联合通道随机关闭和反卷积的水平阵波达方位估计

针对阵元位置失配时反卷积常规波束形成方法会在旁瓣位置产生能量较高的伪信号特征的问题,提出了一种联合通道随机关闭和反卷积的水平阵波达方位估计方法,计算不同方向的加权向量时在阵列孔径不变的前提下随机关闭一定数目的阵元。该方法能保持点传播函数字典矩阵在对角线附近的结构不变,在矩阵其他区域引入噪声,从而抑制伪信号特征的产生。仿真实验证实,在可工作范围内,该方法相比于反卷积常规波束形成能大幅抑制背景能量,显著提高目标信号峰值背景对比度。此外,利用SWellEx96实验数据进一步验证了该方法抑制背景能量和实现目标信号检测的优良性能。

基于深度卷积网络的二维波达方向估计方法

为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。

基于深度复数神经网络的雷达目标DOA估计算法

传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素,在低信噪比、快拍数少的极端情况下,性能较差。为克服上述问题,提高在极端条件下的估计精度,文章提出基于深度复数神经网络(complex-valued neural networks, CVNN)的单快拍DOA估计算法,构建深度复数神经网络模型,学习原始带噪信号与理想无噪复信号之间的映射关系,进而实现噪声抑制和期望信号特征增强的目的,提高DOA估计精度。仿真实验结果表明,经CVNN增强后,数据的等效信噪比约提高了1 dB,等效快拍数提高了3,该文所提算法相较于已有的多种物理驱动算法而言,具有更高的估计精度和泛化性。

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。

柱形障板条件下声矢量圆阵相位模态域目标方位估计

提出了基于横向、纵向和对角排列的声压振速联合处理协方差矩阵构造的相位模态域最小方差无畸变响应(MVDR)目标方位估计方法。该方法利用弹性柱障散射声场模型,根据声矢量圆阵相位模态变换理论,构造声压与不同振速分量的互协方差矩阵,并进行相加、纵向、横向和对角排列得到扩展互协方差矩阵,将扩展互协方差矩阵分解重构后进行MVDR目标方位估计。理论分析与仿真结果表明,纵向排列互协方差矩阵具有更好的方位估计性能,相加互协方差矩阵具有较低的背景谱,对角和横向排列相对纵向排列较差。水池试验和湖试结果进一步验证了纵向排列互协方差矩阵具有较其他3种方法更好的方位估计性能。

基于DOA矩阵法的矢量传感器阵列二维波达方向估计

DOA矩阵法是一种二维波达方向估计方法,该方法具有分辩率较高、计算量较少的特点。该文将DOA矩阵法扩展至矢量传感器阵列的波达方向估计,推导出相应的计算公式,分析了算法计算复杂度。算法分析表明,相对于ESPRIT算法,DOA矩阵法计算复杂度大大降低。Monte Carlo仿真结果表明,与ESPRIT算法相比,DOA矩阵法估计的均方根偏差和均方根标准方差相对大一些,所需的最低快拍数也增加。

改进的变分稀疏贝叶斯学习离格DOA估计方法

为提高阵列信号处理运算速率,改善其方位估计性能,提出了一种改进变分稀疏贝叶斯学习离格波达方向(direction-of-arrival, DOA)估计方法。该方法利用实值变换,将向量化后的接收信号协方差矩阵转化到实数域,结合变分稀疏贝叶斯学习和网格演化的思想,在迭代过程中使网格从初始的均匀网格自适应地演化为非均匀网格,通过网格更新和网格裂变交替迭代使演化后的网格点逐渐逼近真实信源方位。仿真结果表明,改进方法与传统压缩感知类方法相比,减小了运算量,提高了运算速率,且具有更高的方位估计精度和方位分辨能力,在少快拍和低信噪比情况下,改进方法性能提升的优势更明显。湖上试验数据处理结果进一步验证了该方法的有效性和工程实用性。

基于稠密连接网络的单矢量水听器目标方位估计

将方位估计问题看成多标签分类问题,将稠密连接网络应用于单矢量水听器目标方位估计,使用经典方法中广泛关注的二阶统计量作为神经网络的输入,使用不断生成训练集的方法训练神经网络。仿真及湖试结果表明,使用稠密连接网络相较经典方法具有更窄的主瓣和更高的方位分辨力;在2个目标信噪比相差6 dB及以上的情况下,稠密连接网络具备经典方法没有的同时检测2个目标的能力,且仍具有优秀的方位分辨力;当2个目标信噪比相差大于18 dB后稠密连接网络逐渐丧失了对弱目标的检测能力。

基于迭代收缩阈值算法的DOA估计方法

针对传统波达方向(Direction of Arrival, DOA)估计算法在低信噪比、小快拍的条件下估计精度不高的问题,提出了一种基于迭代收缩阈值算法的矢量水听器阵列多快拍DOA估计方法。首先,对空域进行等角度划分,构造超完备冗余字典,建立基于信号多快拍条件下的DOA估计模型,然后,采用迭代收缩阈值算法解决稀疏重构问题,求解出信号的稀疏系数矩阵,最后,将稀疏矩阵中行向量的范数映射到划分好的网格上,得到DOA估计值。仿真实验结果表明:该方法在低信噪比、小快拍条件下比OMP、 MUSIC和CBF等传统算法拥有更高的DOA估计精度和更强的鲁棒性。

一种深海多途相干信道下的高分辨DOA估计方法

针对基于平面波声场模型的深海DOA(Direction of Arrival,DOA)估计存在误差的问题,从射线理论出发,建立了多途信道下深海DOA估计的阵列信号模型,推导出了深海多径声线传播时间和相邻阵元声线传播时延差的表征方法,运用解相干DOA估计算法,提高深海DOA估计性能,通过仿真验证了算法的有效性。研究表明,深海DOA估计问题实为多维参数优化问题;充分考虑海洋声场的声传播特性,可以从根本上解决深海DOA估计的误差问题。

用进化算法估计高频地波雷达海洋回波的DOA

提出了一种用于波达方向 (DOA)估计的基于进化算法的最大似然超分辨算法 ,当信噪比不高、阵列输出数据较短的情况下 ,其性能比普通的超分辨算法有较大改善 .其中的进化算法结合了遗传算法和进化策略两种算法的优点 ,适于求解似然函数的多维搜索问题 ,与交替投影等算法比较 ,精度上有了较大提高 .对高频地波雷达海浪回波的实测数据处理结果表明了DOA估计方法是有效可行的 .

一种基于独立成分分析的水下宽带信号波达方位估计方法

在水下目标特征信息缺乏、声纳阵列孔径有限的条件下,对水下宽带信号开展高分辨率、高精度的波达方位估计研究,具有明显的研究意义和应用价值。利用水下信源统计独立的特点,采用基于独立成分分析的状态一致性变换算法进行方位估计;考虑到水下加性噪声的高斯分布特性,利用小波降噪的预处理技术,消减混合信号中的高斯噪声成分;针对状态一致性变换在低频段的性能退化,提出一种空间重采样修正方法。使用上述基于空间重采样修正的状态一致性变换算法对仿真及海试数据进行处理,目标方位估计结果表明:该方法具有角度分辨率高、需要阵元数少、对先验知识依赖小、低频段性能稳定的优点,相比常规波束形成、子空间法、传统状态一致性变换3类方法更具性能优越性与实用性。

使用协方差矩阵分解的矢量阵声压振速联合处理波达方向估计

提出一种使用协方差矩阵分解(CMD)的声矢量阵声压振速联合处理方法。该方法将声压振速互协方差矩阵分解为观测方位系数矩阵和剩余协方差矩阵,将系数矩阵与导向矢量结合避免了观测方位的选择,对剩余协方差矩阵进行奇异值分解并重构厄米特协方差矩阵,最后对重构的协方差矩阵实施最小方差无失真响应(MVDR)方法处理。理论分析表明,使用重构的协方差矩阵能够获得更高的阵处理增益。数值仿真结果验证了本文方法的计算量与Nehorai处理方法相近,但较传统声压振速联合处理方法具有更高的阵处理增益和目标分辨能力。

基于原子范数最小化的单比特稀疏双极子阵列的波达角估计

现有的单比特稀疏双极子阵列的波达角估计方法为子空间方法,其估计精度依赖于信号的统计特征,并且没有充分利用协方差矩阵的结构,导致其估计精度较低.为了提高该阵列的波达角估计精度,本文提出了一种基于原子范数最小化的无网格稀疏化波达角估计方法.该方法将稀疏双极子阵列的波达角估计转化为标量阵波达角估计,并根据参数空间的连续性构造基于原子集的阵列信号稀疏模型,随后利用单比特采样下噪声的稀疏特征,将该波达角估计问题转化为l1范数约束下的原子范数最小化问题,并且给出一种基于交替方向乘子法的快速迭代求解方法.仿真结果表明:相较于现有的方法,本文所提方法有着更高的估计精度,在嵌套阵上,当信噪比为-5 dB时,其估计精度均方误差降低了17.9 dB;将求解原子范数最小化的计算复杂度由O(N6.5)降低为O(N3),其中N为与稀疏阵具有相同孔径和相同阵元间距的均匀线阵的阵元个数.

基于L型阵的相干信号二维DOA估计方法

文中提出一种二维空间相干信号波达方向(Direction of Arrival,DOA)估计方法。该方法首先对L形阵接收数据协方差矩阵进行共轭重构,将原协方差矩阵的平方与重构矩阵的平方相加后求均值,得到新协方差矩阵。然后采用前后向空间平滑技术对新协方差矩阵进行预处理,最后通过Root-MUSIC算法进行DOA估计。仿真实验和湖试数据分析结果表明,与常规方法相比,文中方法避免了谱峰搜索,减小了计算量,提高了相干信号DOA估计的分辨成功概率和估计精度,具有较高的工程应用价值。

基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法

针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 d B和6 d B,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 d B的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。

矢量线阵二维波达方位估计的方法

声矢量传感器由声压传感器和质点振速传感器组成,它可以空间共点、时间同步测量声场的声压标量和振速矢量信息。针对声压线阵无法同时分辨目标的方位角和俯仰角,而三维矢量传感器线阵会带来成本的增加和工程应用上的困难,利用二维矢量传感器组成的直线阵对目标的二维波达方位进行联合估计,详细推导了矢量阵MUSIC算法的数学表达式,并着重对矢量线阵在三维坐标不同轴上时对方位估计的影响进行了研究。仿真结果表明二维矢量线阵布放在水平的X轴或Y轴上时存在方位模糊,而布放在垂直的Z轴上时可以实现全空间无模糊定向,且对双目标也有较高的分辨率。

一种波达方向、频率联合估计快速算法

首先提出了基于 PM(propagator method)方法的波达方向(DOA)、频率联合估计快速算法,给出了PM算子的一个估计,由PM算子构造出一特殊的低维矩阵,其特征值给出频率的估计,进而由估计的频率和相应的特征矢量得到DOA的估计。该算法具有参数自动配对,计算量小的优点,易于在工程应用中实时处理。计算机仿真结果证实了算法的有效性。

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS, weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息,而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息,将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均,以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件,推导了加权矩阵的理论表达式。计算机仿真结果表明,WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在子阵划分较多时其优越性更加明显。

声矢量锥形阵的高阶累积量波达方向估计

为解决信源在较低信噪比情况下的测向分辨率问题,提出阵列可扩展的声矢量锥形阵测向算法。算法基于四阶累积量的阵列扩展和高斯噪声抑制特性,计算声矢量传声器不同输出分量的四阶累积量,使其在三维方向上扩展与原阵型结构相同的虚拟阵,从而构造包含角度信息的旋转不变矩阵进行测向。推导给出了算法的克拉美罗界,理论分析了算法性能受信噪比、采样快拍以及入射声源俯仰角的影响。仿真实验验证了该算法较常规声矢量阵ESPRIT算法有更优的噪声抑制能力及更高分辨的DOA估计性能。