一种新的声矢量阵远程ESPRIT方位估计算法

为解决水下目标远程高分辨定向问题,文章提出了一种新的声矢量阵ESPRIT方位估计算法.与现有的将声矢量传感器(AVS)的振速信息作为独立阵元来处理的声矢量阵方位估计算法不同,新算法完全基于声压与振速联合信息处理,充分利用了声矢量阵(AVSA)中声压与振速的相干性原理,能更好地将ESPRIT算法的高分辨能力与AVSA的抗噪能力有机地结合起来,实现远程、高分辨方位估计.理论分析和基于湖试背景噪声的仿真实验证明了新算法的有效性.     

无需信源数目的声矢量阵相干源方位估计算法

针对相干源方位估计问题,本文在PVFS（Particle Velocity Field Smoothing）算法的基础上,提出一种新的算法。该算法通过对PVFS算法构造出的协方差矩阵进行特征值分解,利用得到的特征值及特征向量构造新的噪声子空间,然后运用子空间原理实现相干源的方位估计。该算法无需已知相干源的信源数目且不会损失阵列孔径,具有较好的相干源方位估计性能,计算机仿真结果验证了本文算法的有效性。     

基于MUSIC算法的矢量水听器阵源方位估计

矢量水听器阵的每个阵元同时测量声场中的声压量和质点振速的3个正交分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息.利用矢量阵所获得的速度场的信息可去除目标方位估计中的180°模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.本文采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,以提高对源方位的估计精度.仿真结果表明,在SNR=10dB的条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了30°左右,旁瓣降低了16dB左右,利用MUSIC算法可提高对源的定向精度及对多目标的分辨能力.     

应用FRFT的矢量水听器阵方位估计

采用FRFT方法研究矢量水听器阵的宽带信号多目标方位估计问题.进行了与FRFT的二维矢量水听器线阵方位估计算法相结合的理论推导与仿真实验.研究证明,采用二维矢量水听器阵可以实现全空间无模糊定向,该方法在处理多源信号时可以避免交叉项的干扰,对于宽带信号的处理,不需要进行频率搜索或频率聚焦变换就可以进行方位估计.该方法在信噪比不低于-10 dB时都具有较好的估计精度.     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

基于ESPRIT算法的L-型矢量阵源方位估计

建立了水平L-型矢量水听器阵列的数据模型,研究了利用ESPRIT算法同时对目标的水平方位角和仰角进行高分辨率角度估计,仿真L-型矢量水听器阵对单个源和多个源的方位估计情况,并和相同阵型的声压阵方位估计性能进行比较,结果表明,相对于声压阵,矢量阵可以在不增加阵孔径的前提下提高对单源方位估计的精度,获得的增益为6dB左右,同时提高了对多目标方位的分辨能力。     

中心对称声矢量圆阵的相干双声源方位估计方法

针对水下2个相干目标的远程探测问题,本文提出了一种基于前后向空间平均的声矢量圆阵方位估计方法。该方法根据中心对称声矢量圆阵的结构特性,将声矢量传感器顺序重新排列建立中心对称的阵列形式。利用声压振速联合处理构建声压与振速的互协方差矩阵,引入后向互协方差矩阵,从而通过平均前向和后向矩阵得到前后向平均的互协方差矩阵。采用最小方差无畸变响应波束形成器完成2个相干目标的方位估计。理论分析与仿真结果表明:与声压处理方法、声压振速独立处理方法以及相位模态域声压振速联合处理方法相比,本文所提方法具有较高的角分辨能力、方位估计精度以及较强的噪声抑制能力;相比相位模态域声压振速联合处理方法,该方法可适用的频带范围更宽。试验结果进一步验证了该方法具有较好的相干双目标方位估计能力。     

矢量水听器扩展孔径线阵方位估计技术

矢量水听器由声压水听器和质点振速水听器复合而成,可以同时测量声场中的声压和质点振速的正交分量,将矢量水听器布成阵列对目标方位进行估计.在不增加阵元个数的情况下,可以把阵布成稀疏阵来增加阵孔径,提高对目标方位的估计精度.按照耐奎斯特空间采样定理,阵元间距超过半波长将会带来方位估计的周期性模糊.该研究利用扩展孔径矢量线阵对目标进行方位估计,以及研究如何去掉方位估计中的周期性模糊,最终获得目标方位的高精度无模糊估计.研究结果表明,在相同的信噪比条件下,利用扩展孔径矢量线阵可获得比具有相同输出路数的声压阵更好的方位估计性能.     

矢量阵的非空间ESPRIT算法

矢量水听器同时测量声场中某点的声压和质点振速的正交分量,单个矢量水听器可视为空间共点阵.建立了任意阵型矢量阵的数据模型,研究了任意阵型矢量阵的非空间ESPRIT算法.非空间ESPRIT算法不是利用空间2个子阵组成的矩阵对,而是利用矢量水听器不同的输出分量组成矩阵对完成目标的二维角度(水平方位角和仰角)估计.仿真研究了该算法对单个源和多个源方位估计的情况,并利用外场试验数据验证了算法的有效性.结果表明,在当时的试验条件下,常规波束形成获得的主瓣波束宽度为30°左右,而非空间ESPRIT算法对目标方位估计的标准差为3°左右,说明基于矢量阵的非空间ESPRIT算法在未知阵列流形的前提下可对目标进行高精度方位估计.     

声矢量阵波束域宽带聚焦MUSIC算法

和阵元域处理相比，波束域处理具有计算量小，分辨信噪比门限低的优点．同时，声矢量传感器拾取了更多的声场信息，联合处理这些信息可以提高声呐的性能．把声压阵的波束域高分辨算法的思想和相干子空间方法(CSM)的思想引入到声矢量阵列信号处理，在Michael Zoltowsk提出的矢量阵的数学模型的基础上推导出了声矢量阵波束域宽带聚焦MUSIC算法，并作了计算机仿真研究，仿真的结果表明：基于矢量阵的波束域宽带聚焦MUSIC、算法无论是在分辨信噪比门限还是在角度分辨能力上都要优于声压阵波束域宽带聚焦MUSIC算法，而二者的计算量相当，和矢量阵阵元域宽带聚焦MUSIC算法相比，矢量阵波束域处理的计算量要远远小于阵元域处理。     

矢量传感器阵列高分辨率方位估计技术研究

矢量传感器能同时共点拾取声场中的声压和三路相互正交的振速信息,获得额外的信息量,它的出现引起了国内外的关注.为了改善波束域高分辨率方法的性能,获得矢量传感器阵列对多目标的足够精度的分辨能力,在研究矢量传感器阵列目标估计基础上,首次在矢量传感器阵列处理领域将矢量阵波束形成与波束域目标估计算法结合起来,实现了高精度目标方位估计,与常规阵元域和波束域方法相比,提高了多目标估计性能,降低了输入信噪比门限,增大了阵列输出增益,减小了计算量.仿真验证了该算法的优越性.     

一种新的声矢量阵最小范数算法

现有的声矢量阵方位估计算法基本都是将声矢量传感器(AVS)的振速信息作为与声压相同的独立阵元信息来处理,没有充分利用AVS中声压和振速的相干性,以及由此带来的抗各向同性噪声能力.基于AVS中声压和振速的相干性原理,提出了一种新的声矢量阵最小范数算法.新算法充分利用了AVS中声压和振速联合信息处理的优势,能更好地将最小范数(MN)算法的高分辨能力与AVS的抗噪能力有机地结合起来,实现远程高分辨DOA估计.理论分析和基于湖试数据的仿真实验证明了所提算法的有效性.     

矢量水听器阵波束域MVDR方法研究

矢量水听器可同时拾取声压和振速信息,成阵后水听器间的相移信息量增大.基于矢量水听器阵的波束形成性能明显由于单纯声压水听器阵.矢量水听器阵可用常规方法进行波束形成,但其方位分辨率有限.已经有人研究了矢量水听器阵的最小方差无失真响应波束形成算法(MVDR),但属于对阵元域信号进行的直接处理,运算量较大.本文提出一种基于矢量水听器阵的波束域MVDR算法(BMVDR).该算法首先将矢量水听器阵元的空间数据转换到波束空间,然后对转换后的数据再运用MVDR算法.结果,不但实现了降维处理,减小了运算量,同时可进一步抑制扫描扇面外的噪声.对BMVDR算法进行了仿真并与常规MVDR算法进行了比较.结果表明,本文方法可得到与常规MVDR算法相当的方位分辨能力.     

单矢量传感器的互谱估计与方位估计

单矢量传感器的互谱估计,将时域随机过程变换成了频域随机变量.该变量的统计特性,使得各向同性噪声场影响具有更加明确的物理解释.给出了互谱估计一、二阶矩和一维概率密度函数.由于拾取了振速信息,单个矢量传感器便能获得目标方位的最大似然估计.基于互谱估计的统计特性,给出了方位估计概率密度函数的通解形式,在纯噪声和高信噪比两种极端情况下推导了方位估计的数字特征.对低信噪比的方位有偏现象做出了解释,对高信噪比的判别条件给出了定量描述.理论分析与仿真结果一致,从而为湖海实验研究预备了统计知识.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法，在均匀线性阵列（ Uniform Linear Array, ULA）上增加一个阵元，将阵元放在特定的位置，得到一组特殊的阵元组合，打破了均匀线阵中导向矢量的周期性，成功地避免了角度估计模糊．此外，该方法在同等硬件资源的条件下，得到了更多阵元组合，可以获得更高的阵列方位分辨率．提出了一种适用于新阵列结构的矩阵分块空间平滑算法，利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后，重新组合得到修正后的数据协方差矩阵，实现了相干信号源的DOA估计.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法,在均匀线性阵列（Uniform Linear Array,ULA）上增加一个阵元,将阵元放在特定的位置,得到一组特殊的阵元组合,打破了均匀线阵中导向矢量的周期性,成功地避免了角度估计模糊.此外,该方法在同等硬件资源的条件下,得到了更多阵元组合,可以获得更高的阵列方位分辨率.提出了一种适用于新阵列结构的矩阵分块空间平滑算法,利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后,重新组合得到修正后的数据协方差矩阵,实现了相干信号源的DOA估计.     

单矢量传感器MUSIC算法的DOA估计及性能评价

针对单矢量传感器MUSIC算法在实际工程应用中存在性能恶化的问题,通过理论分析和数值仿真研究了幅相特性因素对其方位估计性能产生的影响,推导了幅相特性不一致条件下算法的空间谱估计表达式,同时给出了一种基于单矢量传感器通道功率盲归一化思想的改进算法.研究的结果表明:通道的幅相特性不一致将导致空间谱的谱峰变宽,并使空间谱估计的结果产生偏差甚至"伪峰";而改进的算法在保证方位估计精度的同时改善了目标的方位分辨能力,消除了传统算法空间谱中可能存在的"伪峰".湖试数据的处理结果进一步验证了改进算法的有效性.     

基于MUSIC算法的双平面阵列天线DOA估计

提出一种由两个平面阵列天线相互垂直放置而组成的双平面阵列天线,并对此双平面阵列天线模型进行数学建模及理论构建.阐述了MUSIC算法的基本原理并进行了具体分析.利用MUSIC算法对此阵列天线进行了三维空间D()A估计,其中对每一个平面阵列分别估计出三维空间到来角中的两个参数;并利用此双平面阵列天线D()A估计的特点,对三...