稳健的条件概率约束匹配场处理

为了提高自适应匹配场处理（AMFP）的稳健性，该文提出一种条件概率约束的自适应匹配场处理算法（MFP-CPC）。该算法利用贝叶斯准则推导出了位置参数的后验概率密度估计，以此作为权系数给自适应匹配场处理器（AMFP）提供主瓣保护和旁瓣压缩性能，使得算法具有 AMFP 高分辨特点的同时稳健性也得到改善。为了验证算法的性能，使用NRL的典型测试数据进行了仿真分析。结果表明：MFP-CPC具有优于Bartlett和最小方差无失真响应（MVDR）的定位性能，其稳健性和Bartlett类似，主瓣宽度和MVDR相同且旁瓣比MVDR低约6~8 dB。

内孤立波环境下稳健降阶自适应匹配场定位方法研究

海洋内孤立波的存在会引起海水混合,温盐结构改变,从而导致声速在时间和空间上的不均匀分布,而在匹配场定位中则表现为声速失配,定位不准确。该文提出一种内孤立波下稳健的降阶自适应匹配场定位方法(RR-AMFP)。在传统自适应匹配场定位算法的基础上,融合了主分量抑制波束形成方法,通过特征分解对拷贝协方差矩阵进行降阶,抑制噪声空间,同时采用抑制系数和权重因子来计算匹配过程中的权向量,监测失配的拷贝向量。因此该算法可以在内孤立波环境下保持更好的稳健性,而且阶数的降低也缩短了计算时间。仿真结果表明:该算法可以实现单个内孤立波下的准确定位,但大振幅的内孤立波波列仍然会造成较大的定位误差。在南海开展了内孤立波环境下的声源定位实验,估计距离误差为3.7%,深度误差为1.6%,验证了该算法在实际海洋内孤立波环境下的有效性。

基于凸优化理论和随机投影的稳健压缩匹配场处理

针对环境失配条件下的水下目标定位问题,提出一种基于凸优化理论和随机投影的稳健压缩自适应匹配场处理算法。首先借鉴最差性能最优思想,将各种环境参数的不确定性建模为拷贝场向量的不确定集,提高自适应匹配场处理算法的稳健性;然后利用凸优化理论,将非凸优化转化为凸优化中的二阶锥优化问题进行求解;最后引入随机投影,对拷贝场向量和声压场向量降维,在保持算法的稳健性基本不变的同时降低算法的复杂度。SWellEx-96实验海试数据处理结果表明,与自适应匹配场处理算法相比,该算法提供了主瓣保护和旁瓣抑制能力,稳健性明显提高。

水下地形匹配导航现状及发展趋势

为了深入研究水下地形匹配导航技术,本文依据国内外最新研究成果,系统地总结了该技术的研究进展,认为已建立了融合实测和反演水深的全球海底地形模型,形成了适用于不同情况的地形匹配算法体系,建立了地形特征集与适配性关系,构建了满足间歇/连续地形匹配的策略及与惯性导航系统信息融合的抗差模型,发展了匹配导航系统,综合促进了水下地形匹配导航技术的进步。分析了当前研究存在的问题,并指出高精度高分辨率全球水深模型构建、在航测深数据处理、稳健匹配导航算法和系统研发是该技术未来的发展方向。