水下目标信号的结构化稀疏特征提取方法

为了提取具有噪声鲁棒性的水下目标信号特征用于水下目标识别,通过分析实测水下目标辐射噪声的时频谱,发现其时频谱中往往存在稀疏分布的具有目标区分性信息的强能量窄带线谱。结合稀疏分解理论,利用窄带线谱的结构化稀疏特点,提出一种稀疏特征提取方法。该特征提取方法借助稀疏贝叶斯学习模型,利用相邻帧样本间的相关性信息,能够有效增强窄带线谱成分,提高特征的噪声鲁棒性。并用一组实测数据对该特征的分类性能进行了测试,结果表明该特征在训练样本和测试样本噪声条件不匹配的情况下,能够保持较高的识别正确率,是一种具有噪声鲁棒性的特征。

基于联合稀疏的阵列信号LOFAR谱重构

LOFAR谱广泛应用于被动声纳的阵列信号分析系统,针对阵列信号采用基于稀疏贝叶斯概率模型的联合稀疏方法,可同时实现目标高分辨DOA估计和目标信号LOFAR谱重构。该方法通过对宽带信号不同频率对应的角度域进行对联合稀疏约束,在不牺牲角度分辨能力的前提下,对不同频率获得一致的空域响应,实现恒定束宽效果。基于阵列实测数据的实验表明,该方法相比常规波束形成方法,能够提高水下目标信号LOFAR谱重构质量,并能有效抑制干扰混叠。