单矢量水听器MUSIC估计与互谱估计的性能比较研究

为了研究单矢量水听器的目标方位估计能力,将MUSIC算法和互谱法分别用于单矢量水听器方位估计。根据单矢量水听器的阵列流形特点,将子空间分解理论应用到单矢量水听器方位估计上,实现了单矢量水听器的MUSIC高分辨方位估计。对单个的目标进行方位估计仿真,同时将MUSIC算法与互谱法进行比较,得到在低信噪比下,MUSIC算法的方位估计精度要高于互谱法。在高信噪比下,MUSIC算法和互谱法的方位估计有比较好的性能。水库试验数据验证了该MUSIC算法和互谱法的有效性。     

基于ICA的单矢量水听器多目标分辨

单矢量水听器利用目标信号的声能流进行测量,可有效抑制各向同性干扰,提高目标信号的信噪比,从而实现目标的波达方向(DOA)估计。但若存在多个目标时,单矢量水听器测量的是各信号声能流的矢量和,因此无法估计单个目标的方位。本文将独立分量分析(ICA)原理与单矢量水听器技术相结合,提出一种新的单矢量水听器多目标分辨算法。在目标信号方向未知的情况下,该方法可对矢量水听器的导向矢量实现盲估计,并分离出各独立目标信号,进而利用声能流逐次分辨出各独立目标信号。仿真实验证明了算法的有效性。     

矢量水听器方位估计方法研究

矢量水听器能够在空间中同一点,同时的测量声场中的声压和振速信息,再通过对信息的一起处理,实现对目标的方位估计。根据船舶辐射噪声形式和干扰的不同,有多种估计方法。本文介绍了平均声强器法和线谱法的原理,并对它们做了计算机仿真,得出了在不同信号形式和干扰条件下它们的不同应用。     

矢量水听器在潜艇模型噪声定位中的应用研究

潜艇模型噪声源的定位可以为分析潜艇模型噪声的辐射特性提供依据,进而评估潜艇模型噪声的优劣,并对其性能加以改进.利用水听器阵列可以对潜艇模型噪声定位,但对于低频辐射噪声,水听器阵列的孔径会很大.在漳河水库,利用矢量水听器测量了潜艇模型的辐射噪声,并利用复声强器估计了辐射噪声的方位,从而为矢量水听器在潜艇模型辐射噪声测量中的应用提供了一个范例.     

相关噪声背景下声矢量阵目标方位估计

传统的矢量水听器数据处理方法将单个矢量水听器的输出用一复数向量来表示,没有充分利用矢量水听器各振速通道的正交特性,为此提出了用复四元数对矢量水听器的输出数据建模,将矢量水听器输出的三个振速分量用复四元数的三个虚部表示,保留了矢量水听器各阵元的正交性,对相关噪声有较好的抑制能力。针对声源的非平稳特性,将观测数据分成多个子段,计算每个子段的协方差矩阵并进行向量化处理,通过一正交映射,消除干扰噪声,最后对去除噪声的伪协方差矩阵做特征值分解,利用MUSIC算法原理建立目标的方位估计公式。算法降低了对声源信号平稳性要求,对相关噪声有较强的鲁棒性。     

三维压差式矢量水听器定向性能分析

由于压差式矢量水听器是通过声压梯度来近似测量质点的振速,因此声场计算误差必将影响其定向精度.从理论上对三维压差式矢量水听器定向性能进行了分析,推导了由声场计算误差引入的目标俯仰角和方位角误差公式.此外,利用平均声强流定向算法,通过仿真详细分析了矢量水听器各阵元幅度和相位不一致、阵元间距、积分时间和信噪比等因素对目标定向精度的影响.仿真结果对三维压差式矢量水听器的制作及实际工程应用均有指导意义.     

单矢量水听器多目标方位估计的算法研究

矢量水听器可有效抑制各向同性的背景噪声干扰,能同时共点地拾取声场的声压标量和振速矢量信息。这些信息的偶次阶矩组成了以各个目标的声强和方位为未知数的非线性方程组。为了求解该方程组,研究了具有全局最优化概率搜索的快速方法:遗传算法和小生境遗传算法,并对两者的性能进行比较。仿真试验的结果证明了算法的可行性,即基于小生境遗传算法能够实现单个矢量水听器进行多个非相干源目标的方位估计。为了提高弱目标的方位估计精度,又提出了二次小生境搜索方法。     

基于单矢量水听器的实时性线谱提取算法

针对单矢量水听器探测条件下的水声目标线谱提取问题,提出一种可实时性迭代计算的线谱提取算法。首先利用矢量水听器声压振速通道的联合信息处理,可提高水声目标信号的信噪比。其次,利用基于极大值滤波器的线谱预处理方法对信号频谱进行峰值检测,进而通过在线谱提取过程中引入缓存器,可以在较小的计算复杂度条件下提高信号处理过程中的时间增益,再结合线谱归并方法可以较为精确的提取出目标线谱。经仿真试验分析及海上实测数据验证,该算法能够在低信噪比条件下实现对线谱的检测,并具有良好的抗线谱漂移干扰能力。     

单矢量水听器四阶累积量MUSIC算法对信号DOA的估计

针对传统MUSIC算法的局限性,提出了一种基于高阶累积量的单矢量水听器MUSIC算法.这里将单个矢量水听器理解为一个标量传感器阵列,按照阵列信号处理的原理对其输出的标量场和矢量场信息进行联合处理,该算法先构造四阶累积量矩阵,代替传统MUSIC算法中的阵列协方差矩阵,对四阶累积量矩阵采用MUSIC算法作方位估计.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,MUSIC算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,该方法还是能获得高分辨率的估计.湖试结果也表明,文中算法有更好的目标方位估计性能.     

水听器混合阵列MUSIC方位估计研究

实际应用中,矢量水听器阵列是声压水听器阵列通道数的三倍（二维矢量水听器阵列）或四倍（三维矢量水听器阵列）,其相应的数据量、信号处理复杂度及成本亦明显增加。在阵列中混合配置声压水听器与矢量水听器,是一种解决该问题的有效途径。利用多重信号分类法（MUSIC）,对五种配置的水听器混合阵列进行研究,分析在不同信噪比、目标相对运动时对方位估计的影响。仿真表明,在有相同数目矢量水听器时,水听器混合阵列间隔配置比集中配置要好;在目标方位未知的情况下,在中间配置一个矢量水听器比在一端配置要合理。     

Application of frequency estimation algorithm based on a single vector sensor in underwater acoustic communication

1 Introduction1 An acoustic vector sensor (AVS) simultaneously measures the acoustic pressure and the components of acoustic particle velocity which render the basis for developing new signal processing methods[1-2]. The higher processing gain can be obta…     

低速物体入水溅落声特性研究

在水池中利用声压水听器和矢量水听器对实验模型低速入水产生的溅落声进行了一系列测量实验,对低速物体溅落声信号的波形特征、声源强度随入水角的变化规律以及频谱特性进行了初步分析,并给出了一些实验结果.     

矢量水听器在有限空间内的测试条件分析与试验研究

矢量水听器的校准工作是矢量水听器研制和工程应用中的重要环节。目前,常规校准矢量水听器的方法存在明显劣势,这对于研制性能更优越的矢量水听器是不利的。文章参考室内声学理论,对密闭小型水槽内的声压分布状况进行仿真分析,包括水槽本身引起的声模态、水槽尺寸和壳体厚度等对声场分布均匀性的影响,最终通过试验验证了仿真结果的准确性和小型水槽内矢量水听器测试条件的可行范围,分析结果为寻找更好的矢量水听器校准方法提供了新思路。     

一种新型同振式矢量水听器的结构设计与性能研究

本文通过分析压电加速度计的幅频特性,设计一种中心位置固定安装的悬挂系统,给出对应的新型同振式矢量水听器的设计方案,并对其性能进行仿真分析.结果表明,中心固定式矢量水听器结构紧凑、安装方便,适合水下小尺寸平台的安装使用,在工作频带内可准确测量声场中声压与质点振速信息.     

引入导航信息与雷达互测机制的目标指令误差估计方法

中段接力制导作战是协同作战的一种具体协同模式。提出基于平台间雷达互测机制与导航信息的目标指令参数误差估计模型。根据平台间的雷达互测机制得到的平台量测和两平台惯导设备输出的自身定位信息,在发射平台的传感器局部坐标系中表示出目标和平台的位置坐标,实现多传感器数据位置对准,并对各平台的设备偏差进行估计和补偿,消除系统误差的影响,提高了各平台的传感器测量数据精度。     

矢量声压组合基阵MVDR近场聚焦波束形成

介绍了矢量声压组合基阵MVDR近场聚焦波束形成的水下噪声源近场高分辨定位方法。该方法将MVDR高分辨方位估计方法应用于单矢量水听器与声压基阵构成的组合基阵中,利用矢量水听器的单边指向性,抑制噪声源定位中的左右模糊,并结合声压基阵MVDR算法高分辨定位优势,从而实现了水下噪声源近场高分辨定位,且可以有效抑制近场定位中的左右弦模糊,通过计算机仿真验证了算法的有效性,具有一定的工程应用价值。     

Min-norm spatial spectrum based on acoustic vector-sensor linear array

1 Introduction1 The Min-Norm(MN) algorithm was proposed by Kumaresan and Tufts[1] for estimating the DOA of targets applied at pressure sensor arrays. It has been proved that lower bias and higher resolution of DOA estimation using the MN algorithm is obt…