一种基于半圆柱体积阵的海底反射声线入射角度估计方法技术

本发明专利技术提供了一种基于半圆柱体积阵的海底反射声线入射角度估计方法，将半圆柱体积阵沿着轴线方向分割为若干个相同的平面阵，利用平面阵上对声线方位角进行估计，根据所估计的方位角设计波束形成器，完成波束形成，将各个平面阵的波束输出等效为一个单维度阵列的接收信号，并利用该单维度阵列对声线俯仰角进行估计，简化了计算复杂度，实现了体积阵对海底反射声线方位角和俯仰角高效快捷的估计。同时，采用SAMV算法实现了对相干反射声线俯仰角的高分辨性。

A Method for Estimating the Incident Angle of Seabed Reflected Sound Rays Based on Semi-cylindrical Volume Array

【技术实现步骤摘要】
一种基于半圆柱体积阵的海底反射声线入射角度估计方法
本专利技术涉及信号处理领域，尤其是一种海底反射声线的估计方法。
技术介绍
海底反射是一种典型的声波传播模式，充分利用海底反射声线，可有效提升水下的探测能力。通过海底反射到达接收端的声线众多，其中有四种声线传播损失较小、到达接收系统的能量较高，因此常被用来进行目标检测，它们分别为1次海底反射声线；1次海底反射加1次海面反射声线；1次海面反射加1次海底反射声线；1次海面反射、1次海底反射再经过1次海面反射声线。通过对这四种声线进行目标方位(DirectionofArrival,DOA)估计，可为后续的定位、目标检测等处理提供有效的角度信息。常规波束形成(Conventionalbeamforming,CBF)法作为传统的DOA估计算法，原理简单、易于实现，并且对环境变化较为稳健。但该算法受到了“瑞利准则”的限制，分辨性能不高。考虑到四种海底反射声线的角度相差较小，采用CBF算法对其进行DOA估计很难将四种声线进行分离。传统的高分辨算法如最小方差无失真响应(Minimumvariancedistortionlessresponse,MVDR)和多重信号分类(Multiplesignalclassification,MUSIC)算法可突破“瑞利准则”的限制，但无法处理相干信号。由于海底反射声线的相干性较强，因此无法利用传统的高分辨算法进行海底反射声线的DOA估计。基于稀疏信号处理的DOA估计是近十年发展起来的DOA估计算法。与传统的方位估计算法相比，稀疏信号处理可用于更小的快拍数和更低的信噪比情况下，并且可以处理相干信号的DOA估计问题，性能远远优于传统算法。稀疏算法主要分为正则参数类算法和非正则参数类算法。其中正则参数类算法通常使用正则参数将稀疏项和数据拟合误差相结合，构成凸优化问题。正则参数严重影响算法的性能，而且该参数通常较难选取。稀疏近似最小方差(Sparseasymptoticminimumvariance,SAMV)算法(H.Abeida,Q.Zhang,J.Li,etal.Iterativesparseasymptoticminimumvariancebasedapproachesforarrayprocessing[J].TransactionsonSignalProcessing,2013,61(4):933-944)是一种常见的非正则参数类DOA估计算法，该算法利用近似最小方差准则推算出信号和噪声的迭代公式，通过迭代的方式重构协方差矩阵。整个求解过程仅需要提供迭代停止的门限，无需任何正则参数，因此该算法比正则参数类算法更具实用性。考虑到接收阵列通常为半圆柱体积阵列，阵元较多，采用SAMV算法同时对反射声线的方位角和俯仰角进行估计计算量较大，计算速度较慢。因此，需选择合适的方式来估计声线到达的方位角和俯仰角，以提高计算效率。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种基于半圆柱体积阵的海底反射声线入射角度估计方法。为了简化算法计算复杂度，本专利技术将半圆柱体积阵沿着轴线方向分割为若干个相同的半圆环平面阵，在任意一个平面阵上，采用SAMV算法对声线的方位角进行估计；根据所估计的方位角设计波束形成器，分别对每个平面阵进行波束形成，其波束输出可等效为垂直线列阵的接收信号；在等效垂直线列阵上，采用SAMV算法进行声线俯仰角估计，从而完成对四条海底反射声线方位角和俯仰角的高效估计。本专利技术解决其技术问题所采用的技术方案是包括以下步骤：步骤1：反射声线方位角估计将半圆柱阵沿着轴线方向分割成L个平面阵，L个平面阵为相同的半圆环阵，阵元个数为M，对于任意一个平面阵，以圆心为原点，建立二维坐标系，该阵列上第m号阵元的坐标记为(xm,ym)，其中，m＝1,...M，将平面阵所在平面均匀划分为Q个离散的网格点，各网格点所代表的方位角组成的向量记为Θ＝[θ1,θ2,…,θQ]，假设信号分布在所划分的网格上，则阵列接收的信号表示为：y(t)＝A(Θ)s(t)+n(t),t＝1,2,…,T(1)其中y(t)为阵列接收信号，s(t)和n(t)分别是信号与噪声数据向量，快拍数为T，A(Θ)为阵列流形矩阵，表示为A(Θ)＝[a(θ1),a(θ2),…a(θq),…,a(θQ)]，其列表示为k为波数，上标“T”为转置运算，θq表示第q个网格点所代表的方位角；假设噪声数据是独立同分布的高斯白噪声，对应的协方差矩阵为E[n(t)nH(t)]＝σ2I，其中E(·)为数学期望算子，上标“H”为共轭转置运算，σ2为噪声功率，I为单位矩阵，同时认为信号和噪声不相关，则阵列输出协方差矩阵R表示为：式中，P＝diag(p1,p2,…,pq,…pQ)，pq为信号功率，q＝1,...,Q，diag(·)表示对角矩阵，阵列输出协方差矩阵R通过采样协方差矩阵估计得到，其中T为总快拍数；对公式(2)进行向量化运算得到：式中，vec(·)表示矩阵向量化算子，表示Kronecker乘积，上标“*”为共轭运算，矩阵为向量为根据SAMV算法，采用迭代的方式计算出信号功率和噪声功率，信号功率和噪声功率的迭代公式如下：其中和分别为第(i)次迭代的第q个信号功率和噪声功率，aq＝a(θq)表示第q个网格点对应的方位角的阵列流形向量，Tr(·)为矩阵求迹算子，迭代初始值由下式确定：其中||·||表示向量2范数，当相邻两次迭代满足下式：其中η1为所选择的迭代终止门限，当满足公式(6)的迭代条件，则迭代终止，所估计的功率谱中峰值对应的方位即为反射声线的方位角；步骤2：波束形成根据步骤1所估计的声线方位角采用CBF算法进行滤波，计算各个平面阵在该方位角上的波束输出；CBF算法所对应的加权向量为：第l个平面阵对应的波束输出为：为第l个平面阵在圆心处等效阵元的接收信号；步骤3：反射声线俯仰角估计根据步骤2所述，将每层平面阵等效为圆心处的阵元，则该体积阵等效为L元垂直线列阵，阵元间距为d，将距离水面最近的声源作为参考点，则该等效垂直直线阵所对应的阵列流形向量为将空间沿垂直于等效线列阵的方向均匀划分为U个网格，各网格点所代表的角度组成的向量记为基于该网格，垂直阵接收的信号模型表示为：其中和分别是信号与噪声数据向量，为阵列流形矩阵，表示为采用SAMV算法对俯仰角进行估计，此时信号功率和噪声功率的迭代公式为：其中，和分别为第(i)次迭代的第u个信号功率和噪声功率，表示第u个网格点对应的方位角的阵列流形向量，表示第u个网格点对应的方位角，为采样协方差矩阵；迭代初始值由计算得到；当相邻两次迭代满足则迭代终止，其中η2为所选择的迭代终止门限，所估计的功率谱中峰值对应的方位即为反射声线的俯仰角。本专利技术的有益效果在于由于将半圆柱体积阵沿着轴线方向分割为若干个相同的平面阵，利用平面阵上对声线方位角进行估计，根据所估计的方位角设计波束形成器，完成波束形成，将各个平面阵的波束输出等效为一个单维度阵列的接收信号，并利用该单维度阵列对声线俯仰角进行估计，简化了计算复杂度，实现了体积阵对海底反射声线方位角和俯仰角高效快捷的估计。同时，采用SAMV算法实现了对相干反射声线俯仰角的高分辨性。附图说明图1是本专利技术海底反射声线方位角和俯仰角估计的总体流程本文档来自技高网...

【技术保护点】
1.一种基于半圆柱体积阵的海底反射声线入射角度估计方法，其特征在于包括下述步骤：步骤1：反射声线方位角估计将半圆柱阵沿着轴线方向分割成L个平面阵，L个平面阵为相同的半圆环阵，阵元个数为M，对于任意一个平面阵，以圆心为原点，建立二维坐标系，该阵列上第m号阵元的坐标记为(xm,ym)，其中，m＝1,...M，将平面阵所在平面均匀划分为Q个离散的网格点，各网格点所代表的方位角组成的向量记为Θ＝[θ1,θ2,…,θQ]，假设信号分布在所划分的网格上，则阵列接收的信号表示为：y(t)＝A(Θ)s(t)+n(t),t＝1,2,…,T                   (1)其中y(t)为阵列接收信号，s(t)和n(t)分别是信号与噪声数据向量，快拍数为T，A(Θ)为阵列流形矩阵，表示为A(Θ)＝[a(θ1),a(θ2),…a(θq),…,a(θQ)]，其列表示为

【技术特征摘要】
1.一种基于半圆柱体积阵的海底反射声线入射角度估计方法，其特征在于包括下述步骤：步骤1：反射声线方位角估计将半圆柱阵沿着轴线方向分割成L个平面阵，L个平面阵为相同的半圆环阵，阵元个数为M，对于任意一个平面阵，以圆心为原点，建立二维坐标系，该阵列上第m号阵元的坐标记为(xm,ym)，其中，m＝1,...M，将平面阵所在平面均匀划分为Q个离散的网格点，各网格点所代表的方位角组成的向量记为Θ＝[θ1,θ2,…,θQ]，假设信号分布在所划分的网格上，则阵列接收的信号表示为：y(t)＝A(Θ)s(t)+n(t),t＝1,2,…,T(1)其中y(t)为阵列接收信号，s(t)和n(t)分别是信号与噪声数据向量，快拍数为T，A(Θ)为阵列流形矩阵，表示为A(Θ)＝[a(θ1),a(θ2),…a(θq),…,a(θQ)]，其列表示为k为波数，上标“T”为转置运算，θq表示第q个网格点所代表的方位角；假设噪声数据是独立同分布的高斯白噪声，对应的协方差矩阵为E[n(t)nH(t)]＝σ2I，其中E(·)为数学期望算子，上标“H”为共轭转置运算，σ2为噪声功率，I为单位矩阵，同时认为信号和噪声不相关，则阵列输出协方差矩阵R表示为：式中，P＝diag(p1,p2,…,pq,…pQ)，pq为信号功率，q＝1,...,Q，diag(·)表示对角矩阵，阵列输出协方差矩阵R通过采样协方差矩阵估计得到，其中T为总快拍数；对公式(2)进行向量化运算得到：式中，vec(·)表示矩阵向量化算子，表示Kronecker乘积，上标“*”为共轭运算，矩阵为向量为根据SAMV算...

【专利技术属性】
技术研发人员：杨益新，李鋆，张亚豪，汪勇，杨龙，闫孝伟，何元安，
申请(专利权)人：西北工业大学，中国船舶工业系统工程研究院，
类型：发明
国别省市：陕西,61