基于声压振速联合处理的矢量阵旋转不变子空间方位估计方法

为提高声矢量阵旋转不变子空间法方位估计性能,提出一种基于声压振速联合处理的算法.该算法构造了声矢量阵声压和组合振速的互协方差矩阵,将均匀间隔引导角下的系列互协方差矩阵取均值,作为引导角未知的互协方差矩阵,然后进行旋转不变子空间(ESPRIT)方位估计.仿真和试验结果表明,在低信噪比时该算法比现有常规算法有更好的性能.该算法基于矢量传感器声压和振速的相干性原理,充分利用声压振速组合指向性抗干扰能力,可以更好地抑制各向同性干扰,提高阵列的处理增益,从而有更好的方位估计性能.     

基于解析振速平滑的声矢量阵相干信号方位估计

为了提高矢量水听器阵列相干信号源方位估计能力,提出了两种基于解析振速的矢量阵平滑算法.两种算法均利用解析振速的特殊形式抑制协方差矩阵的相干项,实现秩的恢复,然后结合修正MUSIC实现目标方位估计.第二种算法充分利用声压,振速通道抑制各向同性噪声能力与白噪声特性,首先构造了一个新的协方差矩阵,然后利用解析振速平滑恢复矩阵秩,理论推导表明这种算法可以大大提高信噪比.仿真证明,新提出的两种算法都可以无空间损耗地完成相干信号的方位估计,相比于传统的矢量阵空间平滑算法有较好的估计精度与分辨率,并且第二种算法由于信噪比的提高,其估计性能更为优越.     

改进的振速矢量阵常规波束形成方位估计算法

为提高振速矢量阵常规波束形成(CBF)算法的方位估计能力,首先从旁瓣抑制与抗左右舷模糊两方面分析比较了两种矢量阵CBF的相关特性,然后给出两种改进算法:第一种算法利用振速通道抑制各项同性噪声的能力与解析振速的特殊形式,构造一种无噪声项的类声压阵协方差矩阵;第二种算法在其基础上将两个组合振速的差分矩阵与之相加,得到一种新的矩阵.最后利用常规波束形成算法,估计目标方位.理论分析表明:这种协方差矩阵无噪声干扰,并且保持了振速矢量阵的抗左右船舷模糊能力.     

未知互耦条件下相干与非相干混合信号的波达方向估计

针对阵列互耦对导向矢量的扰动,以及信号相干性对数据协方差矩阵造成的秩损致使超分辨波达方向(DOA)估计算法性能变差甚至失效的问题,提出了一种在相干与非相干信号混合状态下无需阵列互耦补偿的DOA估计算法.其中:仅截取部分阵元的接收数据,即可达到阵列互耦自抑制的目的;对数据协方差矩阵进行特征分解,利用所得特征矢量重构等效协方差矩阵,并对等效协方差矩阵进行奇异值分解,基于多重信号分类法或信号参数估计的旋转不变子空间技术完成混合信号的DOA估计;并利用计算机进行数值仿真以验证算法的有效性.结果表明,在阵列互耦未知的条件下,所提出的算法能够正确估计信号的DOA,无需互耦参数的估计或补偿.     

基于声矢量传感器阵的汽车加速噪声源方位辨识

为准确确定噪声发生位置, 判断汽车故障类型, 基于声矢量传感器阵, 研究了汽车加速过程中噪声源方位辨识问题。汽车加速过程中噪声的主要成分燃烧噪声在一定的转速范围内可归结为一个线性调频Chirp信号, 利用由传统的无指向性声压传感器和偶极子指向性质点振速传感器构成的以均匀分布面阵排列的声矢量传感器阵对其进行同步、 共点、 直接测量, 得到声场声压和质点振速若干正交分量等信息, 再利用多重信号分类经典算法对其进行时频分析, 从而估计出噪声信号的方位参数, 获得噪声源的具体方位信息。最后通过仿真结果验证了该方法的有效性。     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

一种宽带信号方位估计算法

针对多种宽带信号方位估计算法在不同程度上受到阵元数目、预角度估计、多次求逆矩阵、多次特征值分解或奇异值分解等因素的制约,文章提出了一种在传感器阵列存在误差的情况下,基于统计方法的宽带信号方位估计算法.该算法先将传感器阵列接收的宽带信号转换到频率域内,并考虑在阵列互耦的情况下,采用统计的方法,推导出阵列流形与噪声子空间正交的结论;最后,利用统计结果和窄带方位估计的方法对宽带信号进行方法估计.仿真试验表明,统计方法具有较好的方位角分辨率、噪声不敏感性和较低的计算复杂度.     

一种新的相干信源互耦自校正算法

针对互耦效应下相干信源的波达方向（direction of arrival,DOA）估计问题,提出一种基于阵列接收数据一阶统计量的解相干及互耦自校正算法.算法利用阵元接收数据的一阶统计量构造伪协方差矩阵,理论推导证明,互耦系数已从理想导向矢量中剥离,且该矩阵的秩与信源相关性无关,仅与信源个数相等,即实现了信源的解相干及互耦自校正,因此通过对重构矩阵进行一次特征分解即可实现DOA估计.此外,对算法的子空间估计性能及由互耦系数导致的测角模糊性进行了分析,结果表明该算法实现过程简单,计算量小,在低信噪比和短快拍数时仍具有很高的估计性能.仿真结果验证了算法的有效性.      

传感器网络中基于节点数据相关的DOA估计

 波达方向(DOA)估计是水声阵列信号处理的重要研究方向.由多个矢量水听器组成的传感器网络利用各节点所在位置的声压、质点振速可以实现DOA估计,节点的协同合作能够确定目标声源的位置.本文根据矢量水听器的特点、相关性及DOA算法等理论,仿真分析相关性对DOA算法的影响,并结合实际湖试对节点数据的相关性进行分析处理.由于各节点数据包含严重的噪声,导致其频谱情况很差,处理后节点数据的频谱及节点间的互相关性明显改善,并能有效抑制宽带噪声干扰.结果表明,处理后节点线谱信号突显出来,各节点的互相关性得到了提高,且满足DOA算法对数据相关性的要求,具有一定的工程实用性.     

未知噪声背景下的改进型MMUSIC算法

针对不能确知被估计信号源的相关性和非平稳且噪声功率未知的高斯噪声环境,提出一种改进型的修正多重信号分类(MMUSIC)算法.用协方差差分法消除阵列协方差矩阵中的未知噪声矩阵,再用MMU-SIC算法对得到的协方差差分矩阵进行解相关或解相干处理.该算法只要求阵元数为不少于2L+1,即可在不影响相干信号源估计的同时,保证不相关信号源的估计性能.仿真结果表明:算法能够在不能确知信号源相关性和低信噪比的未知噪声环境下,对信号源进行有效的波达方向估计,获得很高的估计精度和角度分辨率.     

声矢量传感器目标方位估计

对偶极子型声矢量传感器应用于水声目标方位估计的信号处理方法进行了分析和研究 ,并采用傅立叶分解方法 ,将一般的窄带信号偶极子定向处理方法推广到宽带 ,推导出了相应的处理算法 .经计算机模拟计算 ,在特殊角度用波束旋转后 ,方位估计精度一般高于 2°,海上试验也验证了本文方法的有效性     

基于TSVD的在线相干DOA估计算法

对信号波达方向估计中的解相干问题,提出一种新的去相关信号波达方向估计方法。利用阵列实时接收的快拍数据迭代得出协方差矩阵的最大特征矢量,然后通过最大特征矢量建立一个新的Toeplitz矩阵实现去相关,最后对新得到矩阵进行奇异值分解得到信号的波达方向。通过仿真实验证明该方法能够实现对相干信源的有效估计,并且具有很好的实时性,能够有效的降低算法的复杂性。它在低信噪比和小快拍数的情况下有着比TSVD算法更加优良的估计性能。     

基于矢量水听器的水下战武器二维弹道测量研究

 水下弹道测量是水下战武器试验的重要内容。本文基于矢量水听器测量水中目标航行噪声,利用矢量水听器测向原理,经过数字信号处理器对矢量信号进行分析处理,得出武器水下航行的二维弹道轨迹。介绍矢量水听器测量原理和矢量浮标阵纯方位定位原理。通过实验室消声水池测试对矢量水听器声压与振速相位差进行修正,利用湖上试验对矢量水听器的测向误差进行修正。采用DGPS水面定位与水下水声定位相结合的方法,研制了水下战武器二维弹道测量系统,介绍测量系统的3个主要组成部分及其主要功能,并在海上实际试验中验证了基于矢量水听器的水下武器弹道测量方法先进可行、实时性强、测量精度高、使用方便,可以满足实际使用要求。     

基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由“差联合”结构变成对称“和联合”结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将“和差联合”阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。     

矢量信号处理结合DEMON谱的多目标分辨算法

将矢量信号处理技术与DEMON谱分析技术相结合,提出矢量DEMON谱分析方法,利用矢量信息提取DEMON谱并计算线谱方位,再根据线谱方位和各个线谱间频率差分别提取多个目标轴频.该方法不仅可获得更高的处理增益,同时通过声压、振速分频段线谱融合能够得到更加完整的DEMON线谱簇;且在单传感器条件下,应用结合矢量信息的最大公约数算法,能够提取多目标的轴频特征、分辨不同目标并测量方位.仿真结果验证了所提方法的有效性和可行性.     

基于神经网络的相干信源稳健DOA估计

目前基于神经网络的DOA估计主要是针对理想情况下的均匀线阵,且信源非相干,可估计的信源数较少.针对阵列误差和相干信源同时存在的问题,在理想数据集中引入互耦误差、阵元幅度误差、阵元相位误差以及阵元位置误差,并设计了一个多通道CNN+DNN网络和目标函数生成方法,用于相干信源的稳健DOA估计.引用B-band互耦模型和相关误差模型合成阵列输出信号,通过提取阵列输出信号的协方差矩阵的实部、虚部与相位角,构建网络的输入信号.对理想条件下的MUSIC算法DOA估计结果进行拟合,根据拟合公式生成多信源从不同角度入射时的空间谱,作为网络的目标信号.使用相同的数据集对本文DOA估计网络与其它文献中的DOA估计网络进行训练和测试.结果显示,在不同信噪比、不同误差大小以及不同信源数的情况下,本网络的稳健性和解相干能力都更优.     

一种新的宽带波束形成算法

基于对角加载思想,针对宽带信号空时处理结构,将空时接收协方差矩阵进行特征值分解,并利用矩阵求逆定理推导出空时结构对角加载值的范围,得到空时结构对角加载波束形成算法的优化方程以及最优权向量的解.仿真结果表明,算法有效地对协方差矩阵估计进行了修正,增强了空时波束形成算法的鲁棒性.     

利用极化敏感阵列特性的信源数估计技术研究

针对极化敏感阵列多参数联合估计中的信源数估计问题,提出一种基于去特征处理的信源数估计方法。首先,对极化敏感阵列接收数据矢量的协方差矩阵进行特征分解,得到的特征值的个数为阵元数的2倍,将求得的特征值降序排列,其中后半部分小特征值对应的特征矢量张成的子空间包含于噪声子空间,利用这一特点构造投影矩阵;其次,通过去特征处理,重构新的协方差矩阵,求这些新协方差矩阵在投影矩阵上的投影;最后,根据投影结果构造判决函数,估计信源数。研究结果表明:入射角间隔和极化状态角间隔对算法估计性能有影响。通过与盖氏圆盘法的对比实验验证算法的有效性。     

广义系统多传感器信息融合降阶状态估值器

对于带多传感器的广义线性离散随机系统,基于奇异值分解,将其化为等价的两个降阶多传感器子系统。应用Kalman滤波方法,在线性最小方差最优加权融合准则下,提出了最优加权融合降阶稳态广义Kalman估值器。可统一处理融合滤波、平滑和预报问题,可减少计算负担和改善局部估计精度。为了计算最优加权,提出了局部估计误差方差阵和互协方差阵的计算公式。