基于协方差扩展PM算法的波达方向估计

针对基于传播算子方法(Propagator Method, PM)的水听器阵波达方向(Direction of Arrival, DOA)估计在低信噪比或者小快拍数时性能变差的问题,文章提出一种改进的基于PM算法的水听器阵方位估计方法。该方法利用信号子空间的旋转不变性特征对协方差矩阵进行扩展和重构,通过分块协方差矩阵的子矩阵得到传播算子矩阵。通过传播算子矩阵构造扩展噪声子空间,然后利用信号子空间与噪声子空间的正交性估计空间谱。仿真实验和湖上实验的结果表明：相较于传统PM方位估计算法,文中算法在低信噪比或者小快拍情况下具有较好的方位估计性能,在信噪比为0 dB时,文中方法比传统PM算法均方根误差减少0.6°;在快拍数为150时,比传统PM算法的均方根误差减少0.1°。     

非一致性噪声条件下的特征空间波束形成

由于水声环境的复杂性,阵列的噪声分布可能是非一致性的。当阵元噪声功率各不相同时,阵列协方差矩阵特征分解得到的特征子空间与真实目标的特征子空间之间存在误差,导致特征子空间波束形成算法的性能衰减。文章提出了一种新的非一致性噪声条件下特征子空间的估计方法,将阵列协方差矩阵对角线置0,进行特征分解估计的特征子空间将不受阵元噪声非一致性的影响。将该方法应用到特征空间波束形成算法,提高了非一致性噪声条件下特征空间波束形成算法的方位分辨能力。仿真和实验结果验证了所提方法的可行性和有效性。     

一种改进的WSF算法在单矢量水听器多目标方位估计中的应用

文章针对单个矢量水听器的多目标方位估计,提出了一种基于加权子空间拟合(WSF)的算法,该算法首先对单个矢量水听器接收数据作一任意的时间延迟,而后仿照ESPRIT算法的思路求解阵列响应矩阵,从中抽取各目标的波达方位。该算法在保留WSF算法分辨力高、估计方差小的优点的同时,通过结合ESPRIT算法的思想,克服了WSF算法计算量大,需迭代求解的缺点。由于该算法和声源频率无关,因而可直接应用于宽带声源的测向,并避免了传统ESPRIT算法中因估计延时相位而导致的频率-方位模糊问题。文中通过数值仿真和推导Cramer-Rao下界,给出了该算法的性能评价,数值仿真和湖试实验结果也充分验证了该算法的有效性。     

随机阵阵形的校准和DOA估计

本文介绍了一种随机阵DOA估计方法,同时可对阵元增益(幅度和相位)进行补偿并估计阵元位置。提出的算法是在特征子空间方法的基础上,采用Golub-Pereyra参量分解法求解非线性优化问题,具有收敛速度快、估计精度高等特点。作为验证,本文还给出了计算机仿真试验的结果。     

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。     

基于样本协方差矩阵谱分离特性的波达方向估计方法

小快拍条件下利用样本协方差矩阵代替统计协方差矩阵会带来较大误差,导致传统DOA估计算法不能准确估计目标方位。通过分析发现在不同阵元数与快拍数之比情况下,不管相干源还是独立源,样本协方差矩阵都具有明显的谱分离特性,在此基础上提出了采用小快拍的主特征空间目标波达方向估计方法,该方法利用导向向量与噪声子空间正交,且与信号子空间平行的特性,使用导向向量与主特征空间相乘再取反余弦构造出目标DOA估计幅度。仿真与水池实验中阵元数与样本数之比为1时依然可以准确将多个目标分辨出;海试数据验证中,阵元数与样本数之比也同样为1时,两个相邻目标可以正确分辨,而MUSIC算法则有伪目标出现。     

基于波束域相干信号子空间法的宽带源小尺度基阵定向

在给定的小尺度平面四元阵的基础上,主要研究了波束域相关信号子空间算法(BeamSpaceCoherentSignal-subspaceMethod—BSCSM)在宽带源定向中的应用以及性能分析。用实测的直升机噪声仿真产生各个阵元上输出的宽带信号源,并且使得这组信号具有特定的波达方向(DirectionofArrival—DOA)。分别使用波束域相干信号子空间法(BSCSM)和阵元域的相干信号子空间法(CoherentSignal-subspaceMethod—CSM)与非相干信号子空间法(InCoherentSignal-subspaceMethod—ICSM),通过计算机仿真实验对其进行方位估计。在仿真实验中,可以直观地看出三种方法的性能优劣。根据计算机仿真结果,统计意义上的误差分析,以及对宽带平面波波达角度的角度分辨率等性能指标的分析比较,可以得出在小尺度基阵定向研究中,波束域方法能够获得比其他两种阵元域算法更好的性能。     

分布式传声器阵列的低频宽带信号方位估计

现有的预防道路交通安全事故、治理道路交通噪声污染等问题的解决方案是从视觉维度监控重点区域并通过声音维度确定事件触发类型与位置。为了实现公路异常声源的实时监测,提出了一种基于双尺度旋转不变信号参数估计旋转不变子空间技术(Estimation of Signal Parameters via Rotational Invariance Techniques, ESPRIT)的低频宽带声源波达方向(Direction of Arrival, DOA)估计算法,该算法适用于三个矩形子阵呈三角形分布的分布式阵列。算法利用该分布式阵列具有的子阵内相邻阵元间距、相邻子阵间距两种尺度对应的空间平移不变性分别进行方向余弦估计,并利用基于阵型分布的解模糊策略实现高精度方位估计。仿真结果验证了算法的有效性,表明了基于该算法的分布式阵列DOA估计精度优于相同阵元数与阵元间距的单个均匀矩形阵,分析了估计精度与分布基线长度的关系,体现了算法的实际工程应用价值。     

多波束测深系统多子阵检测法的改进及其性能分析

多波束测深系统中,相位检测法是实现超宽覆盖测量的关键技术之一。分析了分裂子阵相位检测法和多子阵检测法,并基于对子阵结构的分析,改进了多子阵检测法,给出了多子阵检测法输出信噪比的表达式,讨论了子阵结构对输出信噪比的影响,在理论分析基础上选择了三种子阵结构对海上试验数据进行了处理,验证了分析结果。处理结果表明,在优化参数基础上,多子阵检测法不但可实现多波束测深系统的超宽覆盖,而且可改善系统对海底的检测性能。     

基于波束空间的改进TOPS宽带DOA估计

提出了一种基于波束空间的改进投影子空间正交性测试算法,以克服投影子空间正交测试(Test of Orthogonality of Projected Subspace,TOPS)算法在低信噪比时容易出现伪峰的缺点。通过对TOPS算法中的正交性测试矩阵添加对角修正矩阵,并利用波束空间方法对阵元接收数据进行预处理,从而实现对宽带信号的波达方向估计。仿真结果表明,文中所提出算法与TOPS算法相比,能够抑制波束指向范围内的伪峰,并能提高分辨概率和减少运算量,是一种具有应用前景的新算法。     

稳健的稀疏信号单快拍波达方向估计

通过稀疏重构得到传感器阵列输出数据的稀疏表示模型,研究了单快拍采样情形下的信号到达角(Direction of Arrival, DOA)估计问题。提出了一种基于最小均方误差(Minimum Mean-Square Error, MMSE)准则迭代实现的单快拍到达角估计算法(Iterative Implementation of MMSE, II-MMSE)。该算法将原有的稀疏表示模型中稀疏信号矢量的求解问题,转化为迭代求解稀疏功率对角阵,进而估计多目标信号的DOA。给出了算法的完整实现流程,从理论上分析了II-MMSE算法的迭代收敛性和对阵列模型误差的鲁棒性。仿真结果表明,II-MMSE算法在低信噪比、相干背景、小样本、阵列未校准等条件下都具有良好的测向精度和多目标分辨能力。     

一种均匀线阵互耦校正算法

旋转不变子空间(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法是空间谱估计中的典型算法,但是阵列互耦会严重影响ESPRIT算法的测向性能。将均匀线阵划分为冗余阵元和有效中心阵元,对有效中心阵元利用ESPRIT算法估计出校正源方位角,结合冗余阵元信息估计出互耦系数阵。计算机仿真显示该算法在互耦自由度为2或3时均有效,算法还从仿真角度研究了幅度和相位误差对算法性能的影响。该算法校正时只需单个未知方位校正源,是一种操作简单的均匀线阵互耦校正算法。     

Direction of arrival estimation for uniform circular array based on fourth-order cumulants in the presence of unknown mutual coupling

A direction of arrival (DOA) estimation algorithm in the presence of an unknown mutual coupling is presented for a uniform circular array. This algorithm is based on the fourth-order cumulants, and the DOA of signal sources can be accurately estimated without the need of any calibration source since the coupling is blindly compensated by the inherent mechanism of the proposed method. Because of the use of higher-order statistics, the number of sources that can be coped with may be larger than the number of sensors in the array, and the algorithm is insensitive to Gaussian noise. Comparing with existing calibration methods which use iterative approaches, this algorithm is computationally less expensive since it uses only a one-dimensional search. Validation and performance are illustrated by simulations.     

一种频分MIMO声呐的波达方向估计算法

为了使声呐阵列在有限的载体空间内获得较高的角度分辨率,设计了基于频率分集的多输入多输出（MultipleInput Multiple-Output,MIMO）声呐。该MIMO声呐采用N发M收的布阵方式,接收阵为M元均匀线阵,发射阵由N个阵元组成,且各发射阵元发射中心频率不同、包络相同的窄带信号。建立密集式频分MIMO声呐的回波模型,并以此模型为基础提出了波达方向估计算法方向-相位域多重信号分类（Direction and Phase Domain-Multiple Signal Classification,DPD-MUSIC）算法。仿真实验中以双频MIMO声呐为例,将频分MIMO声呐的DPD-MUSIC算法的估计性能与单输入多输出（Single-Input Multiple-Output,SIMO）声呐MUSIC算法的估计性能进行了对比。仿真结果表明,频分MIMO声呐利用DPD-MUSIC算法可以获得优于等接收阵元数SIMO声呐的角度分辨率和角度估计精度。     

一种改进的稳健高分辨力DOA估计算法

介绍了一种基于最大后验概率准则的约束最优空间处理(Spatial Processing-Optimized and Constrained,SPOC)DOA算法。这种算法将阵列接收到的空间能量近似为来自远场的密集分布的独立信号源发出的信号,在极限情况下,这些点源是连续分布的。算法应用最大后验概率准则,在满足接收信号能量不变的情况下,使得接收到的总功率最小,通过估计每个点源的能量完成对来波方位的估计。算法只针对单快拍数据进行处理,因此避免了目标运动以及环境非平稳性带来的影响。针对算法在低信噪比下不稳定的缺点,使用对角加载技术(diagonal loading)进行了改进,增强了算法的稳健性。使用单个发射换能器和接收水听器进行了水池实验,实验显示DL-SPOC算法相比于MVDR、CBF等算法拥有更高的角度分辨力。     

基于空间平滑处理的稳健宽带高分辨方位估计算法

实际系统中阵列误差导致的模型失配问题一直是高分辨方位估计技术走向实用化的一个瓶颈。相对于窄带信号,宽带信号阵列模型误差更加复杂和多样,通过建立宽带阵列信号误差模型,得出了基于空间平滑的稳健的宽带高分辨算法是一种抑制阵列误差的有效方法的结论,这种基于空间平滑的宽带高分辨算法,通过空间平滑后对各频率处不同子阵的互谱密度矩阵求和,一定程度上减弱了阵列误差的影响,具有较高的稳健性。本文结合消声水池试验,分析并验证了其效果。     

基于模型稀疏表示的单快拍波达方向鲁棒估计

基于传感器阵列输出模型的稀疏重构,研究了利用单快拍数据进行波达方向（Direction of Arrival,DOA）估计的问题。考虑到在实际应用中,目标信号个数远小于传感器阵元数,目标信号DOA相对于空间来说也是稀疏的,将传统的传感器阵列输出模型进行稀疏化表示,得到阵列输出数据的稀疏表示模型,研究了一种基于l₁-范数最小化的单快拍DOA估计算法（L1-Min）。该算法将稀疏参数求解问题转化为二阶锥规划（Second-Order Cone Programming,SOCP）问题的一般形式,并在二阶锥规划的框架下求解,同时分析了算法中正则化参数的选取依据。L1-Min算法对小样本、相干多径信号、目标信号角度间隔小等非理想条件都具有较好的鲁棒性。仿真实验验证了算法的有效性。