一種基于特征值多閾值修正的聲矢量圓陣信源數(shù)檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明屬于聲矢量傳感器陣列信號(hào)處理領(lǐng)域，具體涉及涉一種應(yīng)用于水下目標(biāo)的遠(yuǎn)程被動(dòng)探測(cè)的基于特征值多閾值修正的聲矢量圓陣信源數(shù)檢測(cè)方法。本發(fā)明包括：建立聲矢量圓陣信號(hào)接收模型，獲得聲矢量圓陣接收聲壓數(shù)據(jù)、徑向振速數(shù)據(jù)、切向振速，構(gòu)造聲矢量圓陣聲壓振速聯(lián)合處理的協(xié)方差矩陣，對(duì)進(jìn)行特征值分解；對(duì)協(xié)方差矩陣分解后得到的特征值集合進(jìn)行多閾值劃分處理，獲得信號(hào)和噪聲對(duì)應(yīng)特征值集合。該方法將基于特征值多閾值修正的信息論檢測(cè)方法與聲矢量圓陣良好抗噪性能有機(jī)結(jié)合起來(lái)，明顯地降低了檢測(cè)算法的信噪比門(mén)限，克服了傳統(tǒng)的MDL、對(duì)角加載MDL、GDE等檢測(cè)方法對(duì)噪聲特征值變化較為敏感的缺點(diǎn)。
【專(zhuān)利說(shuō)明】
-種基于特征值多闕值修正的聲矢量圓陣信源數(shù)檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于聲矢量傳感器陣列信號(hào)處理領(lǐng)域，具體設(shè)及設(shè)一種應(yīng)用于水下目標(biāo)的 遠(yuǎn)程被動(dòng)探測(cè)的基于特征值多闊值修正的聲矢量圓陣信源數(shù)檢測(cè)方法。
【背景技術(shù)】
[0002] 信源數(shù)估計(jì)問(wèn)題是陣列信號(hào)處理中的一個(gè)重要問(wèn)題，高分辨空間譜估計(jì)技術(shù)一般 需要先準(zhǔn)確估計(jì)信源個(gè)數(shù)，否則將會(huì)導(dǎo)致方位估計(jì)算法性能下降，因此在雷達(dá)、聲響、通信 等領(lǐng)域有著廣泛的應(yīng)用。
[0003] 隨著聲矢量傳感器技術(shù)的不斷發(fā)展，矢量水聽(tīng)器被廣泛地應(yīng)用于水聲工程各領(lǐng) 域。矢量水聽(tīng)器陣列信號(hào)處理可有效提高水下目標(biāo)遠(yuǎn)程探測(cè)能力，近年來(lái)，聲矢量陣列的信 源數(shù)估計(jì)問(wèn)題也受到了人們的關(guān)注。李楠等人提出了一種基于核一致判別的聲矢量陣信源 數(shù)估計(jì)方法(李楠，程錦房，何光進(jìn)，張巧.基于矢量陣列的信源數(shù)估計(jì)算法[J].武漢理工大 學(xué)學(xué)報(bào)，2013,37(1) :175-178.),該方法利用并行因子分析方法表示信號(hào)協(xié)方差張量，通過(guò) 計(jì)算該模型的秩來(lái)確定信源數(shù);張錯(cuò)提出了一種基于二階盲源分離算法和解析振速模型的 聲矢量陣信源數(shù)目估計(jì)和方位估計(jì)算法(張錯(cuò).基于聲矢量陣的信源數(shù)目檢測(cè)和方位估計(jì) 算法[J].現(xiàn)代導(dǎo)航，2015,3:269-275.)，該算法根據(jù)盲源分離得到的聲壓和解析振速波形 之間的相似程度，實(shí)現(xiàn)對(duì)信源數(shù)目估計(jì);但上述方法并未充分利用聲矢量陣中聲壓與振速 聯(lián)合信息處理的抗噪能力，低信噪比的檢測(cè)能力有限，還無(wú)法滿(mǎn)足水下目標(biāo)遠(yuǎn)程被動(dòng)探測(cè) 需要。
[0004] 矢量水聽(tīng)器陣列信號(hào)處理與傳統(tǒng)的聲壓水聽(tīng)器陣列信號(hào)處理本質(zhì)上并沒(méi)有區(qū)別， 但其關(guān)鍵技術(shù)是如何充分利用聲壓與振速聯(lián)合信息處理的抗噪能力。白興宇等人提出了一 種基于特征向量的聲矢量陣信源數(shù)檢測(cè)與子空間劃分準(zhǔn)則（白興宇，姜燈，趙春辟.基于聲 壓振速聯(lián)合處理的聲矢量陣信源數(shù)檢測(cè)與方位估計(jì)[J].聲學(xué)學(xué)報(bào)，2008，33( 1): 56-61.)， 將子空間方法的高分辨能力與聲矢量陣的抗噪能力有機(jī)結(jié)合起來(lái)，降低了可處理的信噪比 n限，實(shí)現(xiàn)了遠(yuǎn)程目標(biāo)的信源數(shù)檢測(cè)與方位估計(jì);張錯(cuò)提出了基于聲壓、振速聯(lián)合處理的聲 矢量陣正則相關(guān)技術(shù)的信源數(shù)目估計(jì)(張錯(cuò).基于聲矢量陣正則相關(guān)技術(shù)的信源數(shù)目估計(jì) [J].艦船電子對(duì)抗，2013,36(2) :69-77.),該算法將正則相關(guān)技術(shù)與聲壓、振速信息聯(lián)合處 理有機(jī)結(jié)合起來(lái)，實(shí)現(xiàn)了信號(hào)源數(shù)目的有效檢測(cè)。但上述方法僅適用于聲矢量直線(xiàn)陣信源 數(shù)估計(jì)，由于聲矢量圓陣信號(hào)子空間與噪聲子空間特征值分布特點(diǎn)，上述方法無(wú)法直接應(yīng) 用于聲矢量圓陣。均勻圓陣具有360°全方位、無(wú)模糊的目標(biāo)檢測(cè)和方位估計(jì)性能，具有很大 的優(yōu)越性，因此在聲響和雷達(dá)系統(tǒng)中有著比較廣泛的應(yīng)用。與聲矢量線(xiàn)陣的研究成果相比， 聲矢量圓陣信源數(shù)檢測(cè)方面研究成果未見(jiàn)報(bào)道。本發(fā)明提出了一種基于特征值多闊值修正 的聲矢量圓陣信源數(shù)檢測(cè)方法，該方法克服了傳統(tǒng)最小描述長(zhǎng)度準(zhǔn)則(M化）、對(duì)角加載 MDU蓋氏圓檢測(cè)準(zhǔn)則(GDE)等檢測(cè)方法對(duì)噪聲特征值變化較為敏感，而無(wú)法應(yīng)用聲矢量圓 陣聲壓振速聯(lián)合處理方法的缺點(diǎn)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提出提高低信噪比條件下的信源數(shù)檢測(cè)性能，可實(shí)現(xiàn)水下目標(biāo) 遠(yuǎn)程被動(dòng)探測(cè)的基于特征值多闊值修正的聲矢量圓陣信源數(shù)檢測(cè)方法。
[0006] 本發(fā)明的目的是運(yùn)樣實(shí)現(xiàn)的：
[0007] 基于特征值多闊值修正的聲矢量圓陣信源數(shù)檢測(cè)方法，在聲矢量圓陣聲壓振速聯(lián) 合處理的基礎(chǔ)上，通過(guò)設(shè)置不同的闊值實(shí)現(xiàn)對(duì)協(xié)方差矩陣特征值的劃分與修正，并通過(guò)信 息論檢測(cè)準(zhǔn)則實(shí)現(xiàn)信源數(shù)檢測(cè)，包括如下步驟：
[0008] (1)建立聲矢量圓陣信號(hào)接收模型，獲得聲矢量圓陣接收聲壓數(shù)據(jù)P(t)、徑向振速 數(shù)據(jù)Vr(t)、切向振速V。的，構(gòu)造聲矢量圓陣聲壓振速聯(lián)合處理的協(xié)方差矩陣Rpv,對(duì)Rpv進(jìn)行 特征值分解；
[0009] (2)對(duì)協(xié)方差矩陣Rpv分解后得到的特征值集合Ca進(jìn)行多闊值劃分處理，獲得信號(hào) 和噪聲對(duì)應(yīng)特征值集合Cs、Cn ;
[0010] (3)對(duì)噪聲對(duì)應(yīng)特征值集合Cn進(jìn)行平均化修正處理，得到噪聲對(duì)應(yīng)修正后特征值 入n;
[0011] (4)采用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)。
[0012] 所述的步驟（1)包括將聲矢量圓陣陣元振速的徑向和切向分量接收數(shù)據(jù)Vr(t)、 %(〇投影到笛卡爾坐標(biāo)系xOy平面內(nèi)的x、y軸方向上，得到聲矢量圓陣的振速x、y通道信號(hào) Vx(t)、Vy(t)，并通過(guò)電子旋轉(zhuǎn)得到組合振速：
[0013]
[0014] 式中，4為指定觀(guān)測(cè)方向，可采用Givens變換確定；
[0015] 根據(jù)聲壓與振速聯(lián)合處理平均聲能流概念，獲得聲矢量圓陣互協(xié)方差矩陣：
[0016] Rpv = E[P(t)Vc^(t)]
[0017] 對(duì)協(xié)方差矩陣Rpv進(jìn)行特征值分解：
[001 引
[0019] 將特征值、由小到大排列形成特征值集合Ca。
[0020] 所述步驟(2)包括，對(duì)協(xié)方差矩陣Rpv分解后得到的特征值集合Ca進(jìn)行多闊值劃分 處理，獲得信號(hào)和噪聲對(duì)應(yīng)特征值集合Cs、Cn ;其次對(duì)噪聲對(duì)應(yīng)的特征值集合Cn進(jìn)行平均化 修正處理，得到噪聲對(duì)應(yīng)修正后特征值A(chǔ)n;然后使用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)， 具體步驟如下：
[0021] (2.1)設(shè)置大小不同的兩個(gè)闊值Lti、Lt2,對(duì)特征值集合Ca進(jìn)行劃分，得到信號(hào)特征 值集合Csl )、爭(zhēng)議區(qū)域CDis化tl > Ai >以2 ) W及噪聲特征值集合Cn2化t2 >、）；
[00剖 （2.2)定義待修正特征值集合CRev = CDiS U Cn2,將CRev中特征值由小到大排列；設(shè)置 一個(gè)新闊值Lti,若闊值Lti>Lt2,貝阿通過(guò)闊值Lti對(duì)待修正特征值集合CRev的特征值進(jìn)行重 新劃分，形成兩個(gè)特征值集合Csi和Cni，則可得特征值集合Ca經(jīng)過(guò)多闊值修正后的信號(hào)和噪 聲對(duì)應(yīng)特征值集合Cs = Csl U CsiXRev = Cni ;若闊值，則修正結(jié)束；
[0023] (2.3)若闊值Lti>Lt2,重復(fù)步驟(2)進(jìn)行多次劃分，形成信號(hào)對(duì)應(yīng)特征值集合Cs與 噪聲對(duì)應(yīng)特征值集合Cn = CRev;
[0024] (2.4)對(duì)噪聲對(duì)應(yīng)的特征值集合Cn進(jìn)行平均化修正處理，求特征值集合Cn中的特征 值的平均值4,對(duì)平均值4進(jìn)行加載處理，得到噪聲對(duì)應(yīng)修正后特征值
[0025] (2.5)使用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)。
[0026] 本發(fā)明的有益效果在于:該方法將基于特征值多闊值修正的信息論檢測(cè)方法與聲 矢量圓陣良好抗噪性能有機(jī)結(jié)合起來(lái)，明顯地降低了檢測(cè)算法的信噪比口限，克服了傳統(tǒng) 的MDL、對(duì)角加載MDUGDE等檢測(cè)方法對(duì)噪聲特征值變化較為敏感的缺點(diǎn)；另外，本發(fā)明在多 目標(biāo)檢測(cè)及陣列接收各信源的功率存在一定的差異時(shí)仍具有良好的檢測(cè)性能。
【附圖說(shuō)明】
[0027] 圖1聲矢量圓陣信源數(shù)檢測(cè)方法流程圖；
[002引圖2聲矢量圓陣布放示意圖；
[0029] 圖3聲壓、矢量處理方法對(duì)檢測(cè)性能的影響分析結(jié)果；
[0030] 圖4不同算法檢測(cè)性能的仿真分析結(jié)果；
[0031 ]圖5多目標(biāo)檢測(cè)性能的仿真分析結(jié)果；
[0032] 圖6聲壓、矢量處理方法的試驗(yàn)分析結(jié)果；
[0033] 圖7不同算法檢測(cè)性能的試驗(yàn)分析結(jié)果。
【具體實(shí)施方式】
[0034] 下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步描述。
[0035] 本發(fā)明設(shè)及一種基于特征值多闊值修正的聲矢量圓陣信源數(shù)檢測(cè)方法，該方法構(gòu) 造了聲矢量圓陣聲壓與振速聯(lián)合處理的協(xié)方差矩陣，將協(xié)方差矩陣進(jìn)行特征值分解得到特 征值集合;基于聲矢量圓陣信號(hào)子空間與噪聲子空間特征值分布特點(diǎn)，通過(guò)設(shè)置大小不同 的闊值對(duì)特征值集合進(jìn)行劃分，得到信號(hào)特征值集合與噪聲特征值集合;對(duì)噪聲特征值集 合進(jìn)行平均化修正處理，得到修正后噪聲特征值;然后使用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù) 檢測(cè)。該方法將基于特征值多闊值修正的信息論檢測(cè)方法與聲矢量圓陣良好抗噪性能有機(jī) 結(jié)合起來(lái)，明顯地降低了檢測(cè)算法的信噪比口限，而且克服了傳統(tǒng)的MDL、對(duì)角加載MDUGDE 等檢測(cè)方法對(duì)噪聲特征值變化較為敏感的缺點(diǎn)。理論仿真和試驗(yàn)結(jié)果表明本發(fā)明具有更好 的噪聲抑制能力與目標(biāo)檢測(cè)性能，在水下遠(yuǎn)程目標(biāo)被動(dòng)探測(cè)方面具有良好的優(yōu)越性。
[0036] 該方法首先構(gòu)造了聲矢量圓陣聲壓與振速聯(lián)合處理的協(xié)方差矩陣，并對(duì)協(xié)方差矩 陣的特征值進(jìn)行多闊值修正處理，然后利用信息論檢測(cè)準(zhǔn)則實(shí)現(xiàn)了聲矢量圓陣的信源數(shù)檢 測(cè)。
[0037] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案包括W下步驟：
[0038] (1)建立聲矢量圓陣信號(hào)接收模型，獲得聲矢量圓陣接收聲壓數(shù)據(jù)P(t)、徑向振速 數(shù)據(jù)Vr(t)、切向振速構(gòu)造聲矢量圓陣聲壓振速聯(lián)合處理的協(xié)方差矩陣Rpv,對(duì)Rpv進(jìn) 行特征值分解；
[0039] (2)對(duì)協(xié)方差矩陣Rpv分解后得到的特征值集合Ca進(jìn)行多闊值劃分處理，獲得信號(hào) 和噪聲對(duì)應(yīng)特征值集合Cs、Cn ;
[0040] (3)對(duì)噪聲對(duì)應(yīng)的特征值集合Cn進(jìn)行平均化修正處理，得到噪聲對(duì)應(yīng)修正后特征 值入n;
[0041 ] (4)采用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)。
[0042] 下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明進(jìn)一步說(shuō)明，本發(fā)明信源數(shù)檢測(cè)方法流程圖如圖1 所示，具體實(shí)施方案如下：
[0043] 第一步，建立聲矢量圓陣信號(hào)接收模型，獲得聲矢量圓陣接收聲壓數(shù)據(jù)P(t)、徑向 振速數(shù)據(jù)Vr(t)、切向振速Vp (0 ,構(gòu)造聲矢量圓陣聲壓振速聯(lián)合處理的協(xié)方差矩陣Rpv,對(duì)Rpv 進(jìn)行特征值分解。具體步驟如下所述：
[0044] (1)假設(shè)M元聲矢量圓陣位于XOy平面內(nèi)，半徑為r，Wx方向作為圓陣的0°方向。聲 矢量傳感器振速分量x、y通道正軸方向分別沿著圓陣的徑向、切向方向布放，如圖2所示。針 對(duì)淺海遠(yuǎn)程目標(biāo)探測(cè)，本文不考慮振速垂直分量，只考慮振速水平分量。假設(shè)有K個(gè)不相關(guān) 的遠(yuǎn)場(chǎng)窄帶聲源信號(hào)S(t)入射到聲矢量圓陣上，則聲矢量圓陣接收數(shù)據(jù)：
[0045]
(1)
[0046] 式中，P(t)、Vi.(t)、Vp(X)分別為聲矢量圓陣接收的聲壓信號(hào)、徑向振速信號(hào)和切 向振速信號(hào);咕(〇、爪1.(〇、]^,^(?；)分別為聲矢量圓陣接收的各向同性噪聲的聲壓、徑向振 速和切向振速分量。它們可W表示為：
[0047]
[004引 [0049]
[(K)加]
[0051]式中；
[0化2]
[0化3]
[0054] 式中，apm表示第m個(gè)聲矢量傳感器接收的聲壓信號(hào)的導(dǎo)向矢量，av：rm、:0.vpw分別表示 第m個(gè)聲矢量傳感器振速?gòu)较颉⑶邢蚍至繉?duì)應(yīng)的導(dǎo)向矢量；01表示第i個(gè)聲源信號(hào)的入射角 度(i = l，2,…，K)，A表示信號(hào)波長(zhǎng)。
[0055] (2)將聲矢量圓陣陣元振速切向和徑向分量接收數(shù)據(jù)投影到笛卡爾坐標(biāo)系XOy平 面內(nèi)x、y軸方向上，則第m個(gè)陣元接收振速信號(hào)變?yōu)椋?br>[0化6]
[0化7]式中，Vrm、V胃分別表示第m個(gè)聲矢量傳感器振速?gòu)较?、切向分量接收信?hào)。經(jīng)過(guò)投 影變換后.畝^冨圓隨按d命*々報(bào)巧"拖^ ?
[0化引
（2)
[0059] 式中，Vx(t)、Vy(t)分別表示投影后聲矢量圓陣的振速x、y通道信號(hào)。
[0060] 通過(guò)電子旋轉(zhuǎn)可得到組合振速Vc(t)、Vs(t):
[0061 ]
(3)
[0062] 式中，d)為指定觀(guān)測(cè)方向，可采用Givens變換確定。
[0063] (3)根據(jù)平均聲能流概念，可得聲壓振速聯(lián)合處理的互協(xié)方差矩陣：
[0064] Rpv = E[P(t)Vc^(t)] (4)
[0065] 對(duì)協(xié)方差矩陣Rpv進(jìn)行特征值分解為如下形式：
[0066]
(5)
[0067] 式中，E[]表示取統(tǒng)計(jì)平均，、和Ui為第i個(gè)特征值及對(duì)應(yīng)的向量，并將特征值、由 小到大排列形成特征值集合Ca。
[0068] 第二步，對(duì)協(xié)方差矩陣Rpv分解后得到的特征值集合Ca進(jìn)行多闊值劃分處理，獲得 信號(hào)和噪聲對(duì)應(yīng)特征值集合Cs、Cn。具體步驟如下：
[0069] (1)設(shè)置大小不同的兩個(gè)闊值Lti、Lt2,對(duì)特征值集合Ca進(jìn)行劃分，得到信號(hào)特征值 集合Csl (、> Ltl )、爭(zhēng)議區(qū)域CDis ( Ltl >、> Lt2似及噪聲特征值集合Cn2 (Lt2 >、）；闊值Ltl、 以2分別為：
[0070]
C6)
[00川 （2)定義待修正特征值集合CRev = CDiS U Cn2。
[0072] r3)悠。。"由賠佈估由/1、丕Ii十排巧I. %晉一個(gè)就闊值Ui為；
[0073]
巧）
[0074] ( i )若闊值Lti>Lt2，則可通過(guò)闊值Lti對(duì)待修正特征值集合CRev的特征值進(jìn)行重新 劃分，形成兩個(gè)特征值集合Csi和Cni,則可得特征值集合Ca經(jīng)過(guò)多闊值修正后的信號(hào)和噪聲 對(duì)應(yīng)特征值集合Cs = Csl U Csi、CRev = Cni ;
[00對(duì) （i i)若闊值Lti《Lt2，則修正結(jié)束。
[0076] (4)若闊值Lti>Lt2,重復(fù)步驟(3)進(jìn)行多次劃分，形成信號(hào)對(duì)應(yīng)特征值集合Cs與噪 聲對(duì)應(yīng)特征值集合Cn = CReVD
[0077] 第=步，對(duì)噪聲對(duì)應(yīng)的特征值集合Cn進(jìn)行平均化修正處理，得到噪聲對(duì)應(yīng)修正后 特征值A(chǔ)n。具體步驟如下：
[0078] (1)求特征值集合Cn中的特征值的平均值1".
[00巧](2)對(duì)平均值4進(jìn)行加載處理，得到修正后噪聲對(duì)應(yīng)特征值式=才。+4奶;根據(jù)理 論仿真及實(shí)驗(yàn)分析，獲得加載值為：
[0080] Add = fix(4 ? min{、I、GCn}) (8)
[0081] 式中，fixQ表示向下取整數(shù)。
[0082] 第四步，采用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)。
[0083] MDL檢測(cè)準(zhǔn)則計(jì)算公式如下：
[0084]
(9)
[0085] 式中丄為采掙敬，n為待估計(jì)的信號(hào)源數(shù)（自由度），八（n)似然函數(shù)為：
[0086]
[0087]上面對(duì)
【發(fā)明內(nèi)容】
各部分的【具體實(shí)施方式】進(jìn)行了說(shuō)明。下面通過(guò)仿真實(shí)例和試驗(yàn)實(shí) 例對(duì)本發(fā)明具體實(shí)施做進(jìn)一步描述。
[008引仿真實(shí)例：
[0089] 假設(shè)聲矢量均勻圓陣元數(shù)為12元，陣半徑r = 0.7A，信源入射方向60%快拍數(shù)Ik， 指定觀(guān)測(cè)方向60°。蓋式圓檢測(cè)準(zhǔn)則(GDE)的檢測(cè)因子D(L)取值為1。
[0090] 圖3為聲壓、矢量處理方法對(duì)檢測(cè)性能的影響分析結(jié)果，聲壓振速聯(lián)合處理抗噪性 能優(yōu)于聲壓及矢量獨(dú)立處理方法。圖4為不同算法檢測(cè)性能的仿真分析結(jié)果，本發(fā)明方法在 低信噪比下檢測(cè)性能優(yōu)于其他方法。圖5為多目標(biāo)檢測(cè)性能的仿真分析結(jié)果，本發(fā)明方法在 該條件下檢測(cè)性能優(yōu)于基于對(duì)角加載的MDL方法。
[0091] 試驗(yàn)實(shí)例：
[0092] 在消聲水池完成了水下遠(yuǎn)程目標(biāo)信源數(shù)檢測(cè)實(shí)驗(yàn)測(cè)試，實(shí)驗(yàn)用聲矢量圓陣為8元 聲矢量圓陣(如圖6所示），陣半徑為0.35m。每個(gè)聲矢量傳感器X和y正方向分別與該處的徑 向、切向重合。實(shí)驗(yàn)中目標(biāo)聲源發(fā)射單頻信號(hào)，聲源距聲矢量圓陣約16m，位于6號(hào)聲矢量傳 感器Vx方向。濾波器通帶頻率500~5000化。定義信噪比SNR為：
[0093]
[0094] 式中，(64郝。^分別為聲源和水池背景噪聲功率。數(shù)據(jù)處理快拍數(shù)為Ik,指定觀(guān)測(cè) 方向?yàn)?20°。
[00M]圖7為聲壓、矢量處理方法的試驗(yàn)分析結(jié)果。
[0096]仿真實(shí)例及試驗(yàn)實(shí)例的分析結(jié)果表明：（1)本發(fā)明利用采用了基于聲矢量圓陣聲 壓振速聯(lián)合處理的P-V協(xié)方差矩陣構(gòu)造方法，較傳統(tǒng)的聲壓處理方法及將聲矢量傳感器振 速通道作為獨(dú)立陣元的處理方法有更好的抗各向同性噪聲的能力；（2)本發(fā)明采用特征值 多闊值修正的信息論檢測(cè)方法與聲矢量圓陣聲壓、振速聯(lián)合處理的良好抗噪性能，明顯地 提高了聲矢量圓陣信源數(shù)的低信噪比檢測(cè)能力，在水下遠(yuǎn)程目標(biāo)被動(dòng)探測(cè)方面具有良好的 優(yōu)越性。
【主權(quán)項(xiàng)】
1. 一種基于特征值多閾值修正的聲矢量圓陣信源數(shù)檢測(cè)方法，其特征在于:在聲矢量 圓陣聲壓振速聯(lián)合處理的基礎(chǔ)上，通過(guò)設(shè)置不同的閾值實(shí)現(xiàn)對(duì)協(xié)方差矩陣特征值的劃分與 修正，并通過(guò)信息論檢測(cè)準(zhǔn)則實(shí)現(xiàn)信源數(shù)檢測(cè)，包括如下步驟： (1) 建立聲矢量圓陣信號(hào)接收模型，獲得聲矢量圓陣接收聲壓數(shù)據(jù)P(t)、徑向振速數(shù)據(jù) Vr(t)、切向振速V,, 〇)，構(gòu)造聲矢量圓陣聲壓振速聯(lián)合處理的協(xié)方差矩陣Rpv，對(duì)Rpv進(jìn)行特 征值分解； (2) 對(duì)協(xié)方差矩陣RPV分解后得到的特征值集合Q進(jìn)行多閾值劃分處理，獲得信號(hào)和噪 聲對(duì)應(yīng)特征值集合C s、Cn; (3) 對(duì)噪聲對(duì)應(yīng)特征值集合匕進(jìn)行平均化修正處理，得到噪聲對(duì)應(yīng)修正后特征值λη; (4) 采用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)。2. 根據(jù)權(quán)利要求1所述的一種基于特征值多閾值修正的聲矢量圓陣信源數(shù)檢測(cè)方法， 其特征在于：所述的步驟（1)包括將聲矢量圓陣陣元振速的徑向和切向分量接收數(shù)據(jù)V r (t)、O)投影到笛卡爾坐標(biāo)系X〇y平面內(nèi)的x、y軸方向上，得到聲矢量圓陣的振速X、y通道 信號(hào)v x(t)、vy(t)，并通過(guò)電子旋轉(zhuǎn)得到組合振速：式中，Φ為指定觀(guān)測(cè)方向，可采用Givens變換確定； 根據(jù)聲壓與振速聯(lián)合處理平均聲能流概念，獲得聲矢量圓陣互協(xié)方差矩陣： Rpv=E[P(t)VcH(t)] 對(duì)協(xié)方差矩陣RPV進(jìn)行特征值分解：將特征值Μ由小到大排列形成特征值集合Q。3. 根據(jù)權(quán)利要求1所述的一種基于特征值多閾值修正的聲矢量圓陣信源數(shù)檢測(cè)方法， 其特征在于:所述步驟(2)包括，對(duì)協(xié)方差矩陣R PV分解后得到的特征值集合Q進(jìn)行多閾值劃 分處理，獲得信號(hào)和噪聲對(duì)應(yīng)特征值集合Cs、C n;其次對(duì)噪聲對(duì)應(yīng)的特征值集合(^進(jìn)行平均 化修正處理，得到噪聲對(duì)應(yīng)修正后特征值λη;然后使用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢 測(cè)，具體步驟如下： (2.1) 設(shè)置大小不同的兩個(gè)閾值Ltl、Lt2,對(duì)特征值集合Q進(jìn)行劃分，得到信號(hào)特征值集 合C sl仏多Ltl)、爭(zhēng)議區(qū)域CDis(Ltl>h彡L t2)以及噪聲特征值集合Cn2(Lt2>Xi); (2.2) 定義待修正特征值集合CRe3V = CDisUCn2，將CRe3V中特征值由小到大排列；設(shè)置一個(gè) 新閾值L ti，若閾值Lti > Lt2，則可通過(guò)閾值Lti對(duì)待修正特征值集合CRe3V的特征值進(jìn)行重新劃 分，形成兩個(gè)特征值集合C sjPCni，則可得特征值集合Q經(jīng)過(guò)多閾值修正后的信號(hào)和噪聲對(duì) 應(yīng)特征值集合Cs = Csl U Csi、CRev = Cni;若閾值Lti < Lt2，則修正結(jié)束； (2.3) 若閾值Lti >Lt2，重復(fù)步驟(2)進(jìn)行多次劃分，形成信號(hào)對(duì)應(yīng)特征值集合Cs與噪聲 對(duì)應(yīng)特征值集合(^=0^; (2.4) 對(duì)噪聲對(duì)應(yīng)的特征值集合Cn進(jìn)行平均化修正處理，求特征值集合Cn中的特征值的 平均值4，對(duì)平均值4進(jìn)行加載處理，得到噪聲對(duì)應(yīng)修正后特征值4 =4+ (2.5)使用信息論檢測(cè)準(zhǔn)則MDL實(shí)現(xiàn)信源數(shù)檢測(cè)。
【文檔編號(hào)】G01S3/80GK105954709SQ201610293286
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年5月6日
【發(fā)明人】時(shí)勝?lài)?guó), 李贏, 祝文昭, 朱中銳, 時(shí)潔, 胡博, 張昊陽(yáng), 莫世奇, 張攬?jiān)? 方爾正
【申請(qǐng)人】哈爾濱工程大學(xué)