针对声压传感器条件下,声呐成像的左右模糊问题;针对常规MIMO声呐成像算法分辨力受瑞利限的限制问题;针对压缩感知算法重构信号中的数值不稳定问题,本文利用声矢量传感器接收到的信号振速信息和声压信息,利用目标在空间域分布的稀疏性,...针对声压传感器条件下,声呐成像的左右模糊问题;针对常规MIMO声呐成像算法分辨力受瑞利限的限制问题;针对压缩感知算法重构信号中的数值不稳定问题,本文利用声矢量传感器接收到的信号振速信息和声压信息,利用目标在空间域分布的稀疏性,在压缩感知理论下,提出了基于声矢量传感器的二维坐标下降法(DCD)算法改进的正交匹配追踪(OMP)算法。仿真结果表明,提出的算法可以精准地估计出空间目标的方位;与传统的分布式MIMO成像算法反向投影(Back Projection,BP)相比,使用更少的实验数据,降低了运算的复杂度;当信噪比为10 d B的条件下,BP算法当主瓣级为0 d B时,在x,y,z轴最大的旁瓣级分别为–24.5 d B,–24.3 d B,–5.5 d B,而提出的算法可以获得一个稀疏解,且有效的避免左右模糊问题;避免重构信号中的矩阵求逆运算,数值不稳定得到了解决;并在信噪比为–5 d B以下时,定位精度高于声压OMP-DCD算法,具有更高的抗噪声能力和系统辨识能力。展开更多
文摘针对声压传感器条件下,声呐成像的左右模糊问题;针对常规MIMO声呐成像算法分辨力受瑞利限的限制问题;针对压缩感知算法重构信号中的数值不稳定问题,本文利用声矢量传感器接收到的信号振速信息和声压信息,利用目标在空间域分布的稀疏性,在压缩感知理论下,提出了基于声矢量传感器的二维坐标下降法(DCD)算法改进的正交匹配追踪(OMP)算法。仿真结果表明,提出的算法可以精准地估计出空间目标的方位;与传统的分布式MIMO成像算法反向投影(Back Projection,BP)相比,使用更少的实验数据,降低了运算的复杂度;当信噪比为10 d B的条件下,BP算法当主瓣级为0 d B时,在x,y,z轴最大的旁瓣级分别为–24.5 d B,–24.3 d B,–5.5 d B,而提出的算法可以获得一个稀疏解,且有效的避免左右模糊问题;避免重构信号中的矩阵求逆运算,数值不稳定得到了解决;并在信噪比为–5 d B以下时,定位精度高于声压OMP-DCD算法,具有更高的抗噪声能力和系统辨识能力。
