CN102353960B - 前视避碰声纳浅海稳健高分辨方位估计方法 - Google Patents

Abstract

本发明提供的是一种前视避碰声纳浅海稳健高分辨方位估计方法。本发明将矢量最优化和二阶锥规划相结合，对与浅海多途结构相关的源矢量进行分解，并构造源矢量误差不确定集，通过对不确定集中的元素进行有效阵列响应约束，就可对目标进行准确的方位估计。本发明的方法充分考虑浅海多途影响及不确定环境因素，避免了高分辨方位估计方法在浅海环境下出现明显的性能下降及谱峰分裂现象，有效的克服了对水下环境参数的依赖性，对信道及环境等不确定性因素具有很强的宽容性，有效提高了高分辨算法的稳健性。

Description

前视避碰声纳浅海稳健高分辨方位估计方法

技术领域

本发明涉及的是一种方位估计方法，具体地说是一种前视避碰声纳浅海方位估计方法。

背景技术

前视避碰声纳是保障航海安全的有效工具之一，能够实时提供航行前方障碍物的空间位置信息：距离和方位角。在整个前视避碰声纳系统中，阵列信号处理算法是关键技术，算法的优劣直接决定了整个声纳系统的性能。现有的应用于前视避碰声纳系统中的阵列信号处理算法主要分为两大类：常规波束形成和高分辨空间谱估计技术。

常规波束形成是目标方位估计的经典方法，并且已经得到了广泛的应用，工程实用系统屡见不鲜。从理论上来讲，波束形成是时域经典傅立叶变换向空域的简单扩展，能够提供多种空间滤波形式，在噪声和干扰信号存在的情况下，对期望方向的信号进行准确接收和估计，因此波束形成器又称空间滤波器。对于常规波束形成来说，阵列的空间分辨能力取决于阵列孔径，受“瑞利限”的限制，即对位于一个波束宽度内的空间目标不可分辨。此外，由于算法本身的原因，常规波束形成具有较高的旁瓣，这大大增加了检测目标的虚警概率。

高分辨空间谱估计技术是在空域滤波和时域谱估计基础上发展起来的新技术，使得阵列的空间分辨能力突破了传统的“瑞利限”限制，形成了高分辨阵列处理新理论，其优越的参数估计性能、广泛的应用前景引起了许多专家学者的深入研究，取得了极为丰硕的成果。在实际工程应用中，大多数高分辨空间谱估计技术都面临一些限制。其中一个限制是有限采样效应，即要求对同一个信号的采样数要达到足够多的数量，保证从采样数据中计算得到的信号统计特性与实际的信号统计特性相近似。然而，在实际应用中，由于前视避碰声纳和目标之间存在相对运动，前后两帧回波数据是非平稳信号，故很难得到足够多的采样快拍数，这势必影响算法的估计性能。另一个限制是信源个数的限制，在实际应用中，信源数往往未知，这就需要先估计信源数再进行方位估计，但是当估计的信源数与实际不符时，空间谱曲线会受到严重的影响，例如估计信号方向产生偏离、出现虚假伪峰等。经过广大研究者的努力，这些限制在一定程度上已经得到了很好的解决，使高分辨算法能够在实际系统中应用。例如，Farsounder公司的FD-3系列前视避碰声纳就采用了高分辨ESPRIT技术，有效的提高了空间分辨能力及对小目标的检测能力。

虽然，常规波束形成方法和高分辨空间谱估计技术已经成功的应用于前视避碰声纳系统中。但是在浅海环境下，这些声纳系统都失去了导航作用，其根本原因是，在浅海多途条件下，常规波束形成方法和高分辨空间谱估计技术都会出现很大的方位估计偏差，甚至出现谱峰分裂现象，这限制了前视避碰声纳在浅海环境下的进一步应用。

为了对浅海目标进行准确的方位估计，结合声传播规律是必不可少的，因而出现了大量的结合实际水声信道特性进行方位估计的方法，虽然学者们已经做了大量的研究，但大多数浅海目标方位估计方法在实际应用中面临着一个共同的问题：稳健性问题，即要求精确获取海洋环境及信道的参数信息(例如，海底沉积层的声学特性，海底空间变化特性，海底反射系数，海水声速，海水深度等信息)，不精确的海洋环境及信道信息将使算法的性能严重退化，产生很大的估计偏差。然而，在实际的情况下，通常只能获得水声环境及信道参数的近似值，这必将严重影响算法的性能。

发明内容

本发明的目的在于提供一种对信道及环境等不确定性因素具有很强的宽容性，能有效提高的稳健性的前视避碰声纳浅海稳健高分辨方位估计方法。

本发明的目的是这样实现的：

第一步，利用垂直线阵发射宽指向性的声信号，采用水平均匀线阵接收目标回波信号，并对接收的回波信号进行模拟调理；

第二步，由基阵各基元采样信号构造采样快拍矩阵X(t)，该采样快拍矩阵X(t)的行数为阵元数，列数为采样快拍数：

其中，S_q(t)为源信号，A_q为镜像空间，W_q为加权系数，B_q为源矢量；

第三步，采样快拍矩阵X(t)与其复共轭转置X(t)^H相乘，得到对称结构的协方差矩阵：

第四步，对协方差矩阵R进行Cholesky分解，得到Cholesky分解因子U：

第五步，将源矢量B分解，得源矢量不确定集：

其中，e为导向矢量误差矢量；

第六步，对源矢量失配与有限采样效应进行联合约束：

第七步，求解最优加权系数，最终得到最优加权系数下的方位估计结果：

P＝w^HR_truew。

本发明的方法基于射线理论模型，充分考虑浅海多途影响及不确定环境因素，避免了高分辨方位估计方法在浅海环境下出现明显的性能下降及谱峰分裂现象，有效的克服了算法对水下环境参数(如：海水深度，海底反射系数等)的依赖性，对信道及环境等不确定性因素具有很强的宽容性，有效提高了高分辨算法的稳健性。该方法将矢量最优化(VectorOptimization)和二阶锥规划(Second Order Corn Programming：SOCP)相结合，对与浅海多途结构相关的源矢量进行分解，并构造源矢量误差不确定集，通过对不确定集中的元素进行有效阵列响应约束，就可对目标进行准确的方位估计。算法实际上是在无限多个非凸二次约束条件下同时优化两个二次函数的问题，将非凸优化问题转化成二阶锥规划问题，并通过优化工具Sedumi进行有效求解，获取最优化的加权系数，最终得到稳健的方位估计结果。

附图说明

图1浅海多途条件下的水平线列阵接收信号模型；

图2发明具体内容流程图；

图3信号数据段截取示意图；

图4(a)-图4(d)目标方位估计结果；其中，图4(a)CBF、图4(b)MBF、图4(c)MMVM、图4(d)VORMVM；

图5(a)-图5(d)不同入射方位角下的方位估计结果；其中，图5(a)CBF、图5(b)MBF、图5(c)MMVM、图5(d)VORMVM；

图6不同信噪比条件下的PSR对比图；

图7不同阵型扰动条件下的PSR对比图。

具体实施方式

下面结合附图举例对本发明内容进行说明。

结合图2，本发明的具体内容如下：

第一步，利用垂直线阵发射宽指向性的声信号，采用水平均匀线阵接收目标回波信号，并对接收的回波信号进行模拟调理，具体包括放大，滤波，增益控制等。为减小后续信号处理的运算负担、节省硬件资源，采用带通采样技术对经过模拟调理的信号进行采样存储。

第二步，由基阵各基元采样信号构造采样快拍矩阵X(t)，该采样快拍矩阵X(t)的行数为阵元数，列数为采样快拍数：

其中，S_q(t)为源信号，A_q为镜像空间，W_q为加权系数，B_q为源矢量。

第三步，采样快拍矩阵X与其复共轭转置X^H相乘，得到对称结构的协方差矩阵：

第四步，对协方差矩阵R进行Cholesky分解，得到Cholesky分解因子U：

第五步，考虑误差的影响，将源矢量B分解，求得源矢量不确定集：

其中，e为导向矢量误差矢量。

第六步，对源矢量失配与有限采样效应进行联合约束：

第七步，利用Sedumi软件求解最优加权系数，最终得到最优加权系数下的方位估计结果：

P＝w^HR_truew。

(1)模拟调理及带通采样

对接收回波信号的模拟调理主要包括放大、滤波和增益控制。为了实现对目标的有效探测和估计，接收分机需要具有较大的动态范围，这就需要较大的整机放大倍数(μ100dB)，而现有的集成放大电路芯片的放大倍数都有限，故采用多级放大级联的方式。为防止电路自激，前后两级的放大电路采用同相放大和反相放大相互交替的形式，而且都采用负反馈。

信号从发射到接收，经过水声信道，必然幅度减小，信噪比降低，为了提高信噪比、增加信号检测能力，采用滤波器对回波信号进行带通滤波。带通滤波器的性能直接影响整个系统的正常工作，是整个模拟调理电路的核心部分。模拟滤波电路的实现有多种形式，各有优缺点，这里采用美国MAXIM公司生产的通用型有源滤波器MAX275，与普通的有源滤波器相比，MAX275组成的滤波器具有外接元件少、结构简单、参数调整方便等优点，由于没有外接电容，而且是单片结构，因而高频场合时受分布电容的影响小，稳定性较好。同时，MAX275与开关电容滤波器相比，其噪声更低，动态特性更好，能广泛应用于各种精密测试设备、通信设备、医疗仪器和数据采集系统。

为抵消传播损失，系统采用了时间增益控制(TGC)，保障输入端最强信号与最弱信号在接收机输出端能达到相同幅度的输出，这样有利于后续信号的采集和处理。增益控制芯片采用AD7111，它有八位衰减码D0～D7，是整个模拟调理电路中不可缺少的部分。随时间自动给出增益码来控制AD7111进行信号衰减，增益码由大到小逐渐变化，也就是近距离衰减大些，远距离衰减小些，补偿由传播距离所带来的水声信号衰减。这种方式既精确，又灵活方便，只需修改程序即可适应不同的要求。

(2)互功率谱矩阵的构造

对同一时间窗内的各基阵信号进行Fourier变换，图3所示为信号数据段截取示意图，将时域信号转化成频域信号。根据Fourier系数构造矢量

进而可得频率f下的互功率谱矩阵将不同时间窗内得到的互功率谱矩阵进行时间平滑，可得到互功率谱矩阵

(3)基阵接收信号的矩阵表达形式的推导

在浅海环境下，由于波导效应的存在，实际的声传播规律应由多途模型描述，基阵接收信号的矩阵形式应由多途信号模型获得。首先，获取浅海声场的环境参数，包括：海水深度、声源深度、接收水平线阵深度，海底海面的反射系数等等。其次，采用虚源法对接收到的声场信号进行建模，第i个阵元接收的信号可表示为其中，α_pq和R_pq分别表示第q个目标的第p个虚源的反射系数和声程距离。

表示第q个目标的第p个虚源到第i个阵元的时延，S_q(t)为第q个声源的源信号，N_i(t)为第i个阵元的噪声。根据各个阵元接收的信号，最终建立水平接收阵的信号矩阵

其中，A_q的列张成了第q个源的镜像空间，W_q为第q个源的加权系数，B_q为第q个源的源矢量。

(4)将源矢量B分解施加稳健性约束条件，归纳得到矢量最优化形式

构造实际源矢量B的不确定集

并对对属于集合C(ε)的源矢量进行约束，即阵列响应的绝对值不小于1，|w^HB|μ1，BP C(ε)。

由于有效采样效应的影响，实际得到的基阵信号二阶统计仅为理论值的一个估计，小采样快拍数条件下，估计结果往往会出现较大偏差，从而使约束条件下的稳健性算法性能下降。据此，提出了基于矢量最优化的稳健方位估计方法，对源矢量失配与有限采样效应进行联合约束，目标函数为矢量||Uw||₂和||w||₂，约束函数为

和

(5)将矢量最优化问题转化为二阶锥优化问题，并利用Sedumi软件求解最优加权系数

引进非负标量t₁，t₂，并构造新的约束||Uw||₂}t₁，||w||₂}t₂。则目标函数变为标量

，约束函数在原来的基础上增加了两项||Uw||₂}t₁和||w||₂}t₂。利用Sedumi软件可以方便的进行求解。将最优权系数w_opt代入目标函数w^HR_truew，得最优权系数下的阵列输出功率。比较输出功率谱图，谱峰位置即为信号方位。

上面对发明内容各部分的具体实施方式进行了说明。稳健高分辨方位估计方法的优秀性能主要体现在空间谱结构、抗干扰性能等方面，下面对合理参数下的稳健高分辨方位估计结果进行仿真分析。

仿真条件如下：声源频率f＝200kHz，水平阵阵元个数24，阵元间距为半波长。水深15米，声源入水深度5m，基阵入水深度5米，声源距基阵的距离为20米。信号入射方位角为25^π。海水声速1500m/s，密度1.0g/cc，海底声速1700m/s，密度2.0g/cc。阵型扰动-5dB(阵型扰动定义为

)，采样快拍数1024，信噪比10dB。

图4所示分别为基于平面波模型的波束形成方法(Conventional Beamforming：CBF)，基于多途模型的波束形成方法(Multipath Beamforming：MBF)，基于多途模型的最小方差法(Multipath Minimum Variance Method：MMVM)以及本发明提出的VORMVM方法的方位估计结果，其中图中虚线箭头指示目标的真实方位。讨论不同入射方位角下的方位估计结果，保持基本仿真参数不变，信号入射方位角变化范围从0^π到40^π。仿真结果如下图5所示，其中横轴为空间扫描方位角，纵轴为入射方位角。设置信噪比变化范围0dB至10dB。阵型扰动变化范围-15dB至-5dB，讨论不同信噪比及阵型扰动条件下的谱峰与最大旁瓣比(Peak-to-Sidelobe-Ratio：PSR)。图6及图7所示分别为MMVM与VORMVM两种方法在不同信噪比及阵型扰动条件下的PSR对比结果。

将四种方法的谱峰位置和实际目标位置进行对比可以看出：由于浅海多途效应的影响，图4(a)中CBF的谱峰出现分裂现象，分裂谱峰均偏离真实的目标方位；图4(b)中MBF方法采用了多途模型，没有出现谱峰分裂，而且谱峰位置与目标真实位置相同，能够正确估计目标的方位；图4(c)中MMVM容易受到模型失配、阵型扰动及噪声干扰等因素的影响，尽管能够正确估计出目标方位，但旁瓣较高，高分辨性能严重退化。图4(d)为VORMVM方法的估计结果，该方法明显增强了MMVM方法的稳健性，不但能够准确的估计出目标的方位，而且具有更尖锐的谱峰及更低的旁瓣水平。

从图5(a)中可以看出，当入射方位角小于15^π时，CBF的估计结果与预设方位基本吻合，而当入射方位角大于15^π时，出现明显的谱峰分裂现象。同时，目标入射方位角越偏离基阵的法线方向，CBF的谱峰分裂现象越明显。在图5(b)中，随着入射方位角的变化，MBF方法始终能够准确估计出目标方位，且没有出现谱峰分裂，但随着入射方位角的增大，旁瓣有所升高。与图5(b)对比，图5(c)的旁瓣明显升高，主要是因为MMVM方法的稳健性较差，受模型失配、阵型扰动等因素的影响较大，性能退化严重。对比图5(c)、(d)可知，在不同的入射方位角下，VORMVM均具有更尖锐的谱峰及更低的旁瓣，能够清晰而准确的得到估计结果，说明VORMVM方法具有优良的稳健性。

从图6可以看出，随着信噪比的增加，MMVM与VORMVM的PSR都随之增大，但在相同信噪比条件下，VORMVM的PSR均高于MMVM的PSR，说明了VORMVM方法具有更强的背景噪声抑制能力。由图7可知，随着阵型扰动的增加，MMVM与VORMVM的PSR都随之减小，但在相同的阵型扰动条件下，VORMVM的PSR均高于MMVM的PSR，充分说明了VORMVM方法对阵型扰动具有更高的稳健性。

Claims (1)

1.一种前视避碰声纳浅海稳健高分辨方位估计方法，其特征是：

第一步，利用垂直线阵发射宽指向性的声信号，采用水平均匀线阵接收目标回波信号，并对接收的回波信号进行模拟调理；

第二步，由基阵各基元采样信号构造采样快拍矩阵X(t)，该采样快拍矩阵X(t)的行数为阵元数，列数为采样快拍数：

$X\left(t\right)=\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{B}_q{S}_q\left(t\right)=\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{A}_q{W}_q{S}_q\left(t\right)$

其中，S_q(t)为源信号，A_q为镜像空间，W_q为加权系数，B_q为源矢量，q为源的个数；

第三步，采样快拍矩阵X(t)与其复共轭转置X(t)^H相乘，得到对称结构的协方差矩阵：

R＝E[X(t)X(t)^H]；

第四步，对协方差矩阵R进行Cholesky分解，得到Cholesky分解因子U：

R＝U^HU；

第五步，将源矢量B分解，得源矢量不确定集：

$A\left(\mathrm{\ϵ}\right)=\left\{c\right|c=\tilde{a}+e,\left|\right|e\left|\right|\≤\mathrm{\ϵ}\}$

其中，e为导向矢量误差矢量；

第六步，对源矢量失配与有限采样效应进行联合约束：

$\left\{\begin{array}{ccc}\underset{w}{\min }& (w.r.t.R_{+}^2)& ({\left|\right|\mathrm{Uw}\left|\right|}_2,{\left|\right|w\left|\right|}_2)\\ s.t.& w^H\tilde{a}\≥\mathrm{\ϵ}\left|\right|w\left|\right|+1,& \mathrm{Im}\left\{w^H\tilde{a}\right\}=0\end{array}\right.$

第七步，求解最优加权系数，最终得到最优加权系数下的方位估计结果：

P=w^HR_truew。

Images