法律状态公告日
法律状态信息
法律状态
2018-07-20
未缴年费专利权终止 IPC(主分类):G01S7/539 授权公告日:20170118 终止日期:20170703 申请日:20140703
专利权的终止
2017-01-18
授权
授权
2015-03-11
实质审查的生效 IPC(主分类):G01S7/539 申请日:20140703
实质审查的生效
2015-02-04
公开
公开
技术领域
本发明属于水下阵列信号处理技术领域,涉及一种水下运动阵列 多目标检测和方位估计一体化方法。
背景技术
水下多目标的远程检测和方位估计是是水下阵列信号处理的两 个关键问题。传统的方法是将这两个方面分开处理,先通过某种检测 方法来检测目标个数,然后再利用某种方位估计方法来确定各个目标 的方位。这样前面目标检测的结果的好坏就直接影响到后面目标方位 估计的性能。
在阵列信号处理领域,由有限的观测数据来确定信号源的个数是 使用许多高分辨方位估计方法的前提条件。信源数确定的经典方法是 基于Akaike信息论准则(Akaike information criterion,简称AIC)的方 法和基于最小描述长度准则(minimum descriptive length,简称MDL) 的方法。性能分析表明AIC在低信噪比下性能很好,但在高信噪比下 倾向于高估信号源个数。而MDL方法在高信噪比下表现可靠但在低 信噪比下倾向于低估信号源个数。研究人员后来提出了一些改进的方 法来提高AIC和MDL准则的统计性能,这些方法的性能大多介于AIC 和MDL之间,即在低信噪比下的错误概率比MDL方法低或者在高信噪 比下的错误概率比AIC方法低。如利用噪声特征值的线性趋势设定检 测门限的EIT方法,基于特征向量的利用了信号频域峰值-均值比的 EPAR方法,用于检测信号紧密分布的一个空间信号群内的信号源数 的EDT方法等。但上述方法都只能给出信号源的个数的估计,并不能 同时给出信号的方位估计值。
现有的基于合成孔径技术的方位估计方法,一般要先假设知道目 标的个数,没有对信号源数检测的过程。强干扰环境下水下运动阵列 方位估计新方法(侯云山等发表于《系统工程与电子技术》,2010,32 (9):1803—1806)对水下存在强干扰的特殊情况使用了自适应波束 形成技术来保证使用合成孔径技术进行方位估计的有效性。传统合成 孔径技术在孔径合成后使用常规波束形成(CBF)来形成波束,方位 分辨能力较低,且形成波束后只能看出波束形状,但并不能准确判断 目标的个数。
发明内容
本发明的目的是提供一种水下运动阵列多目标检测和方位估计 一体化方法,以解决低信噪比下传统检测方法的性能差且不能同时给 出方位估计的问题。
为实现上述目的,本发明的水下运动阵列多目标检测和方位估计 一体化方法步骤如下:
(1)根据运动阵列信号模型,得出两次连续测量的接收数据公 式,并根据两公式求得相位校正因子;
(2)将运动阵列信号模型表示成矩阵形式,并采用矩阵形式的 块处理方式分割为J个矩阵块,构成分块矩阵;
(3)采用水下运动阵列的合成孔径技术,利用相位校正因子将 物理阵列扩展为虚拟阵列,将分块矩阵重构为数据矩阵;
(4)将数据矩阵形成协方差矩阵,采用最小方差无畸变MVDR 形成MVDR空间谱;
(5)根据MVDR空间谱,通过现场噪声学习获得检测门限值;
(6)根据检测门限值,获得MVDR空间谱中检测门限值之上的 谱峰数为目标个数,谱峰所对应的角度为入射目标的方位角。
所述步骤(1)中两次连续测量的条件为:两次连续测量时物理 阵列的部分阵元在空间上重合。
所述步骤(1)中运动阵列信号模型为X=A(θ)S+W,式中 X=A(θ)S+W,式中X=[X1 X2 … XN],Xi=[x1(ti) x2(ti) … xM(ti)]T是阵列 输出的第i次快拍数据,X∈CM×N,A(θ)=[a(θ1) a(θ2) … a(θK)], a(θi),(i=1,2,…,K)是第i个信号的方向向量,且表达式为 a(θi)=[1 exp(-j2πf0dsinθi/c) … exp(-j2πf0(M-1)dsinθi/c)]T,S∈CK×N是包含 了多普勒频率的目标信号,W∈CM×N是加性高斯白噪声,C表示复数 域。
所述步骤(1)中第ti时刻第n个阵元的接收数据为
通过适当选择v和τ使得vτ=qd,其中q代表在时间τ内阵列移动 的阵元位置数,则式(6)可写为
由式(1)得ti时刻阵列的第n+q个阵元的输出为
对于两次连续的测量,xn+q(ti)和xn(ti+τ),n=1,2,…,M-q表示空间 位置上重叠但时间上相差τ的阵元的输出;由式(7)和式(8)可得相位 校正因子为为一个相位。
所述步骤(3)中分块矩阵重构为数据矩阵的公式为
所述步骤(4)中数据矩阵形成协方差矩阵为MVDR空间谱
所述步骤(5)先根据给定的虚警概率和噪声数据段的数目求得 h值,则第h段噪声的MVDR空间谱对应的值作为检测门限值。
本发明的水下运动阵列多目标检测和方位估计一体化方法,充分 利用水下运动阵列合成孔径技术来提高阵增益和角度分辨率,并利用 体现信号能量的MVDR空间谱函数来确定目标的个数及方位;仿真 结果表明,对于相干信号来说,本方法在低信噪比下的检测性能显著 优于AIC和MDL等传统方法,显著降低了检测门限,也就意味着更 远的探测距离,另外还可以同时给出方位估计值。
附图说明
图1是SATDE方法的原理示意图;
图2是基于远场目标的运动阵列的接收模型示意图;
图3是SATDE实施例的空间谱输出和检测门限(-10dB)表示图;
图4是不同信噪比下的各方法检测概率比较图;
图5是SATDE在不同信噪比下的方位估计值图;
图6是SATDE在不同合成阵元数时的检测概率表示图。
具体实施方式
一、运动阵列信号模型
考虑M个阵元,阵元间距为d的均匀线列阵,阵列沿参考坐标的 x轴方向以速度v作匀速直线运动。位于接收阵列远场的K个频率为 f0的窄带信号源sk(t)分别以θk的入射角到达接收阵列的各个阵元。在 整个测量时间T内,采样频率为fs,采样时间间隔为△t并且ti=i*△t (i=1,2,…,N,N为总的采样点数)。这时在ti时刻第n(n=1,2,…,M)个阵 元的接收数据可以表示为
此时Ak为信号源sk(t)的复幅度,wn(ti)为加性噪声,c表示水下声速, k为K个窄带信号中的一个,n为M个阵元中的一个。
于是阵列输出的矩阵形式为X=A(θ)S+W (2)
式中X=[X1 X2 … XN] (3)
且Xi=[x1(ti) x2(ti) … xM(ti)]T是阵列输出的第i次快拍数据,显然 X∈CM×N。
A(θ)=[a(θ1) a(θ2) … a(θK)] (4)
其中a(θk),(i=1,2,…,K)是第k个信号的方向向量且表达式为
a(θk)=[1 exp(-j2πf0dsinθk/c) …exp(-j2πf0(M-1)dsinθk/c)]T (5)
S∈CK×N是包含了多普勒频率的目标信号,W∈CM×N是加性高斯 白噪声,C表示复数域。
二、多目标检测和方位估计一体化方法SATDE
多目标检测和方位估计一体化方法SATDE主要由孔径合成部分、 空间谱形成部分和门限检测与方位估计三部分组成,该方法的原理如 图1所示。
下面我们来分别介绍这三个部分。
(1)孔径合成过程
公式(1)给出了ti时刻第n个阵元的接收数据,τ秒以后,第n个 阵元的接收数据变为
通过适当选择v和τ使得vτ=qd,其中q代表在时间τ内阵列移动 的阵元位置数,则式(6)可写为
由式(1)易知ti时刻阵列的第n+q个阵元的输出为
对于两次连续的测量,xn+q(ti)和xn(ti+τ),n=1,2,…,M-q就表示空 间位置上重叠但时间上相差τ的阵元的输出。
比较式(7)和式(8)可以看出,如果忽略噪声项的话,两个式子只 相差一个exp(-j2πf0τ),即xn+q(ti)=exp(-j2πf0τ)xn(ti+τ) (9)
考虑到系统的和随机的影响我们再加入一个相位于是上式可 改写为
记为相位校正因子,则ψ的最小平方估计可按照 下面的步骤求出:先计算
其中上标*表示数据的复共扼,M-q是两次测量之间的重叠阵元数。
于是,相位校正因子的最小平方估计为
式中代表物理运动过程中的系统或随机的误差。因此,可以通过 ti+τ时刻第n个阵元的输出xn(ti+τ)乘上一个校正相位来得到 ti时刻的第n+q个阵元(虚拟扩展阵元)的输出xn+q(ti),即
也就是说一次扩展使得阵元数由原来的M个扩展到了虚拟的 M+q个。重复以上过程,由于每次测量扩展的阵元数为q个,则经过 J次测量(扩展)后,合成孔径的阵元总数为M+Jq。基于远场目标 的匀速直线运动的阵列接收模型示意图如图2所示。
设每次测量时的采样数为N0,则合成阵元的接收数据可以通过 下式来得到:
其中m=1,2,…,N0,l代表第l次测量(l=0,1,…,J-1),m指的是某个采 样点(m=1,2,…,N0),指第p次测量和第p+1次测量之间按照(12) 式计算得到的值。
我们注意到每次重叠可扩展的阵元数为q,重叠的阵元数为 M-q,那么究竟每次重叠阵元数取何值性能最优呢?根据相关文献, 最优重叠阵元数为M/2,即物理阵列阵元数的一半。
上面的说明是针对单个阵元的分析过程,在实际工程运算中,我 们采用矩阵形式的块处理方法。下面我们给出孔径合成的块处理方法 的具体的步骤。
首先把(1)式改写成如下分块矩阵的形式
X=[B1 B2 … BJ] (15)
式中Bi∈CM×K且JK=N。这里数据接收矩阵X分割为J个矩阵块,每 个分块矩阵Bi包含K次采样。
然后使用如下的公式把数据矩阵对数据阵X进行重构
上式中表示取矩阵B2的一个子矩阵的转置,该子矩阵 为矩阵B2中从第M-q+1行到第M行的所有列。含义 与此类似。这里这一步就是利用相位校正因子将物 理阵列的阵元数据校正为虚拟阵元的数据的过程。
(2)MVDR空间谱形成过程
我们使用重构后的数据矩阵来形成协方差矩阵
然后使用MVDR空间谱来估计信号源的个数和方位。MVDR方法的空 间谱P(θ)表示如下
考虑使用MVDR空间谱来估计信号源的个数和方位是因为P(θ)和 阵列输出的功率成正比而且有效范围是入射信号的最大信噪比和阵 元个数的乘积。更重要的是,P(θi)可以认为是来自θi方向的信号的相 对功率。下面我们来说明这一点。
P(θi)的Kp个谱峰{pi}可表示为
设R特征分解得到的特征值为{λi;i=1,2,…,M},相应的特征向 量为{ei;i=1,2,…,M},不妨设
A=EsQ (20)
或者写为
上式中{qni;n,i=1,2,…,Kp}是矩阵Q的元素。使用{λi}和{ei},R-1可以改 写为
于是,
在上式的推导过程中我们使用了如下条件
因此公式(23)给出了{λi}和{pi}之间的关系。
由于{λi;i=1,2,…,Kp}代表信号功率,{pi}又是{λi}的组合, 因此可以认为是来自θi方向的信号的相对功率。经典的检测方法如 AIC,MDL和EIT等都是基于特性值{λi}的方法,因此使用空间谱的谱 峰{pi}来做信号检测是合理的。
(3)门限检测过程
在实际的工程应用中,由于海面风浪、海洋湍流和运输船只等的 影响,水下声纳系统的噪声环境是空间非均匀的。当噪声空间分布不 均匀时,噪声功率值σ2随扫描方位角θ变化而改变。对于信号功率确 定的目标,恒虚警概率条件下的检测门限是θ的函数。实际应用中通 过现场噪声学习获得检测门限。
假设我们有jn段纯噪声数据,那么对一个特定的角度θ0,第 k(k=1,2,…,jn)段噪声的MVDR空间谱函数为
式中Rk是第k段噪声数据的协方差矩阵。这里pk(θ0)是噪声样本在θ0方 向上的相对功率。记
Pthreshold=ph(θ0) (26)
式中h由预先给定的虚警概率PF和噪声数据段的数目jn决定,即
上式中表示取整运算。
在后面的仿真实验中,我们假设水下声的噪声环境是空间非均 匀的,即噪声的分布在各个方向是一样的,所以给出的检测门限是一 条直线。而在实际应用中,各个方向的门限一般是不一样的,从而检 测门限是一条曲线,必须通过现场采集数段纯噪声数据,根据(26) 式来确定这条曲线。
三、仿真实验
下面通过仿真实验来评价SATDE方法的信号检测性能和方位估计 性能。
在仿真中把SATDE方法的信号检测性能与AIC、MDL、EIT和EPAR 等方法做比较。通常远程水下目标的信噪比很低,我们在水下探测时 主要关心的是低信噪比时的算法性能。
使用8元的标准均匀线阵,阵元间距为接收信号中心频率的半波 长。假设该阵列以5节的速度做匀速直线运动,在观测时间内得到的 合成阵列的孔径是原物理阵的4倍。假设噪声为高斯白噪声,虚警概 率PF=0.05,有两个相干等功率目标信号入射到阵列。假设信号的DOA 分别为-3.2°和3.2°,即信号夹角为半功率波束宽度的一半。每个信噪 比下进行1000次独立试验以进行统计。
图3给出了-10dB时SATDE方法的空间谱输出和检测门限。由于噪 声条件为高斯白噪声,所以在各个方向上门限相同。门限具体取值过 程为:首先计算1000次独立实验时纯高斯白噪声输入所产生的1000 次空间谱的各自的最大值,然后将这1000个空间谱值按降序排列,取 第6个空间谱值作为检测门限(因为虚警概率PF=0.05的条件下, 1000×0.05=5)。一般来说,门限之上的谱峰个数即为目标个数,谱 峰所对应的角度即为入射目标的方位角。从图3中可以看出,SATDE 方法检测到了两个目标,方位角在±3°附近。因此,这也说明了SATDE 方法是一种联合检测-估计方法,可以同时给出目标的个数和方位。
图4比较了不同信噪比下SATDE与AIC、MDL、EIT、EPAR等方法的 正确检测概率。从图4中可看出,AIC的特点是在低信噪比下有较高的 检测概率,但随着信噪比的提高,检测概率却一直达不到1,大致在0.9 附近徘徊。这是因为AIC在高信噪比下倾向于高估信号源个数,也就 是说AIC不是一致估计。而MDL虽是一致估计,但由于在低信噪比下倾 向于低估信号源个数,故在低信噪比下检测概率很低。EIT方法的问 题在于需要选择合适的参数(取值范围一般为0~6之间,可通过多次 的独立实验确定),对于不同的信号源数和不同的夹角,最优的参数 都不一样。通过仿真实验我们选取性能最优的EIT曲线(参数取1.5), 这时EIT的性能在低信噪比下与AIC类似,而且随着信噪比的提高检测 概率也越来越高。EPAR方法原理上使用了各个特征向量对阵列输出数 据分别进行加权,客观上扩大了信号和噪声的能量的差距,并在频域 计算出相应的信源数。从图中可看出EPAR在极低的信噪比下检测概率 比AIC有小幅的提高,并且随着信噪比的提高检测概率也趋于1。而 SATDE方法由于充分利用了阵列的运动合成了更大的虚拟阵列,提高 了阵增益和角度分辨率,在低信噪比下(SNR<-15dB)的检测概率远高 于其它方法。
图5给出了SATDE方法在不同信噪比下的方位估计值。方位估计值 取(11)式所得出的MVDR空间谱曲线位于检测门限之上的极值点所对 应的方位角值。图中显示当SNR≥-20dB时,方位估计值已经比较准确。
图6比较了SATDE方法在不同合成阵元数时的检测性能。当然在实 际的水下环境中,考虑到水下信号相干时间和阵列平稳运行时间的限 制和数据的实时处理,合成阵元数并不能无限制增加。从图中可以看 出,总体上合成阵元数越多,检测性能越好。但是当合成阵元数超过 32以后,检测性能提高并不多。由于增加合成阵元数的同时也会大大 增加计算复杂度,所以合成阵元数的选取不必太大。
基于水下运动阵列合成孔径技术的多目标检测和方位估计一体化 方法SATDE,充分利用水下运动阵列合成孔径技术来提高阵增益和角 度分辨率,并利用体现信号能量的MVDR空间谱函数来确定目标的个数 及方位。针对水下相干双目标的仿真结果表明该方法在低信噪比下的 检测性能显著优于传统的信号源检测方法,并且可以同时给出正确的 方位估计。
最后所应说明的是:以上实施例仅用以说明而非限定本发明的技 术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普 通技术人员应当理解;依然可以对本发明进行修改或者等同替换,而 不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本 发明的权利要求范围当中。
机译: 充液体泄漏的传感器阵列,水下车辆和水下检测方法
机译: 使用声学麦克风阵列检测远距离运动并计算运动物体的方法
机译: 圆形传感器阵列的水下近目标检测方法