基于声矢量传感器阵列的DOA估计

摘要

声矢量传感器是由声压传感器与质点振速传感器两部分构成的，在空域环境中具有同步采集声场中的声压信息（标量）与振速信息（矢量）的特性。其增加的数据维度等同于更多的数据快拍，较之声压传感器会有更高的检测灵敏度。但是现有的大量声矢量阵信号处理技术都是将矢量传感器的振速信息作为额外的独立阵元来处理，而没有充分利用远场环境下声压与振速的相关性特点。事实上，在各项同性的噪声场中，声压及振速是非相关的；利用这一特性，即可在信号波达方向角估计过程有效降低高斯白噪声所产生的影响及干扰。
　　本文在回顾声矢量传感器的基本原理、声压振速联合信息处理的物理基础以及子空间类算法的声矢量阵信号处理技术的基础上，采用声压振速联合信息对矢量传感器阵列信号处理进行算法上的改进，为解决在低信噪比环境下高效地定位目标方位提供了一种可行的解决思路。
　　本文引入了基于声压振速联系信息的P-V互协方差矩阵来处理接收数据信号。这种新型的协方差矩阵将振速信息合成到某一观测方向上，避免了接收数据矩阵的维度增加，因此降低了声矢量阵信号处理的计算复杂度。在接收信号矩阵的后续处理中，本文结合现有的Unitary-MUSIC算法和Root-MUSIC算法提出了一种基于声矢量传感器阵 P-V互协方差矩阵的Unitary-RootMUSIC改进算法。该算法不仅在原有的算法基础上提升了信号的检测性能，更进一步降低了计算复杂度。文中也从不同信噪比条件下的均方根误差、检测概率、空间功率谱、仿真耗时等多个角度对新提出的算法进行了仿真，并通过与现有算法的对比，验证了其优秀的检测性能。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1课题背景及研究意义和目的

1.2 矢量传感器阵列DOA估计的发展概况

1.3本文的主要研究内容及结构安排

第2章 矢量传感器阵列信号处理

2.1矢量传感器阵列信号处理的基本概念

2.1.1 矢量传感器阵列DOA估计的基本假设

2.1.2 相干源信号声场声压和振速的相关性

2.1.3 各向同性噪声场中声压与振速的相关性

2.2 矢量传感器的常用模型

2.3 任意空间结构的矢量传感器阵列模型

2.4矢量传感器的波束形成和空间谱估计

2.4.1 矢量传感器延迟-相加法

2.4.2 矢量传感器Capon算法

2.4.3 矢量传感器常规MUSIC算法

2.4.4 矢量传感器空间平滑技术

2.4.5 矢量传感器的单阵元测向

2.5 仿真结果及性能分析

2.6 本章小结

第3章 基于声压振速联合信息的协方差矩阵构造

3.1 子空间分解的原理分析

3.2 声矢量阵列处理的一般窄带模型

3.3 现有声矢量阵列信号处理方法

3.3.1 声矢量传感器阵MUSIC算法及仿真实现

3.3.2 声矢量传感器阵ESPRIT算法及仿真实现

3.4 基于声压振速联合信息的子空间分解原理

3.4.1 声压与振速的互协方差矩阵

3.4.2新型矩阵的阵列流型与R's的秩分析

3.4.3基于声压与振速的互协方差矩阵的子空间分解原理

3.5 性能分析与讨论

3.5.1 基于P-V互协方差矩阵的算法仿真及性能对比

3.5.2 各向异性噪声的影响分析

3.5.3相关半径问题讨论

3.5.4空间滤波性能分析

3.6 本章小结

第4章 基于互协方差矩阵的DOA估计改进算法

4.1 RootMUSIC算法原理及仿真

4.1.1 基于信号子空间的Root-MUSIC算法及仿真实现

4.1.2 基于噪声子空间的Fast-RootMUSIC算法及仿真实现

4.2 Unitray-MUSIC算法原理及仿真

4.2.1 均匀线阵声压阵的实值处理

4.2.2 均匀线阵声矢量阵的实值处理

4.2.3 基于声矢量阵的Unitary-MUSIC算法及仿真实现

4.2.4 计算量分析

4.3基于互协方差矩阵的Unitray-RootMUSIC改进算法

4.4 改进算法的仿真结果与性能对比

4.5 本章小结

结论

参考文献

声明

致谢