声纳输出的弱目标信息提取方法仿真分析

针对存在艇外平台强干扰的情况,对波束域MVDR(b-MVDR)和后置波束形成干扰抵消器(PIC)的弱目标提取能力进行了仿真分析。考虑到艇外平台与目标往往处于同一波束的实际情况,提出首先采用密集波束形成,再进行弱目标提取的方法。仿真结果表明:对艇外平台与目标处于同一波束的情况,PIC的目标分辨能力更强;在干扰较强时,PIC方法表现出更强的弱目标提取能力,但随信干比的增加其能力不断降低;而b-MVDR方法则在各种信干比下均具有良好的性能。

一种基于Costas序列的多输入多输出声纳正交发射信号集设计方法

寻找一组宽带正交发射信号集对多输入多输出(MIMO)声纳探测至关重要,信号集的正交性能好坏直接影响着MIMO声纳的探测效能。按照Costas序列编码的跳频信号具有近似理想的自模糊函数,但同一有限域构造的不同Costas跳频信号间并不总具有理想的正交性。基于有限域理论提出了一种本原元的搜索方法,利用安全素数的本原元设计了一组正交性最优的MIMO声纳正交发射信号集。仿真结果表明,对于1000以内的素数,基于安全素数的有限域构造的正交跳频信号集不仅具有最优的正交性,还能取得最大的信号集大小。

MIMO声纳:概念与技术特点探讨

对多输入多输出(Multiple-Input Multiple-Output,MIMO)声纳的概念和技术特点进行了分析。根据所采用的分集技术的不同,将MIMO声纳分为密集式MIMO声纳(采用波形分集)和分布式MIMO声纳(采用空间分集)。对密集式MIMO声纳的优点如自由度的增加、灵活的发射信号设计、自适应技术的直接使用和虚拟阵列等进行了介绍,并指出其发射阵增益损失对探测距离的限制。将分布式MIMO声纳分为发射/接收全分集的MIMO声纳和仅发射分集的MIMO声纳进行介绍,并认为这两种声纳可以并入多基地声纳的范畴。

分布式MIMO声纳中运动目标参数快速估计

分布式MIMO声纳由于自身的优点而成为当前研究的热点,但常规的目标参数估计方法均存在着一定的缺陷,无法满足分布式MIMO声纳的要求。针对这种情况,本文提出一种适用于分布式多输入多输出(MIMO)声纳中使用单接收阵元的运动目标参数快速估计方法,给出了单接收阵元情况下的信号模型,提出了快速估计方法并给出了流程图,并通过数值仿真验证了该方法的有效性。结果表明,该方法可以在只采用一个接收阵元的情况下分辨多个运动目标并进行参数估计,节省了通信带宽;所需运算量远小于最大似然(ML)方法,并可以实时实现;此外,该方法不要求目标做匀速直线运动,适合于实际应用。

最小冗余MIMO声纳阵列结构优化仿真

研究多输入多输出(Multiple-Input Multiple-Output,MIMO)声纳阵列都是以均匀线列阵(Uniform Linear Array,ULA)为主,而非均匀线列阵列(Non-Uniform Linear Array,NLA)能产生更多的虚拟阵元,达到较高的目标检测分辨概率以及估计精度。为了提高检测和估计精度,提出了一种基于最小冗余阵列的MIMO声纳发射接收阵列结构优化算法建立阵列模型进行仿真。仿真结果表明,上述方法设计的MIMO声纳系统在目标分辨概率和估计误差方面性能均有提高,尤其在低信噪比条件下效果更好。