矢量阵信号子空间投影波束形成

针对常规波束形成无法充分发挥矢量阵抗干扰性能的问题,提出了基于信号子空间投影的波束形成方法.对声矢量阵接收信号进行三阶张量建模,利用高阶奇异值分解得到信号子空间,并将阵列流形矢量投影于其上,从而得到相应的空间谱计算方法.计算机仿真试验验证了该方法的有效性.     

基于矢量水听器的非均匀阵列APES波束形成算法

针对传统幅度与相位估计（Amplitude and phase estimation,APES）算法难以应用于非均匀阵列的问题,研究了基于矢量水听器的APES算法。利用矢量水听器能够同时共点测量声压和质点振速的特点,将矢量水听器的声压和解析振速通道作为两个子阵,两路子阵之间只存在一个相位差,且与阵元位置无关,使得APES算法能够应用于任意形状的阵列。推导和分析了矢量APES算法的阵增益及其稳健性。分析和 仿真表明：该方法相比于传统APES算法,具有更高的阵增益,且能适用于非均匀阵列;相比 于最小方差无失真响应（Minimum variance distortionless response,MVDR）算法,具有更好的稳健性,能解决相干问题及能够获得更准确的信号功率,并用实测数据验证了算法的 有效性。     

基于声矢量阵虚拟扩展的张量MUSIC算法

提出了一种基于声矢量阵虚拟扩展的张量MUSIC算法。在等间距均匀声矢量阵阵元数不变的前提下,多次虚拟扩展阵元间距,形成多个虚拟阵列,利用张量MUSIC算法求得这些虚拟阵列对应的空间谱,利用对这些空间谱求平均的方法来抑制栅瓣。仿真结果验证了所提算法对抑制栅瓣的有效性。与张量MUSIC算法的仿真比较结果显示:对于单目标,该算法有更高的估计精度与分辨率;对于角度相距较近的双目标,该算法有更高的分辨率。     

基于矢量对角加载的近场目标定位方法

针对采样数据少的情况下近场最小方差无畸变(MVDR)算法定位性能差的问题,提出一种基于矢量对角加载的近场MVDR定位方法。首先推导了基于任意型矢量阵的近场MVDR算法,并分析了算法在快拍数较少时性能下降原因;矢量对角加载方法利用采样数据协方差矩阵的标准差作为加载量完成对角加载处理,获得改善的协方差矩阵;最后通过仿真和实验数据验证改进算法的有效性和稳定性。验证结果表明,提出的方法能克服小快拍数据的影响,提高水雷对近场区域目标的定位稳定性。     

水下物体对船舶电场的扰动分析

讨论了海洋船舶腐蚀引起的静电场的基本模型，对Galvanic System电场在水中兵器，电场测量体等实体附近可能产生的电场畸变进行了分析计算，理论计算表明；雷体等水下实体对电场的扰动的大小主要取决于雷体与舰船的距离，雷体材料的电阻率，雷体的尺寸，当距离大于10m时，其引起的电场畸变的相对变化率小于2%，由此得出了利用舰船电场远场作为启动信号时可以不考虑电场扰动的结论。     

电场引信的动作判据分析

讨论了海洋船舶交变电场衰减的基本特征．根据海洋对不同频率电场信号的穿透深度不一样的原理，分析推导了电场引信点火动作的判决依据．引信设计时选择不同的频率信号进行处理，使用电场模量门限、电场上升斜率、不同频率电场上升斜率比及其组合等参数可以简便地控制电场引信，使电场引信具有良好的动作区域性．     

基于高阶ESPRIT的单声矢量水听器近场声源定位

为避免传统近场定位算法需要三维搜索,计算量大的问题,该文结合高阶累积量提出一种适用于单矢量水听器近场声源定位的旋转不变子空间(ESPRIT)算法。首先通过定义一系列的四阶累积量矩阵,获得了3个不变性矩阵,然后从这些不变矩阵中提取近场源的位置信息,该方法可以得到目标的方位角、俯仰角和距离的封闭形式的解。最后通过仿真验证了本算法的有效性。     

矢量水听器与Kalman滤波在水雷引信中的应用

将基于声压振速的矢量水听器应用于水雷上，可以实现对水面运动目标的精确测向，获得方位角和俯仰角。根据水雷定深、方位角、俯仰角3个观测量，利用Kalman滤波算法实现对水面运动目标航迹估计与跟踪，提高水雷的精确打击能力。     

基于矢量相干积累的舰船特征线谱增强算法

针对强噪声背景下仅用声压信号不能检测到舰船特征线谱的问题,提出了基于矢量相干积累的自适应线谱增强算法。该算法通过将矢量水听器测量的声压、振速分别输入自适应线谱增强器的两个通道,实现信号相干积累,从而提高输出信号的信噪比。通过不同谱级信噪比下仿真数据及实测数据的验证表明:该方法在低信噪比情况下对目标特征线谱的增强性能优于原声压自适应线谱增强算法。     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法. 首先对声矢量阵接收信号进行三阶张量建模, 并通过高阶奇异值分解得到信号张量子空间, 从而结合加权信号子空间拟合算法进行空间方位谱估计. 由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声, 并且体现了多维数据之间的关联关系, 因此具有更高的方位估计精度. 理论和仿真结果表明: 该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性, 工程应用价值较高.