基于矩阵特征分解的水下声源匹配场定位

水下声源定位问题是水声信号处理领域的重点和难点,基于计算声场和接收声场相关性辨识目标距离、深度的匹配场定位方法具有广泛应用。针对Bartlett处理器宽容性好但分辨率低、最小方差处理器分辨率高但对失配敏感的问题,将空间谱估计中基于矩阵空间特征分解的目标定向算法引入匹配场定位。对水下单声源定位、双声源定位、环境失配处理等条件,对比3种定位算法的性能。仿真数据表明,与Bartlett处理器相比,基于矩阵空间特征分解的定位方法具有更高的目标定位准确度。与最小方差处理器相比,该方法在双声源定位时能够分辨相近声源,尤其对深度辨识更准确。实验数据表明,基于矩阵空间特征分解的处理器能够实现表面强干扰条件下的水下弱目标定位。

基于盲分离技术的水下多源环形阵定位方法研究

根据水下自动探测的工程实际技术发展需求,本文基于盲分离技术研究了环形阵对水下目标辐射噪声信号进行定位的方法,利用水声信号统计特性,通过构建针对水中目标的非线性函数和学习因子等,对自然梯度算法进行了改进,实船信号的盲分离实验结果表明,该方法改进了分离效果。在此基础上,建立了基于线性瞬时混合情况下的定位模型,完成了对六个水中目标的定位研究,取得了令人满意的结果。

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。

一种改进两步加权最小二乘的TDOA定位算法

现有的两步加权最小二乘水下声源定位算法中,两步法处理均存在平方以及开方等非线性运算忽略了二阶误差项,导致定位精度下降。提出了一种改进的两步加权最小二乘算法,首先引入时差方程,构建新的定位方程,初步估计出声源位置;接着引入中间变量并进行泰勒展开,利用中间变量与声源位置误差之间的非线性关系构建定位方程,对声源位置初步估计值进行校正,有效避免了二阶误差项的丢失,得到了更加精确的估计结果。通过与克拉美罗下界进行比较,验证了算法性能的同时进一步提升了算法定位精度。

离网格压缩匹配场处理

水声被动目标定位在海洋资源勘探、水下探测、海上安全监测等任务中有着重要应用,是水声领域最重要的课题之一。已有的经典方法如匹配场处理和压缩匹配场处理等,能够在预先划分好的距离-深度网格点上进行源定位,但是实际情况中的目标源会偏离网格点,导致此类方法的性能下降;且在压缩匹配场处理中,离网格源可能导致多个稀疏解对应单个源,呈现出多峰值模糊问题。针对该问题,考虑到由于水下相邻位置处的信道冲激响应极为相似,本文基于任意离网格位置的信道冲激响应可被周围网格点处的拷贝场向量近似拟合这一特性,建立了一种面向水下目标定位的群稀疏信号模型,并提出了相应的离网格压缩匹配场处理方法,通过恢复的稀疏信号计算出网格点处的插值系数对离网格源进行高精度定位。实验表明,在双源定位任务中,离网格压缩匹配场处理的定位性能优于传统的匹配场处理和压缩匹配场处理方法。当网格的距离间隔为0.05 km、深度间隔为10 m时,在信噪比大于−5 dB的条件下,离网格压缩匹配场处理的双源平均测距误差与压缩匹配场处理相比降低了250 m以上。

水下无源目标运动分析的修正扩展卡尔曼滤波方法

以水下已知固定深度的三维情形为例,用修正的扩展卡尔曼滤波（EKF）方法探讨了无源目标运动分析（以下简称TMA）问题。首先以无源声呐对目标的方位角、俯仰角和频率测量为依据,建立动态系统模型。然后,从非线性的测量方程入手,对新息以伪线性的处理,推导出一组修正的EKF递推方程组。文中为增加滤波器的稳定性,采取批数据处理的手段,而使滤波效果更加平稳。计算机仿真结果表明:修正的EKF方法所得的误差曲线收敛较好,且误差较小,能有效地提高水下无源TMA问题中的参数估计精度。

传感器位置浮动情况下的水下TDOA定位算法

针对水下声源定位中传感器位置存在不确定性的问题,提出了一种基于两阶段加权最小二乘算法的水下目标定位算法.首先,当传感器位置浮动时,利用获取的到达时间差数据,将测量值噪声和传感器位置误差构造加权系数矩阵,通过加权最小二乘算法估计目标位置;然后,通过引入目标定位误差构造定位方程;最后,用求解的目标定位误差调节上个阶段估计的目标位置.仿真结果表明:在传感器位置噪声较小情况下,本文算法具有较好的定位精度.