基于对角减载的水声阵列SMI-MVDR空间谱估计方法

摘要

本发明提供的是一种基于对角减载的水声阵列SMI-MVDR空间谱估计方法。声纳水平直线阵列接收信号，对阵列接收信号作自相关处理得到采样矩阵，通过对采样矩阵进行SVD奇异值分解得到采样矩阵的特征值，进一步算出最佳减载系数，将采样矩阵上乘以最佳减载系数，得到对角减载后的自相关矩阵，进一步进行SMI-MVDR波束形成得到空间谱估计的输出结果。本发明所述的空间谱估计方法能够有效的克服水声环境低信噪比和时变的特点，实现多目标的分辨并准确估计每个目标的方位角，在水声阵列信号处理中有着广泛的应用前景。

说明书

技术领域

本发明涉及的是一种水声阵列信号处理方法，特别涉及到一种基于对角减载的水声阵列 SMI-MVDR空间谱估计方法。

背景技术

空间谱估计一直以来都是水声阵列信号处理研究领域的一个热点，主要目的是对信号信 源数和目标的波达方向等参数进行估计，从而对多目标进行分辨并估计目标方位角（参见： A Fast Multiple-Source Detection and Localization Array Signal Processing Algorithm Using the  Spatial Filtering and ML Approach.IEEE Transactions on Signal Processing,2007,55(5):1815– 1827）。传统的空间谱估计方法可分为波束形成法和子空间分解法，基于子空间分解的空间谱 估计方法的理论分辨能力在高信噪比和大数据样本条件下不受阵列孔径的限制，但是该方法 在信号信源数估计不正确时会严重影响其性能，这一问题在低信噪比时尤为突出，相关文献 对信源数的估计进行了深入的研究（参见：Nonparametric detection of signals by information  theoretic criteria performance analysis and improved estimator.IEEE Trans.on Signal Processing, 2010,58(5):2746-2756；基于导向矢量信号的未知信源数DOA估计算法.系统工程与电子技术, 2013,35(10):2027-2031），但该问题依然没有得到很好的解决。由于海洋环境的复杂性，水声 阵列常常工作于低信噪比的条件下，且在实际使用中，目标源数通常是未知的而水声阵列的 孔径也不可能很大，Bartlett和MVDR波束形成仍然是水声阵列信号处理最常用的处理手段 （参见：Comparing the resolution of Bartlett and MVDR estimators for bottom parameter  estimation using pressure and vector sensor short array data.OCEANS2013MTS/IEEE Bergen,art. no.6608071），但因为Bartlett的空间角分辨力取决于阵列的物理孔径，受瑞利限（Rayleigh  Limitation）的限制（参见：Detection of signals by information theoretic criteria.IEEE Trans.on  Acoustics,Speech,and Signal Processing,1985,33(2):387-392），无法满足高分辨的应用需求， 所以MVDR波束形成在水声阵列信号领域的应用更为广泛。水声信道是个时变信道，在信号 处理过程中需要进行自适应调整，因而采样矩阵求逆(SMI)和MVDR的结合使用更能够在水 声阵列的空间谱估计中取得好的效果。

不管是波束形成法还是子空间分解法，都是对阵列接收信号的自相关矩阵进行处理，国 内外学者对对角加载的空间谱估计方法进行了相关研究（参见：基于协方差矩阵对角加载的 信源数估计方法.系统工程与电子技术,2008,30(1):46-49;对角加载对信号源数检测性能的改 善.电子学报,2004,32(12):2094-2097;On robust Capon beamforming and diagonal loading.IEEE  Transactions on Signal Processing,2003,51(7):1702-1715），但由于信号和噪声的相关性，导致 阵列接收信号的自相关矩阵中主对角线元素上的噪声分量最大，而对角加载法将带来波束形 成处理增益的损失，降低了多目标的分辨能力。

多目标分辨以及目标方位估计是声纳系统目标识别的重要内容，对于目标跟踪等有着基 础性的作用，因而，研究一种能够有效的适用于水声阵列的空间谱估计方法是很有必要的， 该方法将在水声阵列信号处理中有着广泛的应用前景。

发明内容

本发明的目的在于提出一种适用于水声阵列，能够较好的克服水声环境中低信噪比、水 声信道的时变性等问题，能更好地完成声纳系统的多目标分辨和目标方位估计任务的基于对 角减载的水声阵列SMI-MVDR空间谱估计方法。

本发明的目的是这样实现的：

步骤一，N个水听器等间距水平排列组成声纳接收阵列，用数据采集器采集目标辐射噪 声，即为阵列接收信号X，对接收信号作自相关处理得到采样矩阵

步骤二，对采样矩阵进行SVD奇异值分解得到采样矩阵的特征值分别求出采样矩阵特征值的最小值和采样矩阵的对角线上的元素的最大值 $\max \left({\hat{R}}_x(i,i)\right),i=\mathrm{1,2},...,N;$

步骤三，基于步骤二中结果，计算出作为最佳对角减载系数；

步骤四，在步骤一中得到的采样矩阵上乘以步骤三中得到的对角减载系数，得到对角减 载后的采样矩阵；

步骤五，基于步骤四中对角减载后的采样矩阵，进行MVDR波束形成，得到空间谱估计 的输出。

本发明采用的对角减载方法，是基于水声阵列接收信号的自相关矩阵中主对角线元素上 的噪声分量最大的特点，理想状态下噪声分量只存在于自相关矩阵的主对角线上，而在实际 情况下，对自相关矩阵进行对角线项减载，也可大大消除噪声的影响，根据上述实现方法， 基于减载后波束形成阵列增益最大的原则，合理的选取对角减载系数，从而实现噪声分量的 消除，克服了水声环境中低信噪比的特点，同时与SMI和MVDR方法的结合使用，在处理 过程中能够根据实际数据进行自适应调整，也使得本发明能够更好的适用于复杂时变的水声 信道，实现对水下多目标进行分辨并估计每个目标的方位角，本发明在理想情况的基础上， 更多的考虑了实际使用中的环境特点，能够广泛的应用于探测声纳、预警声纳等声纳系统， 在目标检测识别和水声对抗技术领域也有很好的应用前景。

附图说明

图1为声纳接收阵列示意图；

图2为基于对角减载的水声阵列SMI-MVDR空间谱估计方法流程图；

图3为空间谱估计结果输出图。

具体实施方式

为了使本发明的目的、实现方法及优点更加清楚明白，以下结合附图，通过实施例对本 发明作进一步详细说明。

如图1中所示，N个水听器等间距水平排列组成声纳接收阵列，N=8，阵元间距为声 波半波长，若声场中有三个目标，方位角各不相同，目标处于远场，满足平面波入射条件。

用数据采集器采集目标辐射噪声，即为阵列接收信号X，快拍数为K，在实际工作情况 中，快拍数K有限，得到采样矩阵为

${\hat{R}}_x=\frac{1}{K}\underset{m=1}{\overset{K}{\Sigma }}X\left(m\right)X^H\left(m\right)$

用奇异值分解(SVD)对采样矩阵进行特征分解，得到的特征值 并分别求得特征值的最小值和$\max \left({\hat{R}}_x(i,i)\right),i=\mathrm{1,2},···,N,$得到最佳减载系数 为

${\hat{\lambda }}_{\mathrm{op}}=1-\frac{\min \left({\hat{\mu }}_k\right)}{\max \left({\hat{R}}_x(i,i)\right)}$

在采样矩阵上乘以计算得到的最佳对角减载系数，得到对角减载后的自相关矩阵为

${\hat{R}}_x^{\lambda }={\hat{\lambda }}_{\mathrm{op}}*{\hat{R}}_x$

对上面得到的自相关矩阵求逆，并进行SMI-MVDR波束形成，则空间谱估计结果的输出 为

$P_{\mathrm{MVDR},\mathrm{SMI}}^{\lambda }\left({\theta }_m\right)=\frac{1}{{\upsilon }_m^H{\left[{\hat{R}}_x^{\lambda }\right]}^{-1}{\upsilon }_m}$

其中，θ_m为空间谱估计的扫描角，υ_m为θ_m的方向矢量。

若快拍数K=1000，信噪比SNR=-3dB，则空间谱估计输出结果如附图3中所示。 从图3中结果可以判断出，声场中有三个目标，方位角分别为60°、80°和90°，利用本发 明中所述的空间谱估计方法可以很好的分辨出多目标，并且也能有效地将80°和90°两个方 位角相近的目标分辨出。

本发明所提的基于对角减载的SMI-MVDR空间谱方法能够有效的实现多目标分辨并对 每个目标的方位角进行准确的估计，在目标方位角相近的情况下也能够取得良好的效果，本 发明所述方法简单易行，很好的克服了水声信道信噪比低和具有时变性等限制，能够广泛应 用于水声阵列信号处理中，能够改善声纳系统检测、识别、预警等功能的效果，具有广泛的 应用前景。

以上只是举例对本发明进行进一步的详细说明，本发明还可以有其他的实施例，本发明 的相应的改变和变形都应属于本发明所附的权利要求的保护范围。