非一致噪声下的多阵列直接定位算法

针对实际无源定位系统中多个阵列分散分布以及单个阵列各阵元之间差异造成的噪声功率分布不均匀导致直接定位(DPD)算法精度下降的问题,提出了一种非一致高斯白噪声场中的多阵列最大似然DPD(UN-ML-DPD)算法,并推导出该条件下的克拉美罗界。首先计算各阵列输出协方差矩阵;再将计算结果传到数据处理中心;然后由数据中心通过迭代的方式同时对目标位置与非一致噪声功率进行最大似然联合估计,以收敛后得到的结果作为目标位置精确估计值,从而减弱了非一致噪声对DPD算法的影响;最后在多目标条件下用交替投影法降低算法复杂度。较之传统算法,UN-ML-DPD算法能够提高多阵列在低信噪比下的定位精度。仿真结果表明:UN-ML-DPD算法在-15dB的低信噪比下估计误差小于15km,与DPD算法相比定位精度提高15%以上;能较为准确地估计各阵列噪声协方差矩阵,在标准噪声功率小于30 W时估计误差小于3.5 W;在高信噪比下定位精度能够逼近克拉美罗下界。

非一致性噪声条件下的特征空间波束形成

由于水声环境的复杂性,阵列的噪声分布可能是非一致性的。当阵元噪声功率各不相同时,阵列协方差矩阵特征分解得到的特征子空间与真实目标的特征子空间之间存在误差,导致特征子空间波束形成算法的性能衰减。文章提出了一种新的非一致性噪声条件下特征子空间的估计方法,将阵列协方差矩阵对角线置0,进行特征分解估计的特征子空间将不受阵元噪声非一致性的影响。将该方法应用到特征空间波束形成算法,提高了非一致性噪声条件下特征空间波束形成算法的方位分辨能力。仿真和实验结果验证了所提方法的可行性和有效性。