圆形声矢量传感器阵列近场源多参数估计方法技术

圆形声矢量传感器阵列近场源多参数估计方法，步骤如下：对声矢量传感器阵列的输出信号进行采样，利用直接采样数据和延时采样数据构成接收信号全数据，通过数据相关矩阵的特征分解获取信号子空间和噪声子空间，利用延时前后数据间的旋转不变关系获取信号阵列导向矢量和信号频率估计，将信号导向矢量分成四个子阵导向矢量，并利用子阵导向矢量间的比值关系获得到达角和声源距离的粗略估计值，通过MUSIC算法在粗略估计值附近区域搜索信号到达角和距离的精确估计值，本发明专利技术充分利用声矢量传感器本身所固有的旋转不变结构，利用ESPRIT算法进行粗估并与MUSIC小区域精搜方法相结合实现到达角和距离的精确估计，本发明专利技术方法具有计算量小、算法简单、使用方便的优点。

【技术实现步骤摘要】
圆形声矢量传感器阵列近场源多参数估计方法
本专利技术属于阵列信号处理
，尤其涉及一种声矢量传感器阵列的近场源频率、二维到达角和距离的估计方法。
技术介绍
声矢量传感器由一个无指向性的声压传感器和三个互相垂直的具有偶极子指向性的质点振速传感器复合而成，可同步测量声波信号的声压强度和质点振速信息，因而在雷达、声纳、通信、航天航空等领域得到了日益广泛的应用，当信源落入阵列孔径的菲涅尔区域时被称为近场源，对近场源的定位需要估计距离和到达角多个参数，基于声矢量传感器阵列的近场声源位置定位已成为国内外学者的研究热点。基于子空间理论的阵列高分辨参数估计方法已被应用到近场信源目标定位，刘楠楠在吉林大学2014年硕学位士论文(题目：基于声矢量传感器的近场源多参数估计)中利用二维多信号分类方法进行高斯白噪声背景下的近场源参数估计，该方法能抑制高斯平稳噪声，但需要做基于双四元数的MUSIC搜索，需要在二维到达角和距离上做三维搜索，到达角估计分辨率的提高依赖于精细的阵列搜索区间，因而具有计算量大的缺点。本专利技术采用均匀圆形声矢量传感器阵列，提出了近场源到达角、频率和距离的旋转不变技术估计信号参数(ESPRIT)和多信号分类方法(MUSIC)参数估计方法，本专利技术首先充分利用声矢量传感器本身所固有的旋转不变结构，利用ESPRIT算法进行参数估计，给出了近场源信号到达角和声源距离的粗略估计值，然后利用MUSIC算法在粗略值附近搜索得到信号到达角和声源距离的精确估计值，此方法不需要在全参数空间内三维搜索，且参数自动配对；因此，计算量大大地减少，且在阵元个数有限的情况下，提高了近场源情景下声矢量传感器阵列近场源参数估计精度。对于近场声源信号，阵元间的相位差不仅与阵元间距和入射信号的方向有关而且与声源到阵元的距离有关，所以远场条件具有平移不变结构的均匀线阵、均匀L阵等，对于近场不具有平移不变结构，所以现有的文献很少涉及近场源的ESPRIT参数估计算法，本专利技术充分利用声矢量传感器的阵列所固有的旋转不变关系进行参数估计。
技术实现思路
本专利技术的目的是提供一种基于ESPRIT和MUSIC的近场源圆形声矢量传感器阵列多参数联合估计方法。为了实现上述目的，本专利技术采取如下的技术解决方案：圆形声矢量传感器阵列近场源多参数估计方法，K个不同频率、互不相关窄带、随机平稳近场声源信号分别从不同的方向和不同的距离(θk，φk，rk)入射到圆形声矢量传感器阵列上，θk为入射信号的俯仰角，φk为入射信号的方位角，rk为第k个信号与坐标原点阵元之间的距离，所述圆形阵列由M个等间隔布置于半径为R的圆周上的阵元构成，以圆周的圆心为坐标原点且在坐标原点放置相同的声矢量传感器作为参考阵元，所述阵元是由声压传感器和x轴、y轴和z轴方向振速传感器组成的声矢量传感器，所有传感器的对应通道相互平行：所有的声压传感器相互平行，所有的x轴方向振速传感器相互平行，所有的y轴方向振速传感器相互平行，以及所有的z轴方向振速传感器相互平行，且x轴、y轴和z轴振速传感器两两相互垂直；圆形阵列上相邻阵元间的间隔为λmin/(8sin(π/M))，λmin为入射声波信号的最小波长，且圆半径R和阵元间隔与入射声波信号的波长和声源的距离之间满足近场条件；近场源多参数估计方法的步骤如下：步骤一、利用圆形阵列获取近场声波信号的接收数据；该圆形接收阵列接收信号的N次快拍数据构成直接采样数据Z1，接收信号延迟ΔT后的N次同步快拍数据构成延时采样数据Z2，由Z1和Z2这两组数据构成接收信号全数据其中fs为奈奎斯特采样频率；步骤二、利用接收信号全数据获取信号子空间和噪声子空间；估计全数据相关矩阵其中，A是全数据信号导向矢量矩阵，Rs＝SSH/N为入射信号相关矩阵，σ2是高斯白噪声的功率，I是8M×8M的单位矩阵，根据子空间理论，对数据相关矩阵RZ进行特征分解获取信号子空间Us和噪声子空间UN，其中，EVD表示特征分解，λi是特征分解得到的第i个特征值，vi是特征值对应的第i个特征矢量，Us＝[v1，...，vK]为K个大特征值对应的特征矢量构成的信号子空间，UN＝[vK+1，...，v8M]为8M-K个小特征值对应的特征矢量构成的噪声子空间；步骤三、估计信号导向矢量矩阵和信号频率将8M×K的信号子空间Us分成上下两块4M×K的矩阵U1和U2，利用时间旋转不变关系结构，由U1和U2通过矩阵运算得到ΨT＝ΩT，其中对矩阵Ψ进行特征分解，特征值构成矩阵特征矢量构成矩阵其中是Ω的估计值，是T的估计值，从而得到信号导向矢量矩阵和信号频率的估计：其中，arg(·)表示取幅角，表示矩阵取的第k行第k列元素，Us＝AT，U1＝A1T，U2＝A2T，A就是步骤二中的全数据阵列导向矢量矩阵，A1是直接采样数据阵列导向矢量矩阵，A2是延时采样数据阵列导向矢量矩阵，T是K×K的非奇异矩阵，是矩阵U1的伪逆矩阵，步骤四、根据信号导向矢量的构成和阵列排布，获得第k个信号的x轴、y轴振速和声压对z轴振速的归一化矢量，并利用归一化矢量获得到达角和声源距离的粗略估计值；根据声矢量传感器的结构和阵列的排布形式，将信号导向矢量估计值的第k(1≤k≤K)列分成每个阵元对应的矩阵块，表示的第k列，表示第m个阵元的第k列，的x轴、y轴方向振速和声压三个分量都与z轴方向振速分量相比得到归一化矢量由M个阵元的归一化矢量平均得到第k个信号的归一化矢量根据这些比值关系得到信号到达角粗略估计值和声源距离粗略估计值第k个信号的归一化矢量为：从而得到到达角和距离的估计值：其中，为第k个信号与坐标原点阵元之间的距离，λk为第k个信号的波长，ρ0是环境流体密度，c是声波传播速度，向量Γk的第1、2、4个元素，exp(·)为求指数运算，tan(·)和arctan(·)分别表示求正切和反正切运算；步骤五、利用MUSIC算法在粗略值附近搜索信号到达角和距离的精确估计值；利用圆形阵列的结构形式，给出粗略估计值附近的小区域内的全数据阵列导向矢量利用MUSIC谱峰搜索方法在粗略值附近搜索得到信号的精确估计值；其中，是信号到达阵元m和参考阵元的相位差构成的空域导向矢量，为入射声源信号到达阵元m和参考阵元的相位差，Un是步骤二得到的噪声子空间，单位能量信号的x轴、y轴和z轴方向的振速分量和声压标量为：θ，φ，r是搜索变量，和分别是步骤四中的方位角、俯仰角和距离的粗略估计值，εθ、εφ和εr分别用来设置俯仰角、方位角和距离的搜索区间长度；前述步骤中的k＝1，...，K，m＝1，...，M，n＝1，...，M，j表示虚数单位。本专利技术采用的阵列是均匀圆形阵列，阵列的阵元为由声压传感器和x轴、y轴和z轴方向的振速传感器构成的声矢量传感器，并且所有的声压传感器相互平行，所有的x轴方向振速传感器相互平行，所有的y轴方向振速传感器相互平行，所有的z轴方向振速传感器相互平行。本专利技术给出了一种圆形声矢量传感器阵列近场源多参数ESPRIT估计算法，对于一般的标量传感器阵列如麦克风阵列无法利用ESPRIT算法估计近场声源信号的参数，因为近场的波面是球面波；阵元间的相位不仅与阵元间距和入射信号的方向有关而且与声源到阵元的距离有关，所以远场条件具有平移不变结构的均匀线阵、均匀L阵等，对于近场不具有平移不变本文档来自技高网...

【技术保护点】
圆形声矢量传感器阵列近场源多参数估计方法，其特征在于：所述声矢量传感器阵列由M个等间隔布置于半径为R的圆周上的阵元构成，以圆周的圆心为坐标原点且在坐标原点放置相同的声矢量传感器作为参考阵元，所述圆形阵列的相邻阵元间的间隔为λ

【技术特征摘要】
1.圆形声矢量传感器阵列近场源多参数估计方法，其特征在于：所述声矢量传感器阵列由M个等间隔布置于半径为R的圆周上的阵元构成，以圆周的圆心为坐标原点且在坐标原点放置相同的声矢量传感器作为参考阵元，所述圆形阵列的相邻阵元间的间隔为λmin/(8sin(π/M))，阵列的阵元是由声压传感器和x轴、y轴和z轴方向振速传感器构成的声矢量传感器，其中，λmin为入射信号的最小波长；近场源多参数估计方法的步骤如下：阵列接收K个不同频率、互不相关窄带、随机平稳近场源信号，步骤一、利用圆形阵列获取近场声波信号的接收数据；该圆形接收阵列接收信号的N次快拍数据构成直接采样数据Z1，接收信号延迟ΔT后的N次同步快拍数据构成延时采样数据Z2，由Z1和Z2这两组数据构成接收信号全数据其中fs为奈奎斯特采样频率；步骤二、利用接收信号全数据获取信号子空间和噪声子空间；估计全数据相关矩阵其中，A是全数据信号导向矢量矩阵，Rs＝SSH/N为入射信号相关矩阵，σ2是高斯白噪声的功率，I是8M×8M的单位矩阵，根据子空间理论，对数据相关矩阵RZ进行特征分解获取信号子空间Us和噪声子空间UN，其中，EVD表示特征分解，λi是特征分解得到的第i个特征值，vi是特征值对应的第i个特征矢量，Us＝[v1，…，vK]为K个大特征值对应的特征矢量构成的信号子空间，UN＝[vK+1，…，v8M]为8M-K个小特征值对应的特征矢量构成的噪声子空间；步骤三、估计信号导向矢量矩阵和信号频率将8M×K的信号子空间Us分成上下两块4M×K的矩阵U1和U2，利用时间旋转不变关系结构，由U1和U2通过矩阵运算得到ΨT＝ΩT，其中对矩阵Ψ进行特征分解，特征值构成矩阵特征矢量构成矩阵其中是Ω的估计值，是T的估计值，从而得到信号导向矢量矩阵和信号频率的估计：其中，arg(·)表示取幅角，表示矩阵取的第k行第k列元素，Us＝AT，U1＝A1T，U2＝A2T，A就是步骤二中的全数据阵列导向矢量矩阵，A1是直接采样数据阵...

【专利技术属性】
技术研发人员：王桂宝，
申请(专利权)人：陕西理工大学，
类型：发明
国别省市：陕西,61