虚拟信源直接数据域高分辨算法

目标高分辨算法的性能优劣直接影响声纳、雷达的目标感知能力。考虑基于空间平滑思想的直接数据域算法,在干扰方向产生稳定的零陷。虚拟出期望信号并加入到接收数据中,将实际目标当作干扰,通过直接数据域自适应的方法在实际目标方向产生零陷：在波束图的左半部分适当位置虚拟一个期望信号,得到0°~90°的零陷分布图,在右半部分适当位置虚拟一个期望信号,得到90°~0°的零陷分布图,将这两部分零陷图组合后,取倒数得到实际功率谱图。该方法可以在单快拍、未知目标信号先验信息的情况下得到稳定、高分辨力的目标方位估计,并能够处理相干信号。仿真分析验证了算法的正确性和良好性能。     

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。     

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。     

非相干与相干宽带信号高分辨方位估计方法的性能比较

通过仿真实验,对相干法和非相干法两种宽带高分辨波束形成的方法在性能上进行了比较。非相干法原理简单,易于实现,不需要对方位进行预估,但其分辨性能不如相干法,尤其是在当目标为相干信号时,非相干信号子空间法失效;相干法无论目标是否相干,均具有良好的分辨性能,特别是在低信噪比的条件下仍有一定的分辨能力。但是,它需要预估方位,当预估方位的误差较大时,相干法的性能急剧下降。     

相干分布源的方位估计

在水下声纳工作的环境中,若目标体沿中心角方向的扩展角度不能忽略,则基于点源假设的众多高分辨方位估计算法会导致错误的估计结果,而基于分布式目标模型的方位估计算法则可以适应这种目标环境。目前,随着空间分布源受到越来越多的关注,有人相继提出了一些算法例如DSPE和ESPRIT等等,但是这些算法需要很高的输入信噪比和要求不同目标源之间不相干,为了解决相干源的方位估计问题以及提高算法低信噪比下的估计性能,给出一种处理方法。仿真实验证明,该方法能够在低信噪比下提高算法的估计性能及有效的区分相干源。     

抑制运动强干扰的稳健波束域目标方位估计方法

为了减小来自旁瓣区快速运动的强干扰对波束域高分辨方位估计方法的影响,提出一种稳健的波束域高分辨方位估计方法。该方法在形成多波束时,将稳健自适应波束形成与零陷扩宽技术相结合,有效地抑制了运动强干扰所造成的快拍失效和扫描方向误差引起的自适应波束图畸变,从而保证波束域方法能准确地估计目标方位。仿真结果验证了该方法的有效性。     

任意阵列几种高分辨DOA估计算法的性能比较

许多优秀的高分辨算法只能用于均匀线列阵。在不规则阵列条件下，本文通过扇区内插法把实际阵列等效为虚拟的均匀线列阵，使高分辨阵处理算法能应用于任意阵列。以共形阵为例比较分析了改进的MFBLP、MFBLP、MUSIC、SSM和MSSM在少快拍时的方位估计性能，仿真结果表明这种等效虚拟的方法是可行的且改进的MFBLP在非相干与相干两种信号源情况下的估计性能都优于其它几种高分辨算法。因此，用等效虚拟的方法来实现改进的MFBLP对那些阵列不是均匀线列阵且实时性要求较高的阵处理是可行的。     

协方差矩阵的相关法Toeplitz改进算法

提出一种基于均匀线形阵列的相关Toeplitz矩阵构造方法,建立了两种Toeplitz矩阵的构造方式,结合子空间法形成一种相干信源方位估计的高分辨方法。具体将接收阵列各阵元与参考阵元输出信号做相关,获得一组相关向量,应用相关Toeplitz矩阵构造算法构造阵列输出的Toeplitz矩阵,从而得到去相干的相应接收阵列的协方差矩阵,最后再应用高分辨子空间估计方法完成相干信源方位估计。仿真结果表明：所采用的相关Toeplitz矩阵构造算法达到了很好的去相干效果,并将Toeplitz近似化方法改进成为无偏估计方法,显著提高了相干信源方位估计的精度,并使Toeplitz矩阵构造的计算量减少到原方法的1/M。     

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。     

盲源分离用于DOA估计研究

方位估计是水下目标定位、跟踪的前提。提出了一种复数域奇异值分解盲源分离方法,估计出了阵列流形,并利用阵列流形表现出的相位关系完成了目标方位估计。通过仿真实验与MUSIC高分辨方位估计方法和相关文献的方法进行了对比,结果表明该方法能很好地实现目标方位的实时估计,且性能更佳。     

用数据矩阵分解确定多噪声源的频率和位置

本文提出利用均匀线阵接收的数据构造一种矩阵进行奇异值分解，以对频率、方位两参数进行分离估计，用频率谱估计出声源频率，用方位谱估计出声源方位角。并在此基础上改变变阵列中心位置确定噪声源位置，计算机模拟和声学实验证明了上述方法的可行性。     

基于波束域MUSIC方法的高分辨方位估计

现代声纳系统普遍采用水听器基阵和一定的信号处理来提高对目标的检测和定位能力，而基阵的波束形成则在其中起着核心作用。文中研究了窄带波束域高分辨方位估计技术，分析了波束域MUSIC方位估计的构造过程和具体实现方法。仿真计算表明，基于波束域MUSIC的方位估计算法是一种分辨空间小角域内多个目标的有效方法。     

单矢量水听器时域和频域双目标分辨能力比较

用单矢量水听器估计目标方位时,双目标情况下,时域平均声强器估计的是两个目标的合成方位;在频域利用目标DEMON线谱频率的不同可以区分双目标,该方法具有较好的抗相干及非相干干扰能力,表明单个矢量水听器也能分辨多目标.文中叙述了DEMON线谱测向原理,给出了轴频提取及双目标DEMON线谱分离的方法,分析了DEMON线谱区分双目标的性能.     

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。     

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向（Direction of Arrival, DOA）估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题，文章提出了一种基于协方差矩阵托普利兹（Toeplitz）矩阵重构的多重信号分类（Multiple Signal Classification, MUSIC）算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵，并利用新协方差矩阵构造Toeplitz矩阵，然后对其进行特征值分解，得到Toeplitz矩阵的噪声子空间，利用噪声子空间求出信号空间谱，通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径，增加了可估计相干信号的数量，提升了方位估计的性能，提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明，文中方法可估计出更多的相干信号，而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。     

直线阵识别水下运动目标噪声源方法研究

基于运动声源的时间方位特性,提出了采用均匀线列阵识别水下运动目标线谱噪声源的方法。利用时空二维MUSIC(Multiple Signal Classification)法对多个入射声源进行高分辨方位估计,获得运动声源的时间方位曲线,经野值点剔除和中值滤波平滑处理后,根据声源运动轨迹的先验信息,通过最小二乘法精确估计出噪声源通过线阵的正横时刻,最后结合参考声源确定噪声源在运动目标上的位置。考虑实际噪声测量情况,对时空MUSIC法做了近场修正,同时采用解相干处理使本文方法可适用于同频声源。数值仿真结果验证了方法的有效性。     

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。     

基于卷积神经网络的水下多目标方位估计方法

针对水下多目标方位估计问题,提出了一种利用卷积神经网络模型对目标声源进行方位估计的方法。该方法使用不等强度的声源数据进行训练并使用焦点损失函数作为训练损失函数。通过对阵列接收到的信号进行特征提取,使用焦点损失函数指导卷积神经网络训练,最终利用训练好的卷积神经网络模型进行目标方位估计。对不同模型参数的训练进行对比,结果表明所训练的卷积神经网络模型在较低信噪比条件下也能正确估计弱目标的方位。试验结果表明,与采用二元交叉熵损失函数的卷积神经网络模型相比,该方法对弱目标的方位估计能力更强,提高了方位估计的准确率。     

基于单矢量水听器空间谱增强的MUSIC算法

针对单矢量水听器多重信号分类(Multiple Signal Classification,MUSIC)算法在低信噪比条件下,存在谱峰宽度变宽、估计精度变低等性能恶化的问题,提出一种基于单矢量水听器空间谱增强的改进MUSIC算法。该算法的基本原理是:单声源入射到单只矢量水听器上时,加一参考信号源,若两者方位相同,则同方位叠加使空间谱增强;若两者方位不相同,则两方位合成,使空间谱估计产生偏差。因此,改变参考信号源的方位,当参考信号源的方位与信号源的方位一致时,将使谱峰得到增强,此时空间谱达到最大值,其对应的角度即为信号源的方位角。仿真分析及实验数据处理结果表明,与常规MUSIC算法相比,该算法具有更尖锐的谱峰、更高的估计精度,能够实现更好的空间谱估计。     

高分辨阵列测向的最小二乘自校正算法

本文提出一种高分辨阵列测向的最小二乘自校正算法。在模型失配的情况下,可同时对信号的到达方向及未知的模型误差参数进行估计。该算法适用于存在相干信号源及低信噪比,短数据的情况。为简单起见,本文仅考虑阵元的增益及相位误差参数。