矩阵空域预滤波目标方位估计

提出了基于矩阵空域预滤波处理的目标方位估计新方法。通过设计一个空域的矩阵滤波器对传感器阵列数据进行矩阵处理,抑制阻带扇面的干扰与噪声,且尽量保证让通带扇面的信号无失真通过。由于该空域滤波器的输出仍为阵元域数据,因此可以很方便地在很多阵列信号处理算法之前通过增加空域预滤波处理来达到抑制空间干扰、提高系统处理能力的目的。文章通过目标方位估计的具体实例来说明矩阵空域预滤波处理对系统性能的改善作用。计算机仿真和实测数据处理结果表明,矩阵空域预滤波处理有效地抑制了空间干扰与噪声,提高了方位估计算法对感兴趣扇面目标的方位分辨与估计性能。此外,仿真结果表明采用分扇面空域预滤波处理方法,使基阵具有了分辨多于阵元数目信号源的能力。     

一种快速稀疏贝叶斯学习的水声目标方位估计方法研究

针对以具有时序结构的稀疏贝叶斯学习(Temporally multiple sparse Bayesian learning,TMSBL)为重构算法的水声目标DOA (Direction-of-arrival)估计方法存在运算速度慢的问题,结合块稀疏贝叶斯学习(Block-spare Bayesian learning,BSBL)理论框架下DOA估计模型与特点,采用MacKay提出的定点方法(Fixed-point method)对TMSBL算法中的核心超参量进行求解,提出一种快速的水声目标方位估计稀疏贝叶斯学习的方法,该方法具有运算速度快,重构概率高的特点,并通过实验仿真从运算时间、失败率和均方根误差等方面与TMSBL算法进行比较,验证了该方法的可行性与有效性。     

一种多目标方位历程实时提取方法

研究多目标方位历程实时提取方法,为目标运动分析和军事辅助决策实时提供多个目标的方位历程数据。利用无源声呐方位历程显示的时空累积效应,提出一种实时自动提取多目标方位历程的方法。通过对无源声呐的动态方位历程显示进行图像降噪、亮点提取、历程扩展和非目标历程剔除四个步骤的数字图像处理,实现多目标方位历程的自动、实时提取。海试和仿真实验数据测试表明,该方法能有效提高信噪比,并能有效解决多目标方位历程交叉时的数据关联问题,计算效率和多目标方位历程提取的正确率较高,可实用。     

一种新的卫星钟差Kalman滤波噪声协方差估计方法

采用Kalman滤波方法进行钟差参数计算和预报时, 需确定Kalman滤波噪声协方差矩阵. 针对这一问题, 提出了一种新的卫星钟差Kalman滤波噪声协方差估计方法, 通过建立新息的相关函数序列与未知的噪声参数间的线性函数模型, 采用最小二乘法进行噪声参数估计. 采用精密钟差数据进行钟差参数估计和预报分析, 结果表明, 该方法具有较好的收敛性, 并与顾及随机噪声模型的开窗分类因子自适应抗差估计方法进行对比分析, 验证了新方法的正确性和有效性.     

单矢量水听器估计目标方位的方法与实验

为评估基于单矢量水听器的方位估计能力,在黄海海域对矢量水听器进行实验。矢量水听器吊放于接收船尾部,采用平均声强器和复声强器方位估计方法,并提出以概率密度值最大的方位角作为目标方位估计值的具体处理准则,对恒定方向、匀速行驶的目标船方位进行估计,并求出两种方法的方位估计误差。结果表明,水听器布放深度10 m时,对正横距离为0.42 km的航速10 kn的目标船,平均声强器方法的水平方位角估计误差18°,极角估计误差为5°,可以在离目标船最远1.17 km处估计其方位;复声强法的水平方位角估计误差为13°,极角估计误差为8°,可以在离目标船最远2.35 km处估计其方位。在有接收船的噪声干扰情况下,复声强器比平均声强器方法估计的方位更准确,可以对更远处的噪声源进行方位估计。     

卷积神经网络主动目标方位估计

复杂海洋环境中信道的传输特性、时空变化、频散效应等一定程度上制约了主动声呐目标方位估计的性能。该文引入卷积神经网络(CNN),提出了适用于主动声呐中目标方位的高精度估计方法。仿真声场环境为浅海负梯度,主动发射信号为具有多普勒不变性质的双曲调频信号,水平线列阵作为接收装置,目标按仿真路线运动。该文利用Kraken进行声场数据仿真,并对接收的信号在频域做均匀加权常规波束形成,进而进行卷积神经网络的模型训练和测试。数值仿真研究表明,该文所用方法可以有效估计目标波达方向,对信噪比具有一定的鲁棒性。     

基于数据协方差矩阵重构的MIMO声纳DOA估计

实际多输入多输出(MIMO)声纳系统由于环境或人为因素,可能出现部分阵元失效,从而导致阵列自由度减少、方位估计精度下降。本文提出了一种数据协方差矩阵重构方法,该方法基于差分阵列性质,利用正常工作阵元的协方差矩阵元素来恢复失效阵元的矩阵元素,获得满秩的数据协方差矩阵,从而恢复到全阵元MIMO声纳的阵列自由度。与已有方法相比,降低了计算复杂度。仿真及海试实验数据处理结果表明,本文所提的数据协方差矩阵重构方法能够恢复因部分阵元失效而丢失的阵列自由度,应用于方位估计中,所能分辨的最大目标数与全阵元相同。     

基于矢量水听器的一种时间方位历程目标跟踪方法

文章简要介绍了时间方位历程显示方式的原理，针对时间方位历程中最大值自动跟踪方法存在的弊端，提出了应用矢量水听器解决多目标跟踪问题的一种新方法，并应用于海试数据处理中，取得了良好的效果。     

改进的贝叶斯压缩感知目标方位估计

针对基于高斯先验模型的贝叶斯压缩感知在目标方位(Direction Of Arrival,DOA)估计中可能出现明显随机伪峰的问题,改进了高斯先验模型,并在此基础上提出了一种贝叶斯压缩感知目标方位估计方法。通过波束输出噪声背景预估与二值指示变量标记,并引入基于信号先验方差的噪声方差估计方法,与变分贝叶斯推断相结合改进目标方位估计性能和优化迭代收敛过程。利用32元线阵对改进算法进行数值仿真处理和分析结果表明,该改进方法不仅可以准确估计目标信号的方位,而且可以显著地减少空间谱中伪峰的数量。实际海上实验数据处理结果表明,使用改进后的贝叶斯压缩感知方法进行DOA估计,可以显著地抑制空间谱中随机的伪峰,提高波束输出峰值背景比,具有更强的目标检测能力。     

目标方位估计的相关矩阵最大特征值法

研究均匀线阵(ULA)波束形成时作者发现，当操纵线阵指向方位不断变化，相关矩阵的最大特征值也随着有规律地变化着。通过分析最大特征值的变化，能够估计目标方位和数目。本文从实验数据和计算机仿真两方面对单目标和多目标进行处理，验证上述方法的可行性。     

Eigenspace-based source number estimation for direction-of-arrival estimation

A eigenspace-based source number estimation was presented.It projects the estimated covariance matrix of array signal into signal eigen-subspace and noise eigen-subspace, respectively.Using the orthogonality between signal eigen-subspace and noise eigen-subspace, it is easy to differentiate the contribution of signal and noise by using the criterion value,or the magnitude of projection.Like the Direction-of-Arrival(DOA) estimation algorithm,the estimator uses the eigenvalue decomposition of covariance matrix with order M×M,where M is the number of elements,and hence can save much computational burden.To reduce more computational burden,the estimation can be implemented by the decomposition in the real-value space.Computer simulation demonstrates the distribution of criterion value and the performance of the estimation method.The estimation method was also tested with the sonar data,which shows good performances.     

Robust direction-of-arrival estimation method with high accuracy for single vector sensor

The phase errors among the components of a single acoustic vector sensor cause the direction-of-arrival(DOA) estimation error of the existing methods.In order to address this issue,a DOA estimation method is proposed,which is robust to the phase errors.The proposed method first utilizes the Hadamard product of the principal eigenvector of the covariance matrix of the received signal by the single vector sensor and its conjugate vector to construct the spatial spectrum in order to estimate the DOA of the underwater target.Since the Hadamard product eliminates the phase errors,this estimation is independent of the phase errors.However,it is ambiguous.Afterwards,the phase-error estimate is explored to eliminate the ambiguity and get the correct DOA estimate.The proposed method performs independently of the phase errors and obtains high accuracy.The simulation results and the experimental result demonstrate the proposed method is robust to the phase errors.Furthermore,in the presence of the phase errors,it performs better than the average acoustic intensity method,the CAPON method,and the MUSIC method,in terms of estimation accuracy.In addition,the simulation results indicate that the estimation accuracy of the proposed method approaches to the Cramer-Rao bound(CRB).     

基于Khatri-Rao子空间和传播算子的宽带声源波达方向估计算法

本文提出基于Khatri-Rao子空间和传播算子的宽带声源波达方向估计算法。该算法将声源不同频率处的协方差矩阵变换重排为一个高维矩阵,然后利用传播算子方法估计宽带声源波达方向。该算法计算复杂度介于聚焦Khatri-Rao子空间和相干子空间算法之间。仿真和实验结果表明,该算法在降低计算量的同时,估计误差与聚焦Khatri-Rao子空间算法相近,远小于相干子空间算法。     

一种改进的快速Mini-Norm算法

Ｋｕｍａｒｅｓａｎ和Ｔｕｆｔｓ提出的Ｍｉｎｉ－Ｎｏｒｍ算法通过对空间协方差矩阵进行特征分解，随后构造噪声子空间向量来求解方位。     

低复杂度的MIMO声呐协方差矩阵重构方法*

多输入多输出声纳在对目标进行测向时会产生复杂的运算量,从而降低算法的测向效率。针对这一问题,提出了一种基于降维变换方法的低复杂度协方差矩阵重构方法。该方法能够抑制噪声,提高目标侧向性能。首先利用降维变换方法对接收信号进行波束形成,获得低维度的协方差矩阵,再对矩阵进行Toeplitz处理,抑制矩阵的相干性。所得到的新的协方差矩阵,通过特征分解获得噪声子空间和信号子空间,利用MUSIC方法进行测向。为了进一步降低运算复杂度,利用阵型所满足的旋转不变性,可以采用ESPRIT算法对目标进行波达方向估计。理论分析和实验结果表明,该方法有效降低了运算复杂度,提高了算法的测向性能。在有限快拍数的情况下,与传统测向方法相比,具有运算速度快,目标分辨力强的特点。     

进行子阵加权波束形成的波达方向估计

针对水声信道的多径效应以及海底散射信号信噪比低导致方位估计性能较差的问题,提出了一种基于子阵加权波束形成的UESPRIT算法(Weighted Beamspace UESPRIT Based on Subarrays,BS-BUESPRIT)。首先利用密集波束域转换矩阵估计回波信号的方位谱,进而估计同一时刻到达阵列的回波数目;之后将均匀线阵分为多个尺寸相同、相互重叠的子阵,利用加权波束形成对各子阵接收信号做指定方向的空域滤波;最后基于各子阵波束形成后的输出结果,利用UESPRIT算法实现回波方向的估计。仿真和湖试、海试试验结果表明,与UESPRIT算法相比,BS-BUESPRIT算法提高了信号波达方向估计性能,在多径和较低信噪比条件下有着更高的估计精度,应用于高分辨率测深侧扫声呐时有效地提高了声呐的测深性能。     

观测平台转向时稀疏贝叶斯学习方位估计

针对观测平台转向时固定安装于其上的声呐线列阵指向快速变化导致的空间谱谱峰变宽问题,提出一种稀疏贝叶斯学习方位估计方法。该方法利用大地坐标系下不同接收快拍中的空域稀疏信号具有相同先验分布的特性,将转向过程中多个阵列指向分别对应的接收快拍信息联合处理,以求得目标方位。仿真分析与海试数据处理显示出,所提方法可以获得谱峰较尖锐的空间谱,具有较高的测向精度和角度分辨力,此外,对由左右舷模糊引起的伪峰有较强的抑制效果。所得结果表明,所提方法可以有效解决谱峰变宽问题,提升了平台转向时的方位估计性能,同时有效地利用阵列指向的变化提高了线阵抗左右舷模糊能力。