基于对角减载的水声阵列SMI-MVDR空间谱估计技术

发布时间：2019-10-02 07:57

【摘要】：空间谱估计一直都是水声阵列信号处理研究的热点问题,而一般认为目标和背景干扰的信息都蕴含在接收信号协方差矩阵中,因而现有的谱估计技术大多针对接收信号的协方差矩阵进行处理。由于信号和噪声的相关性,导致协方差矩阵中主对角线元素上的噪声分量最大。针对这一特性提出了基于对角减载的水声阵列采样矩阵求逆(sample matrix inversion,SMI)最小方差无畸变响应(minimum variance distortionless response,MVDR)波束形成技术。理论推导了对角减载量对输出功率谱目标方位上输出信噪比的影响,分析了最佳对角减载系数的选取原则。并针对实际工程应用情况,研究了由有限次快拍数估计的采样矩阵得到最佳对角减载系数的方法,该方法无需预估信号源数。通过算法仿真和海试数据处理,对比验证了基于对角减载的SMI-MVDR空间谱估计的有效性和可靠性。对于背景噪声级较强的水声阵列信号处理环境来说,所提方法能有效提高高斯白噪声背景下的声纳多目标分辨性能。
【图文】：

示意图,协方差矩阵,直线阵,接收信号

矩阵中主对角线元素上的噪声分量最大。当在低信噪比的水声环境中，对角加载技术在一定程度上会带来信干噪比的损失，从而降低了多目标的分辨能力。与雷达探测不同的是，声纳探测目标多为静止或者运动速度缓慢，所以可以通过增加快拍数，估计出更加准确的接收信号协方差矩阵。论文结合水声阵列的信号处理环境，针对协方差矩阵中主对角线元素上的噪声分量最大这一特性提出了基于对角减载的水声阵列ＳＭＩ－ＭＶＤＲ波束形成技术，并通过仿真和海试数据处理验证了该技术的有效性和可靠性。１阵列接收数据模型如图１所示，水平直线水听器阵列由Ｎ个阵元组成，假设有Ｄ＋１个相互独立的平面波入射，阵列第ｋ次快拍Ｘ（ｋ）的输出如式（１）所示。Ｘ（ｋ）＝Ａ（θ）Ｓ（ｋ）＋Ｎａｗｇ（ｋ）（１）式中，，Ｘ（ｋ）＝［ｘ１（ｋ），ｘ２（ｋ），…，ｘＮ（ｋ）］Ｔ；Ｔ表示转置运算；Ａ（θ）＝［ａ（θ１）ａ（θ２）…ａ（θＤ＋１）］，ａ（θｉ）为第ｉ个入射平面波的方向矢量，为Ｎ×１维向量；θｉ为第ｉ个平面波的水平入射角；Ｓ（ｋ）＝［ｓ１（ｋ）ｓ２（ｋ）…ｓＤ＋１（ｋ）］Ｔ，ｓｉ（ｋ）为第ｉ个平面波信号的第ｋ次快拍；Ｎａｗｇ（ｋ）＝［ｎ１（ｋ），ｎ２（ｋ），…，ｎＮ（ｋ）］为接收阵列加性高斯白噪声信号。图１水平直线阵示意图由式（１）得到阵列接收信号的协方差矩阵Ｒｘ＝Ｅ［Ｘ（ｋ）·ＸＨ

空间谱估计,快拍

第１２期周彬等：基于对角减载的水声阵列ＳＭＩ－ＭＶＤＲ空间谱估计技术·２３８５·逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄逄８０°和９０°两目标的分辨概率随快拍数Ｋ变化的曲线如图６所示。图４不同快拍数时ＤＲ－ＳＭＩ－ＭＶＤＲ空间谱估计图５ＳＮＲ＝－３ｄＢ时ＤＯＡ估计精度随快拍数变化曲线从图５的仿真结果可以看出ＤＲ－ＳＭＩ－ＭＶＤＲ在测向精度上与ＳＭＩ－ＭＶＤＲ的性能相似，但是从图４可以看出ＤＲ－ＳＭＩ－ＭＶＤＲ有更低的旁瓣。而从图６可以得出两目标方位较近时，通过增加快拍数ＳＭＩ－ＭＶＤＲ无法提高两目标分辨概率，但是ＤＲ－ＳＭＩ－ＭＶＤＲ可以进行有效分辨。图７（ａ）和（ｂ）分别为快拍数Ｋ＝１００和Ｋ＝１０００时，８０°和９０°两目标的分辨概率随ＳＮＲ的变化曲线。从图４～图７可以分析得出两种算法具有相似的测量精度，但ＤＲ－ＳＭＩ－ＭＶＤＲ显然具有更佳的方位角度分辨性能。图６ＳＮＲ＝－３ｄＢ时两目标分辨概率随快拍数变化曲线图７不同快拍数下的两目标分辨概率随ＳＮＲ变化曲线５海试数据处理对于宽带信号，对各子带的空间谱输出按ＳＮＲ进行加权，把每个子带的输出累加得到宽带信号的空间谱估计输出如式（２２）所示。ＰＷＢ（θ）＝∑Ｊｉ＝１ηｉＰ（ｆｉ，θ）（２２）式中，Ｐ（ｆｉ，θ）为第ｉ个处理子窄带的空间谱输出；Ｊ为频域处理的子窄带个数；ηｉ为各子带的能量加权因子，实际中一般取ηｉ＝
【作者单位】：哈尔滨工程大学水声技术重点实验室;哈尔滨工程大学水声工程学院;中国舰船研究设计中心;
【基金】：国家自然科学基金(11374072,61371171);国家自然科学基金青年科学基金(51009041) 公益性行业(海洋)科研专项基金(gz201005001)资助课题
【分类号】：TN911.7

【参考文献】