低复杂度压缩感知技术在水声阵列信号处理中的应用

发布时间：2020-04-20 19:29

【摘要】：波达方向(Direction Of Arrival,DOA)估计是水声阵列信号处理的重要手段之一,广泛应用于水下目标探测、信号参数估计、声呐成像等领域中。本文针对水声阵列信号处理中DOA的稀疏特性,将压缩感知稀疏重构算法应用在DOA估计、声呐成像等领域中,对算法进行研究及改进。首先,论文介绍了压缩感知理论的主要内容,并着重介绍了正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、基于二维坐标下降(Dichotomous Coordinate Descent,DCD)的OMP-DCD算法、和多路径匹配追踪(Multipath Matching Pursuit,MMP)算法。将DCD应用于MMP中,给出了MMP-DCD算法,分析了各算法的稀疏重构性能。随后,在DOA估计方面,分析对于小快拍、相干源信号,Capon算法、压缩感知算法的DOA估计性能。并针对空间划分网格失配带来的估计性能下降问题,结合字典学习(Dictionary-learning,DL)思想,给出了OMP-DCD-DL算法。研究表明,该算法通过迭代更新字典,有效地改善了在网格失配条件下的压缩感知DOA估计性能;在声呐成像方面,介绍了Back Projection(BP)算法,在分布式多发多收(Multiple Input Multiple Output,MIMO)声呐模型下,分析了BP算法和压缩感知算法的成像性能。针对成像区域网格划分带来的计算量和精度问题,基于空间置换(Space-alternating,SA)思想,给出了SA-OMP-DCD算法,研究表明,该算法能够在减少计算量的同时高精度地对目标进行定位。最后,进行试验数据处理。宽带矢量信号试验数据的处理结果表明,相比于Capon算法,压缩感知算法可以在单频点、单快拍条件下,对来波方向进行更高精度的估计,这大大节省了存储和传输空间,更加有利于信号的实时处理。水池近场目标成像声呐数据处理结果表明,OMP-DCD、MMP-DCD、OMP-DCD-DL算法可以高分辨的区分两个相近的目标,相比于FFT算法、Capon算法,具有更高的分辨能力。OMP-DCD-DL基于对字典更新的方法,对信号的幅值估计更准确。
【图文】：

BP算法,成像,声呐

-610 -982-244 -1008196 -992574 -916886 -744932 -360982 2581048 688716 978210 1074-184 1022-540 956-906 796-984 3500.12 -0.06-0.6 -0.30.24 0.51Backprojection1dB0

表图,声呐,成像,BP算法

x/m-1 -0.5 0 0.5 1-25图 3.4 MIMO 声呐 BP 算法成像结果MIMO 声呐相比于分布式单发多收（Single Inp方面的优势，，以 BP 算法为例，做二者的成像结1’作为发射传感器，接收传感器和目标位置和表图 3.3 和 3.4 分别是 SIMO 和 MIMO 声呐成像结旁瓣级更高。图 3.5 是二者在‘Target#1’处的截面SIMO 减小约1/ 4，目标分辨率提高，最大旁瓣10-50MIMO-BPSIMO-BPGround ture
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TB56;TN911.7

【参考文献】