单矢量水听器多目标方位的盲估计研究-论文.pdf

《单矢量水听器多目标方位的盲估计研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第4期武汉理工大学学报(交通科学与工程版)Vol_38No．42014年8月JournalofWuhanUniversityofTechnologyAug．2014(TransportationScience&Engineering)单矢量水听器多目标方位的盲估计研究*肖大为”程锦房”张景卓。(海军工程大学兵器工程系”武汉430033)(海军工程大学理学院物理系。武汉430033)摘要：为实现单矢量水听器的多目标方位估计，研究了水声矢量信号的盲估计问题．根据单矢量水听器的阵列流型特点，结合盲源分离技术，提出了一种新的单矢量水听器多目标方位估计算法．在目标信号先验信息未知的情况下

2、，该算法可分离出各目标信号及其阵列流型，然后利用单矢量水听器振速分量的正交性，估计出各目标信号的方位．实验验证了该算法的有效性．关键词：单矢量水听器；盲源分离；方位估计中图法分类号：TN9l1doi：10．3963／j．issn．2095—3844．2014．04．0160引言阵列流型，进而利用单矢量水听器振速分量的正交性估计目标方位，避免了方位谱搜索的精度问盲源分离_1](blindsourceseparation，BSS)题．是指在源信号信息及混合系统特性都未知的情况下，仅从观测到的混合信号中提取、分离出各个目单矢量水听器的阵列流型标信号的过程．近年来，越来越多文献将BSS理论应用

3、到阵列信号处理中，开辟了一条目标辨识的新道路L3]．单个矢量水听器可以同步、共点地测量声场的声压和振速，完成水下目标的方位估计]．目前单矢量水听器的方位估计主要是基于声能流的最㈩大似然估计，此方法可有效抑制海洋环境中的各向同性干扰，抗干扰能力强．但若存在多个目标时，单矢量水听器测量的是各信号声能流的矢量和，无法分辨出目标，针对此问题，文献[7]提出了利用基于DEMON线谱的多目标分辨方法，文献[8—9]提出了利用特征分解子空问方法求解多目标的方位．本文将矢量信号处理技术与盲源分离技术相结合，提出了一种新的单矢量水听器多目标方位估计算法．与DEMON线谱算法相比，该算法可盲分离出目标信号

4、，避免了复杂的频域线谱分隔问题；与子空间分解算法相比，该算法可盲分离出收稿日期：2014—02—11肖大为(1982一)：男，博士，主要研究领域为水下目标检测与识别、微弱信号检测国家部委预研基金项目资助(批准号：4010603020301)·776·武汉理工大学学报(交通科学与工程版)2014年第38卷传统方位估计中的频率模糊问题．察到的多目标混合信号进行分离．综上所述，本文提出的单矢量水听器多目标2盲信号分离模型方位估计算法实现步骤如下．步骤1对单矢量水听器测量信号x做白化假设空间有相互独立的q个窄带平面波信号预处理，求白化矩阵w，使Z=WY白化．到达单矢量水听器，其阵列输出用矩阵形

5、式表示步骤2选择矩阵组M，根据白化信号z估为。计累积量矩阵Q(M)．l，(f)一A()X(￡)+n(f)(3)步骤3联合对角化(，估计出酉矩阵V．式中：y()一[(￡)，y(￡)，y。(￡)]为阵列输出矢量；A()一[Ⅱ()，口()，⋯，Ⅱ()]为阵列流形步骤4分离目标信号，X=V．矩阵；x(￡)一[1(￡)，2()，⋯，z(￡)]是目标信步骤5估计阵列流型矩阵，A—wV．号矢量；n(￡)一[1()，(￡)，。()]为加性噪声步骤6根据分离出的阵列流型分量h(0)矢量．一[1COS0sin0]，计算出各信号的来波方位．针对上述模型，盲源分离的目标为：在先验信一rctn『](7)息未知的

6、情况下，仅根据接收信号y分离出各信号x及其阵列流型A．4仿真实验及分析3盲信号分离原理仿真中目标源信号为两个单频信号，其频率本文采用BSS的成熟算法特征矩阵联合近为(1．5，2kHz)，对应来波方位角为(一30。，似对角化算法(jointapproximatediagonalization15。)，采样频率为20kHz，样本时间为1S，噪声ofeigenmatrices，JADE)来实现混合信号分离．为零均值高斯白噪声．JADE算法是由Cardoso提出的一种基于矩阵联图1为进行100次MonteCarlo实验得到的合对角化的独立分量分析算法口。。，该算法的实统计数据，其示出了不同信噪

7、比条件下方位估计现盲源分离过程时，先设定z为白化后的矢量水的性能曲线，该曲线说明随着信噪比的提高，听器N通道观测矢量z一[，z，⋯，z]，M为DOA估计的均方根误差趋近于零．任意N×N矩阵．z的四维累积量矩阵Q(M)定义如下．N[Q(M)]一∑K(z)1≤，≤N，、^．f一1＼(4)式中：K鼬(Z)是矢量z中的第i，J，k，z4个分量的累积量，m是矩阵M的第(志，z)号元素．可以证明：以M为权重构成的累积量阵Q：(M)可分解成信噪kt／dBQ(