【技术实现步骤摘要】
本专利技术属于阵列信号处理，尤其涉及一种基于子空间匹配度量的声源数估计方法及系统。
技术介绍
1、以冰下声源数估计为例，在冰层下，噪声具有明显脉冲特性和非高斯性。在极地冰下大量的脉冲噪声干扰往往导致无法准确估计冰下的声源数。冰下脉冲噪声具有很强的非高斯性，统计上表现出较厚的拖尾，且常包含很多的瞬变信号特性。基于信息论准则类的声源数估计方法(aic和mdl等)一般假设噪声服从高斯分布，为此在脉冲噪声下此类方法的声源数估计性能会降低，严重时甚至无法估计声源数。因此，需要研究适用于脉冲噪声环境的声源数估计方法。
2、在复杂多变的海洋环境中，获取确切的信号子空间维数(即声源数)是子空间类高分辨doa估计方法的前提。基于信息准则类的声源数估计方法作为声源数估计的代表性方法，通常将观测数据假设为高斯分布，根据观测数据联合概率分布的似然函数建立信源数估计的信息准则，有一定的声源估计性能。但是，基于aic声源数估计方法和基于mdl的声源数估计方法由于噪声一般服从高斯分布，故在脉冲噪声下很难准确估计出声源数，降低了其估计性能；子空间类方法(如基于信号子空间匹配的声源数估计方法)能够在脉冲噪声下准确估计声源数，但是受信噪比和脉冲噪声强弱影响较大，很难保持良好的声源数估计性能。为此，需要进一步研究脉冲噪声、小快拍和较低信噪比下声源数估计方法。
3、根据线性收缩估计理论，toeplitz矫正技术将样本协方差矩阵的对角线元素进行平均处理，使得矫正后的协方差矩阵具有toeplitz结构的特性，最小化基于采样数据和基于特征向量的投影矩
4、通过上述分析，现有技术存在的问题及缺陷为：
5、(1)基于信息论准则类的声源数估计方法假设噪声服从高斯分布，在脉冲噪声下的声源数估计性能会降低，严重时甚至无法估计声源数。
6、(2)基于aic声源数估计方法和基于mdl的声源数估计方法由于噪声服从高斯分布，故在脉冲噪声下很难准确估计出声源数，降低估计性能。
7、(3)子空间类方法(如基于信号子空间匹配的声源数估计方法)受信噪比和脉冲噪声强弱影响较大，很难保持良好的声源数估计性能。
技术实现思路
1、为克服相关技术中存在的问题，本专利技术公开实施例提供了一种基于子空间匹配度量的声源数估计方法及系统，所述技术方案如下：
2、本专利技术是这样实现的，基于子空间匹配度量的声源数估计方法，包括以下步骤：
3、s1，利用由传感器组成的水平阵列和垂直阵列接收声源信号，建立阵列接收的数据模型，获取样本协方差矩阵；
4、s2，对数据模型进行采样处理，获取采样数据模型的投影矩阵，基于采样数据的对角加载方法解决阵元个数大于快拍数的奇异性问题；
5、s3，采用线性收缩估计和toeplitz矫正变换的方式优化样本协方差矩阵，通过样本协方差矩阵的特征分解获取信号特征向量，并将信号特征向量代替信号导向矢量矩阵，组成与采样数据模型相匹配的投影矩阵；
6、s4，利用子空间匹配度量方式衡量采样数据模型和信号特征向量的投影矩阵之间的匹配度，通过递归处理获取小快拍和非高斯噪声背景下的声源数。
7、在步骤s1中，将由传感器组成的水平阵列和垂直阵列放置于的冰下、海水环境中，用于接收声源信号，并建立阵列接收的数据模型。
8、进一步，将m个传感器按照间距d均匀分布，组成水平阵列和垂直阵列，接收k个从不同方向的信号，阵列接收的数据建模为：
9、x(t)＝as(t)+n(t)
10、
11、a＝[a(θ1)…a(θk)…a(θk)]
12、s(t)＝[s1(t)…sk(t)…sk(t)]t
13、n＝[n(t)…nm(t)]t
14、式中，x(t)是阵列接收数据，a是k个入射信号的导向矢量矩阵，s(t)为入射信号分量，n(t)是某个阵元接收到的噪声；a(θk)是对应于θk方向的阵列导向矢量，e是指数函数，j为复数符号，d为阵元间距，sk(t)为第k个入射信号，nm(t)为第m个阵元接收的噪声，f是信号频率，θk是某个方向的角度，c是声速，n是阵列接收到的噪声矩阵，m是阵元个数，t表示矩阵转置符号；
15、当在处对数组进行l次采样，采样数据的矩阵x表示为：
16、x＝as+n
17、式中，x是m×l的矩阵，a是k导向矢量m×k矩阵，s是信号k×l的矩阵，n是噪声m×l的矩阵。
18、在步骤s2中，基于采样数据的对角加载方法解决阵元个数大于快拍数的奇异性问题，包括：求解样本协方差矩阵特征分解后的平均值后，计算样本特征值的标准偏差，通过样本特征值的标准偏差和采样数据模型估计对角加载系数，将对角加载系数带入采样数据模型的投影矩阵中。
19、进一步，将对角加载系数带入采样数据模型的投影矩阵中，给出基于数据的对角加载方法，使px适合快拍数不足的情况，则：
20、px＝x(xhx+δim)-1xh
21、式中，px是基于接收数据的投影矩阵，x阵列的接收数据，im是m×m的单位矩阵，δ是对角加载量，h是共轭转置符号，则：
22、
23、式中，tr(·)表示迹运算符，m为阵元个数，σλ表示表示样本协方差矩阵特征值的样本标准偏差，则：
24、
25、式中，||·||f表示forebenius范数，λi表示m个特征值的某一个，是m个特征值的平均值，表示样本协方差矩阵，选定的δ是无参数的。
26、在步骤s3中，采用线性收缩估计和toeplitz矫正变换的方式优化样本协方差矩阵，包括：利用toeplitz矫正技术将样本协方差矩阵的对角线元素进行平均处理，使得矫正后的协方差矩阵具有toeplitz结构；采用线性收缩估计将样本协方差矩阵和经过toeplitz矫正后的协方差矩阵进行线性加权，通过调整收缩系数，以最小化收缩后的协方差矩阵与原始协方差矩阵之间的frobenius范数的平方差，以此确定最优的收缩系数，获取优化后的样本协方差矩阵。
27、进一步，采用线性收缩估计将样本协方差矩阵和经过toeplitz矫正后的协方差矩阵进行线性加权，包括：利用线性收缩估计和toeplitz矫正技术进行重构样本协方差矩阵，用于代替信号导向矢量矩阵，组成信号特征向量的投影矩阵；
28、协方差矩阵线性收缩估计模型如下：
29、
30、
31、式中，是待求解样本协方差矩阵，rx是理想协方差矩阵，fx线性收缩目标矩阵，是样本协方差矩阵，fx是收缩目标矩阵，ρ是待求解的收缩系数，xm是阵列接收数据，m是阵元个数；
32、在均匀线阵情况下，xm的总体协方差矩阵rx＝a(θ)psah(θ)+σ2im为复toeplitz矩阵，将收缩目标fx设置为toeplitz矫正后本文档来自技高网...
【技术保护点】
1.一种基于子空间匹配度量的声源数估计方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤S1中，将由传感器组成的水平阵列和垂直阵列放置于的冰下、海水环境中，用于接收声源信号，并建立阵列接收的数据模型。
3.根据权利要求2所述的基于子空间匹配度量的声源数估计方法，其特征在于，将M个传感器按照间距d均匀分布，组成水平阵列和垂直阵列，接收K个从不同方向的信号，阵列接收的数据建模为：
4.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤S2中，基于采样数据的对角加载方法解决阵元个数大于快拍数的奇异性问题，包括：求解样本协方差矩阵特征分解后的平均值后，计算样本特征值的标准偏差，通过样本特征值的标准偏差和采样数据模型估计对角加载系数，将对角加载系数带入采样数据模型的投影矩阵中。
5.根据权利要求4所述的一种基于子空间匹配度量的声源数估计方法及系统，其特征在于，将对角加载系数带入采样数据模型的投影矩阵中，给出基于数据的对角加载方法，使PX适合快拍数不足的
6.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤S3中，采用线性收缩估计和Toeplitz矫正变换的方式优化样本协方差矩阵，包括：利用Toeplitz矫正技术将样本协方差矩阵的对角线元素进行平均处理，使得矫正后的协方差矩阵具有Toeplitz结构；采用线性收缩估计将样本协方差矩阵和经过Toeplitz矫正后的协方差矩阵进行线性加权，通过调整收缩系数，以最小化收缩后的协方差矩阵与原始协方差矩阵之间的Frobenius范数的平方差，以此确定最优的收缩系数，获取优化后的样本协方差矩阵。
7.根据权利要求6所述的基于子空间匹配度量的声源数估计方法，其特征在于，采用线性收缩估计将样本协方差矩阵和经过Toeplitz矫正后的协方差矩阵进行线性加权，包括：利用线性收缩估计和Toeplitz矫正技术进行重构样本协方差矩阵，用于代替信号导向矢量矩阵，组成信号特征向量的投影矩阵；
8.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤S4中，利用子空间匹配度量方式衡量采样数据模型和信号特征向量的投影矩阵之间的匹配度，包括：在声源数未知的情况下，利用Frobenius范数作为子空间匹配度量的度量方式衡量采样数据模型和信号特征向量的投影矩阵之间的匹配度，实现小快拍和非高斯噪声背景下对声源数的估计。
9.根据权利要求8所述的基于子空间匹配度量的声源数估计方法，其特征在于，基于数据和特征向量之间的匹配关系，使用空间匹配度量衡量与基于采用数据的Px之间的匹配度，则：
10.一种基于子空间匹配度量的声源数估计系统，其特征在于，该系统用于对权利要求1-9任意一项所述的基于子空间匹配度量的声源数估计方法进行调控，该系统包括：
...【技术特征摘要】
1.一种基于子空间匹配度量的声源数估计方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤s1中，将由传感器组成的水平阵列和垂直阵列放置于的冰下、海水环境中，用于接收声源信号，并建立阵列接收的数据模型。
3.根据权利要求2所述的基于子空间匹配度量的声源数估计方法，其特征在于，将m个传感器按照间距d均匀分布，组成水平阵列和垂直阵列，接收k个从不同方向的信号，阵列接收的数据建模为：
4.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤s2中，基于采样数据的对角加载方法解决阵元个数大于快拍数的奇异性问题，包括：求解样本协方差矩阵特征分解后的平均值后，计算样本特征值的标准偏差，通过样本特征值的标准偏差和采样数据模型估计对角加载系数，将对角加载系数带入采样数据模型的投影矩阵中。
5.根据权利要求4所述的一种基于子空间匹配度量的声源数估计方法及系统，其特征在于，将对角加载系数带入采样数据模型的投影矩阵中，给出基于数据的对角加载方法，使px适合快拍数不足的情况，则：
6.根据权利要求1所述的基于子空间匹配度量的声源数估计方法，其特征在于，在步骤s3中，采用线性收缩估计和toeplitz矫正变换的方式优化样本协方差矩阵，包括：利用toeplitz矫正技术将样本协方差矩阵的对角线元素进行平均处理，使得矫正后的协方差...
【专利技术属性】
技术研发人员：曹然，生雪莉，李德文，张晓，李理，周璇，尹家瑞，
申请(专利权)人：青岛哈尔滨工程大学创新发展中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。