功率受限的常规波束形成后处理拟合方法

针对水下目标方位超分辨估计问题,提出一种功率受限(Power Constraint)的常规波束形成(Conventional BeamForming)拟合算法(PC-CBF)。PC-CBF算法通过常规波束形成获得目标方位谱数据,利用阵列响应向量对方位谱进行后处理,准确估计目标个数与目标方位。算法对接收信号的功率进行限制,获得对方位谱的欠拟合,利用凸优化进行反演卷积,估计目标的方位信息。仿真结果表明,算法性能在分辨率上优于基于半正定规划的常规波束形成算法(semi-definite programming Conventional BeamForming,sdp-CBF)和多重信号分类(MUltiple SIgnal Clasification,MUSIC)。对水池实验数据以及湖试数据处理结果显示,PC-CBF算法能够获得较窄的谱峰宽度以及较低的背景级,具有较强的方位估计分辨能力。     

声矢量圆阵相位模态域目标方位估计

为了实现矢量传感器在圆阵阵型下的应用,文中提出了一种适合于声矢量圆阵的目标方位估计算法。该算法首先将声矢量圆阵阵元域信号分解为一系列相互正交的相位模态,在相位模态域构造声压和质点振速的互协方差矩阵,然后进行MUSIC方位估计.理论分析和仿真结果表明,文中算法比相同阵型的声压阵MUSIC方位估计算法具有更好的噪声抑制能力、方位估计性能以及多目标分辨能力,试验结果也表明本文算法具有更好的噪声抑制能力以及更好的目标方位估计性能。该算法实现了声压和质点振速的相干处理,充分利用了声矢量传感器的平均声强抗噪原理,具有较强的抗各向同性噪声能力,并可以将子空间类DOA(Direction of Arrival)估计算法和相位模态域阵列信号处理技术有机结合起来,实现了声矢量传感器在圆阵阵型条件下的高分辨DOA估计。     

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。     

一种改进的稀疏近似最小方差DOA估计算法研究

针对稀疏信号的超分辨方位估计问题,提出一种可变因子的稀疏近似最小方差算法(α-Sparse Asymptotic Minimum Variance,简记为SAMV-α)。该算法利用一个折衷参数进行最大似然估计值和稀疏性能的折衷处理,在迭代过程中改变稀疏近似最小方差算法(Sparse Asymptotic Minimum Variance,SAMV)的指数因子,得到强稀疏性能和超低旁瓣的方位谱图,实现邻近目标的超分辨方位估计和相干处理性能,且无需预估角度和信源数目等先验信息,并且折衷参数的取值为0到1之间,取值区间明确,避免了稀疏信号处理算法中正则因子选取困难的弊端。计算机仿真表明SAMV-α算法方位估计性能明显优于波束扫描类算法和子空间类算法,与同类型稀疏信号处理类算法相比仍具有较高的方位估计精度,同时对于邻近声源分辨能力,SAMV-α算法较SAMV-1算法性能提高约3dB。海上试验数据处理给出了分辨率更高的方位时间历程(Bering-Time Recording,BTR)图,有效验证了SAMV-α算法的性能。     

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。     

瞬态信号的小波变换波达方向估计

针对瞬态信号方位估计问题,提出了基于连续小波变换的多重信号分类测向算法(CWT_MUSIC)。首先由信号特征确定小波尺度参数,构造Morlet小波,对信号进行小波变换,利用获得的小波变换系数建立多分辨时频阵列信号模型,并据此模型设计基于子空间的MUSIC算法以实现瞬态信号的波达方向估计;然后对该算法的多分辨与误差性能进行分析,最后仿真实验和实际爆炸试验验证了所提出的CWT_MUSIC算法能有效地提高空间谱的分辨率和DOA估计性能。     

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。     

拖线阵机动时的自适应波束形成

提出了一种MVDR(最小方差无失真响应)的改进算法,用以解决常规MVDR算法由于阵形时变而出现的性能下降问题。在获得时变阵形估计数据的基础上,该算法以统计时段内的平均阵形为基准阵形,在每个扫描方向上根据实际阵形和基准阵形的差异对阵列互谱矩阵多样本进行相位补偿,从而实现统计时段内的互谱矩阵多样本相干累加和目标检测。数值仿真与海上实验数据处理结果表明:与传统MVDR算法相比,改进算法有效缓解了时变阵形下的目标测向角度模糊问题,可提高拖线阵目标左右舷分辨性能、增强弱目标检测能力。     

频域单快拍压缩感知目标方位估计和信号恢复方法

方位估计和信号恢复分别是水下目标定位、跟踪和目标识别的前提。提出了一种阵列频域单快拍压缩感知的水下目标方位估计和信号恢复方法。首先将阵列接收数据变换到频域,取频域单快拍数据作为压缩感知的测量值,然后根据频域快拍对应的频率、搜索方位和阵列流形构造过完备的阵列流形矩阵作为压缩感知的感知矩阵,最后通过基追踪算法估计搜索方位上目标信号和功率,实现DOA估计与信号恢复。宽带仿真实验数据验证结果表明,同等条件下完成同样的目标方位分辨,提出的方法比最小方差无失真响应方法要求的阵元数和快拍数较少,要求的信噪比更低,恢复的目标信号更加准确,波形相关系数达到89%以上。海上实验数据处理结果表明,目标检测能力优于最小方差无失真响应方法,证明该方法可以适用于实际声呐系统。     

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。