阵将不同频带的子带信号映射到同一参考频率上,然后将所有频率成分的信号功率谱密度矩阵作平均,并结合MUSIC(Multiple Signal Classification)算法,估计出目标的方位信息,从而实现水中宽带目标的被动跟踪。采用该方法进行仿真试验分析,结果表明在小孔径基阵上可实现宽带单目标的稳定测向被动跟踪,且对多目标具有一定的角被动分辨效果。     

一种基于时空瞬时稳定性的方位谱估计方法

针对基于子空间分解的空间方位谱估计方法稳健性问题,提出了一种基于时空瞬时稳定的方位谱估计方法。该方法首先依据空间目标信号时域瞬时稳定性,将协方差矩阵频域求取过程转换为经相参补偿的复域求取,降低空间数据稳定性对协方差矩阵估计的影响;然后依据各子空间输出方位谱峰值索引离散度差异,提取各子空间方位谱加权因子;最后根据加权因子实现对各子空间方位谱加权处理,降低背景噪声对最终合成空间方位谱影响。数值仿真及实测数据处理结果表明,相比子空间分解方法,在不损失空间分辨率情况下,能够有效降低空间数据稳定性对协方差矩阵估计产生的影响,在无目标先验信息情况下,对最低信噪比的需求得到了6 dB以上的降低。     

基于连续谱特征的被动声呐跟踪方法

针对被动声呐多目标跟踪问题,通过研究目标连续谱特征表征方式和特征更新相似关联机制,提出了一种基于连续谱特征的被动目标跟踪方法。该方法利综合利用频带能量法、排序截断平均算法以及峰值提取实现目标的连续特征表征,利用表征出的特征谱作为输入,通过建立相似度搜索,交叉判断与模板更新机制,实现了多目标的跟踪。经仿真对比分析了该方法的跟踪性能,并利用海上试验数据验证了其有效性。结果表明,连续谱特征可作为辅助特征用于目标的跟踪分辨,该方法能够有效提高多目标交叉情况下的跟踪关联能力,并且具备较低的运算量和较高的精度。     

调频初相位补偿的广义Warblet变换时频分析

信号时频分析的长时间窗时频分析法通常可提高输出信噪比和频率分辨率,但对于调频信号,会降低线谱时频能量聚集度并影响瞬时频率估计。对于调频信号广义Warblet变换(Generalized Warblet Transform,GWT),具有较短时傅里叶变换(Short Time Fourier Transform,STFT)更优的时频分析性能,但在长时间窗分析时,调频初相位估计误差会使算法性能下降甚至失效。针对该问题,提出调频初相位补偿的GWT(Frequency Modulation Initial Phase CompensationGWT,FMIPC-GWT)时频分析方法。在调频参数估计时将一半时间窗长所经过的相位补偿到调频初相位中,提高调频参数估计的准确性以增加瞬时频率估计精度。仿真和实验数据验证了,相比STFT法和GWT法,FMIPC-GWT法对于非线性调频信号时频分析性能更优。FMIPC-GWT法在调频信号线谱检测与瞬时频率估计等方面具有应用前景。     

双目标相干源窄带信号波达方向估计算法

利用水下目标发出的窄带信号,能够实现目标方向的精确估计。针对均匀线列阵接收水下目标窄带信号的特点,提出一种相干源波达方向(Direction of Arrival,DOA)估计的快速算法。通过精确估计目标信号对应的空间频率,直接计算出单目标或双目标信号的波达方向。对该算法进行了理论推导,通过仿真对算法进行验证,并对影响DOA估计精度的因素进行了分析。仿真结果表明,该算法具有较高的估计精度,不受信号时间长度的影响,算法计算量小,便于实时处理,具有较好的工程应用前景。     

结合主分量分析与DOA估计的语音盲分离

在欠定语音盲分离中,W-分离正交性假设通常使问题简化,但这种简化是以降低分离性能为代价。在语音信号满足近似W-分离正交性的假设下,提出利用主分量分析（PCA）检测只有一个源信号存在的时频点,检测出的时频点均满足W-分离正交性,因此提高了混合矩阵的估计精度。通过从混合矩阵中估计源信号的波达方向,可以较好地解决置换模糊问题。仿真结果表明,提出的方法与经典的DUET方法相比具有更优的性能,平均信干比提高了2.77dB。     

水声信号多参量估计的PWVD改进方法

Pseudo Winger-Ville分布（PWVD）是处理非平稳信号的有力工具,因其具有较高的时频聚集性更适合于实时处理,且选择合适的窗函数可降低旁瓣大小,提高分辨率。传统的PWVD可以对信号瞬时频率进行无偏估计,但其频率分辨率和时间分辨率不能同时兼顾;提出了一种插值PWVD法可克服此不足,极大地减小了频谱泄漏的负面影响,有效提高了频率估计与时间估计的精度。仿真和实测数据的分析结果验证了插值PWVD法的可行性与有效性。     

潜标姿态变化对矢量水听器目标方位估计的影响

潜标系统作为一种矢量水听器水下工作安装平台,不可避免的姿态变化会引起矢量水听器各通道接收兴趣信号的起伏变化,致使目标方位估计结果偏离真实目标方向。理论推导分析了潜标体姿态变化对矢量水听器目标方位估计的影响,定量分析了矢量水听器目标方位估计与姿态变化周期(频率)的关系,并进一步讨论了与幅度及积分时间等的关系,如姿态幅度为40°时要方位估计误差小于5°,则积分时间至少要大于24s。研究结果对矢量水听器目标方位估计时的积分时间选取具有重要指导意义。     

Processing radio frequency ultrasound images: a robust method for local spectral features estimation by a spatially constrained parametric approach

Spectral estimation is a major component in studies aiming at characterizing biological tissues through the analysis of backscattered radio frequency (RF) ultrasonic signals and images. However, conventional spectral estimation techniques yield a well-known trade-off between spatial resolution and variance. The backscattered signals are stochastic by nature, so short-term local analysis results in a high variance of the estimates, which cannot efficiently be reduced through conventional spatial averaging. We address this issue by describing a spectral estimation technique that reduces the variance of the estimates (by smoothing the local estimates in spectrally homogeneous regions) while preserving spectral discontinuities (i.e., the smoothing is not performed across regions with different spectral contents). The proposed approach is set in a Bayesian framework and is based on local autoregressive (AR) estimation, constrained by smoothness priors. These smoothness priors are introduced through a Markov random field in which the associated potential functions are nonquadratic, allowing thereby to preserve discontinuity. The method is validated on simulated RF images and tested on echocardiographic images acquired in vivo. The results are compared to the estimates provided by the conventional Burg technique. These results clearly demonstrate the ability of the proposed approach to improve spectral estimation in terms of variance reduction and discontinuity detection.