一种基于分布式多传感器阵列的弱声源定位方法技术

本发明专利技术公开了一种基于分布式多传感器阵列的弱声源定位方法，用于包括有多个节点的分布式多传感器阵列中，所述方法包含：根据所述分布式多传感器阵列的多个节点基阵接收的信号获取包含声源信息的互谱密度矩阵；建立声场模型，分别求解基阵方向向量和每一个离散噪声源的拷贝向量，并对所述方向向量和所述噪声源拷贝向量设置约束条件；根据离散噪声源位置信息设计离散噪声源干扰抑制的最优权向量，使最优权向量对观测方位的波束响应无失真，而对离散噪声源干扰方位的响应为零；使用该最优权向量构成离散噪声源干扰抑制分布式多传感器相干匹配处理器，对观测声源进行距离和深度估计，从而实现在离散噪声源干扰存在情况下的弱声源定位。

A localization method of weak sound source based on distributed multisensor array

【技术实现步骤摘要】
一种基于分布式多传感器阵列的弱声源定位方法
本专利技术涉及声纳数字信号处理领域，特别涉及一种基于分布式多传感器阵列的弱声源定位方法。
技术介绍
在水声阵列信号处理中，主要采用匹配场处理实现声源定位。匹配场处理技术是利用海洋环境参数和声传播信道特性，利用水下声场模型计算所得的声源到接收阵列的幅度和相位，与阵列实际接收数据做相关匹配，通过功率估计方法实现声源的距离、深度估计。由于海洋环境的复杂性，基于声传感器阵列的匹配场处理的水下声源定位技术，探测性能在声源附近区域有离散噪声源干扰存在时，将削弱或完全丢失对声源的定位能力，尤其是强干扰条件下的弱声源探测更是如此。分布式多阵列探测系统利用多个节点增加空间采样，能进一步改善声源位置估计的可信度。但如何采用分布式多阵列探测系统实现强干扰抑制及高精度的声源定位能力，是一个有待解决的技术问题。
技术实现思路
本专利技术的目的在于提供一种能在分布式多传感器探测系统上实现的离散干扰噪声源抑制的弱声源定位方法。为了实现上述目的，本专利技术提供了一种基于分布式多传感器阵列的弱声源定位方法，基于分布式多传感器阵列的多个节点间的相干处理，以实现对水下弱声源进行距离和深度的估计，所述方法包含：该方法包括：步骤1a、根据所述分布式多传感器阵列的多个节点基阵接收的信号获取包含声源信息的互谱密度矩阵，所述互谱密度矩阵包含单个节点获取的非相干互谱密度矩阵和任意两个节点间获取的相干互谱密度矩阵；步骤1b、根据节点基阵阵型和多个离散噪声源位置信息建立声场模型，分别求解基阵方向向量和每一个离散噪声源的拷贝向量，并对所述方向向量和所述拷贝向量设置约束条件；步骤2、根据步骤1b所设置约束条件构建最优化问题，设计离散噪声源干扰抑制的最优权向量,使最优权向量对观测方位的信号响应无失真，而对离散干扰噪声源方位的响应为零，采用Lagrange乘子法求解出离散干扰噪声源抑制的最优权向量；步骤3、使用步骤2中的所述最优权向量构成离散干扰噪声源抑制的分布式多传感器阵列相干匹配处理器，对观测信号进行定位，从而实现在离散干扰噪声源存在情况下的弱声源定位。上述技术方案中，所述步骤1a包括：步骤1-1、由所述节点的基阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到Xl,f，其中Xl,f＝[Xl,f(1),Xl,f(2),…,Xl,f(Ν)]T，N为所述节点基阵的阵元数；然后将Xl,f与Xl,fH相乘得到数据向量，其中的(·)H表示共轭转置；步骤1-2、将步骤1-1获得的数据向量取多个快拍数据平均，获得互谱密度矩阵K，其计算公式表示为：其中，L为所要平均的快拍的数目；所述互谱密度矩阵有两种形式：Kii和Kij，其中Kii为第i个节点的非相干互谱密度矩阵，Xl,f由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到，Xl,fH由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后共轭转置得到；Kij为第i个节点与第j个节点间的相干互谱密度矩阵，Xl,f由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到，Xl,fH与由第j个节点基阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后共轭转置得到；上述技术方案中，所述步骤1b包括：步骤1-3、根据水声环境参数信息和基阵的几何形状建立声场模型，然后计算基阵的拷贝向量其中，所述水声环境参数信息包括介质声速c、介质密度ρ、衰减系数a；所述基阵的拷贝向量包括观测区域内距离和深度离散化后多个离散点的拷贝向量，表示为N为基阵的阵元数，所述基阵的拷贝向量的计算公式表示为：其中，为第j个水听器的声压值，表示声源的位置参数；步骤1-4、根据步骤1-3获得的拷贝向量构建观测信号方向向量根据M-1个干扰噪声源的距离和深度信息由步骤1-3计算得到M-1个干扰噪声源噪声源的基阵的拷贝向量对观测信号方向向量进行d1约束，对M-1个干扰噪声源拷贝向量进行[d2,d3…dM]约束，所述约束条件表示为：其中，w为离散干扰噪声源抑制的最优权向量wMC-MFNS。上述技术方案中，在步骤1-3中，采用Kraken声场模型软件计算基阵的拷贝向量上述技术方案中，所述步骤2包括：步骤2-1、由步骤1-2获取的互谱密度矩阵K、根据步骤1-4所得到的约束条件，求模糊度函数P的最小值约束，所述最小值约束的约束条件表示为：步骤2-2、构造Lagrange函数，该函数的表达式为：其中，λm为Lagrange乘子；步骤2-3、由步骤1-3获取的拷贝向量作为观测信号方向向量由步骤1-3获取的M-1个干扰噪声源的基阵拷贝向量根据该观测信号方向向量以及干扰噪声源的基阵拷贝向量，对步骤2-2所构造的Lagrange函数求最小方差解，从而得到最优权向量wMC-MFNS，所述最优权向量wMC-MFNS表示为：wMC-MFNS＝K-1E[EHK-1E]-1dH(6)其中为M个约束拷贝向量组成拷贝矩阵，d＝[d1d2…dM]为约束矢量矩阵，设置观测信号响应约束为1，干扰噪声源响应约束为0，对于以方向向量代表的观测方位信号而言，其响应保持恒定，同时抑制以基阵的拷贝向量所代表的离散干扰源。上述技术方案中，所述步骤3进一步包括：步骤3-1、由步骤1-2获取的互谱密度矩阵K和步骤2-3计算所得的最优权向量wMC-MFNS，计算分布式多传感器阵列相干匹配场处理器的模糊度表面PMC-MFNS，表示为：其中Kii为第i个节点的互谱密度矩阵，Kij为第i个节点与第j个节点间的互谱密度矩阵。步骤3-2、将宽带声源的各个频点按照步骤3-1计算所得模糊度表面PMC-MFNS做累加后取平均，得到分布式相干处理模糊度表面，其极大值点为声源的估计位置，所述估计位置包括分布式多传感器阵列与声源间的相对距离，以及所要观测的声源相对海平面的深度。本专利技术的优点在于：本专利技术将基于复杂海洋环境的分布式相干匹配场处理技术和最优传感器阵列处理技术结合在一起，设计最优权向量，使其对观测方位的波束响应无失真，而对离散干扰噪声源方位的响应为零，从而达到消除离散干扰噪声源对观测信号检测和定位的影响。附图说明图1是分布式多传感器阵列相干处理的示意图；图2是分布式多传感器阵列相干处理的环境参数的示意图；图3是分布式多传感器阵列线性匹配场相干处理模糊面的示意图；图4是分布式多传感器阵列最小方差无畸变响应匹配场相干处理模糊面的示意图；图5是分布式多传感器阵列离散噪声源抑制相干处理模糊面的示意图。具体实施方式现结合附图对本专利技术作进一步的描述。本专利技术公开了一种基于分布式多传感器阵列的弱声源定位方法，所涉及的分布式多传感器阵列的节点数量、节点基阵阵型不限，节点基阵阵型本文档来自技高网...

【技术保护点】
1.一种基于分布式多传感器阵列的弱声源定位方法，其特征在于：基于分布式多传感器阵列的多个节点间的相干处理，以实现对水下弱声源进行距离和深度的估计，所述方法包含：/n步骤1a、根据所述分布式多传感器阵列的多个节点基阵接收的信号获取包含声源信息的互谱密度矩阵，所述互谱密度矩阵包含单个节点获取的非相干互谱密度矩阵和任意两个节点间获取的相干互谱密度矩阵；/n步骤1b、根据节点基阵阵型和多个离散噪声源位置信息建立声场模型，分别求解基阵方向向量和每一个离散噪声源的拷贝向量，并对所述方向向量和所述拷贝向量设置约束条件；/n步骤2、根据步骤1所设置约束条件构建最优化问题，设计离散噪声源干扰抑制的最优权向量,使最优权向量对观测方位的信号响应无失真，而对离散干扰噪声源方位的响应为零，采用Lagrange乘子法求解出离散干扰噪声源抑制的最优权向量；/n步骤3、使用步骤2中的所述最优权向量构成离散干扰噪声源抑制的分布式多传感器阵列相干匹配处理器，对观测信号进行定位。/n

【技术特征摘要】
1.一种基于分布式多传感器阵列的弱声源定位方法，其特征在于：基于分布式多传感器阵列的多个节点间的相干处理，以实现对水下弱声源进行距离和深度的估计，所述方法包含：
步骤1a、根据所述分布式多传感器阵列的多个节点基阵接收的信号获取包含声源信息的互谱密度矩阵，所述互谱密度矩阵包含单个节点获取的非相干互谱密度矩阵和任意两个节点间获取的相干互谱密度矩阵；
步骤1b、根据节点基阵阵型和多个离散噪声源位置信息建立声场模型，分别求解基阵方向向量和每一个离散噪声源的拷贝向量，并对所述方向向量和所述拷贝向量设置约束条件；
步骤2、根据步骤1所设置约束条件构建最优化问题，设计离散噪声源干扰抑制的最优权向量,使最优权向量对观测方位的信号响应无失真，而对离散干扰噪声源方位的响应为零，采用Lagrange乘子法求解出离散干扰噪声源抑制的最优权向量；
步骤3、使用步骤2中的所述最优权向量构成离散干扰噪声源抑制的分布式多传感器阵列相干匹配处理器，对观测信号进行定位。


2.根据权利要求1所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，所述步骤1a包括：
步骤1-1、由所述节点的基阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到Xl,f，其中Xl,f＝[Xl,f(1),Xl,f(2),…,Xl,f(Ν)]T，N为所述节点基阵的阵元数；然后将Xl,f与Xl,fH相乘得到数据向量，其中的(·)H表示共轭转置；
步骤1-2、将步骤1-1获得的所述数据向量取平均，获得互谱密度矩阵K，其计算公式表示为：



其中，L为所要平均的快拍的数目；
所述互谱密度矩阵有两种形式：Kii和Kij，其中Kii为第i个节点的非相干互谱密度矩阵，Xl,f由第i个节点基阵接收的时域信号中某个频点的第l次快拍经过FFT变换之后得到，Xl,fH由第i个节点基阵接收的时域信号中某个频点的第l次快拍经过FFT变换之后共轭转置得到；Kij为第i个节点与第j个节点间的相干互谱密度矩阵，Xl,f由第i个节点基阵接收的时域信号中某个频点的第l次快拍经过FFT变换之后得到，Xl,fH由第j个节点基阵接收的时域信号中某个频点的第l次快拍经过FFT变换之后共轭转置得到。


3.根据权利要求1所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，所述步骤1b包括：
步骤1-3、根据水声环境参数信息和基阵的几何形状建立声场模型，然后计算基阵的拷贝向量其中，
所述水声环境参数信息包括介质声速c、介质密度ρ、衰减系数a；
所述基阵的拷贝向量包括观测区域内距离和深度离散化后多个离散点的拷贝向量，表示为N为基阵的阵元数，所述基阵的拷贝向...

【专利技术属性】
技术研发人员：郑胜家，李铁军，舒剑，郑文杰，袁占生，
申请(专利权)人：集美大学，
类型：发明
国别省市：福建;35