CN105158751A - 一种声矢量阵快速方位估计方法 - Google Patents
一种声矢量阵快速方位估计方法 Download PDFInfo
- Publication number
- CN105158751A CN105158751A CN201510340225.6A CN201510340225A CN105158751A CN 105158751 A CN105158751 A CN 105158751A CN 201510340225 A CN201510340225 A CN 201510340225A CN 105158751 A CN105158751 A CN 105158751A
- Authority
- CN
- China
- Prior art keywords
- array
- acoustic vector
- algorithm
- vector
- estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52004—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种声矢量阵快速方位估计方法,基于多级维纳滤波器的声矢量阵快速方位估计;该算法选取声矢量阵参考阵元声压通道的输出作为期望信号,通过MSWF的递推运算得到信号子空间;无需计算阵列协方差矩阵及其特征值分解运算,在高信噪比条件下,该算法具有良好的DOA估计性能;本发明的优点是将多级维纳滤波器引入到声矢量阵方位估计理论中,无需估计协方差矩阵和进行特征值分解,同时利用了声矢量阵的测向优势,在保持较小计算量的同时,拥有较高的方位估计和分辨性能。
Description
针对声矢量阵高分辨方位估计算法运算量大的问题,基于多级维纳滤波器(Multi-StageWienerFilter,MSWF),提出一种声矢量阵快速方位估计算法,即V-MSWF算法,该算法选取声矢量阵参考阵元声压通道的输出作为期望信号,通过多级维纳滤波器的递推运算得到信号子空间,无需计算阵列协方差矩阵及其特征值分解运算,在高信噪比条件下,该算法具有良好的方位估计性能。
技术领域
本发明涉及阵列信号处理领域,更确切的说,是一种声矢量阵快速方位估计方法。该方法可用于声矢量阵方位估计领域。
背景技术
与声压阵相比,声矢量阵具有许多明显的优势,得到了众多国内外学者广泛的关注和浓厚的研究兴趣。与声矢量阵CBF和MVDR算法相比,声矢量阵MUSIC和ESPRIT等子空间类算法具有更好的DOA估计性能,但这类方法都需要阵列协方差矩阵的估计及特征值分解运算,在实际的工程应用中,为了获得足够高的DOA估计精度,人们往往需要用一个大阵列来接受目标信号,这种情况下,常规子空间方法的运算量是巨大的,难以满足实际工程中实时处理的要求。
在众多的快速子空间估计算法中,MSWF算法脱颖而出,与常规的子空间方法相比,该算法无需计算协方差矩阵和特征值分解运算,大大地减小了运算量,同时具有较高的DOA估计精度。基于MSWF的多级分解思想,众多学者提出了一系列有效地DOA估计算法。文献《Numericallystablemethodofsignalsubspaceestimationbasedonmultistagewienerfilter》提出了非圆信号多级维纳滤波DOA估计求根算法,该方法大大地减小了计算量,增加了算法的实时性。文献《非圆信号多级维纳滤波DOA估计求根算法》从理论上分析了MSWF求解信号子空间的性能,并提出了一种新的HMSWF递推方法。文献《Low-complexitymethodforDOAestimationbasedonESPRIT》将ESPRIT算法和MSWF结合起来,提出了一种低复杂度的DOA估计算法。文献《MMSE-BasedMDLMethodforRobustEstimationofNumberofSourceswithouteigendecomposition》将MSWF运用到信源数目的估计中,降低了算法的计算量,且获得了良好的性能。以上研究均表明MSWF算法在阵列信号处理中具有良好的性能和运算量小的优势。
发明内容
本发明的目的在于解决声矢量阵方位估计运算量大的问题,提供一种声矢量阵快速方位估计方法,可以实现未知目标的方位角的估计。
本发明的具体实施步骤如下:
(1)放置一声矢量均匀线阵于各向同性的均匀流体中,阵元间距为半波长,阵列输出可表示为:
X(t)=A(θ)S(t)+N(t)
式中,X(t)=[x1(t),x2(t),…,x3M(t)]T为3M×1维观测的数据向量,S(t)=[s1(t),s2(t),…,sK(t)]T为K×1维零均值复高斯信号向量,为3M×1维零均值高斯白噪声向量,nvm(t)=[npm,nvxm,nvym]T,A=[av(θ1),av(θ2),…,av(θ3)]为理想的阵列流形导向矢量,其中,表示Kron积,a(θi)=[1,exp(-jωi),…,exp(-j(M-1)ωi)]T,ωi=2πdsin(θi)/λ,uk=[1cosθksinθk]T为第k个声源的单矢量水听器的单位响应矢量;
(2)取 y0(t)=X(t),
式中,
令i=1,2,…,K;
yi(t)=yi-1(t)-hidi(k);
上式可得到的各级滤波器系数Θ=[h1,h2,…,hK]张成信号子空间;
即:Us=Span{h1,h2,…,hK};
故可得该方法的空间谱估计为:
本发明的优点是将多级维纳滤波器引入到声矢量阵方位估计理论中,无需估计协方差矩阵和进行特征值分解,同时利用了声矢量阵的测向优势,在保持较小计算量的同时,拥有较高的方位估计和分辨性能。
附图说明
图1是本发明的阵列接收示意图;
图2是本发明的双目标空间谱估计;
图3本发明的方位估计的均方根误差随信噪比变化的曲线;
图4本发明的方位估计的均方根误差随快拍数变化的曲线;
图5是本发明的双目标分辨的成功概率随信噪比变化的曲线;
具体实施方式
参照附图1,它是本发明的实现流程图,图中给出了本发明的具体实施步骤:
(1)放置一声矢量均匀线阵于各向同性的均匀流体中,阵元间距为半波长,阵列输出可表示为:
X(t)=A(θ)S(t)+N(t);
式中,X(t)=[x1(t),x2(t),…,x3M(t)]T为3M×1维观测的数据向量,S(t)=[s1(t),s2(t),…,sK(t)]T为K×1维零均值复高斯信号向量,为3M×1维零均值高斯白噪声向量,nvm(t)=[npm,nvxm,nvym]T,A=[av(θ1),av(θ2),…,av(θ3)]为理想的阵列流形导向矢量,其中,表示Kron积,a(θi)=[1,exp(-jωi),…,exp(-j(M-1)ωi)]T,ωi=2πdsin(θi)/λ,uk=[1cosθksinθk]T为第k个声源的单矢量水听器的单位响应矢量;
(2)取 y0(t)=X(t),
式中,
令i=1,2,…,K;
yi(t)=yi-1(t)-hidi(k);
上式可得到的各级滤波器系数Θ=[h1,h2,…,hK]张成信号子空间;
即:Us=Span{h1,h2,…,hK};
故可得该方法的空间谱估计为:
本发明的效果可以通过以下仿真结果进一步说明。
仿真条件描述:假设6元声矢量均匀线阵放置在各向同性且均匀分布的流体中,阵元间距为半波长,声源是中心频率为2kHz,带宽为40Hz的窄带信号,系统采样频率为10kHz;
图2表示双目标的空间谱估计,其中,双目标的真实方位分别为0°和10°,在图2(a)中,SNR=10dB,如图中所示,V-CBF算法不能分辨出双目标,而V-MVDR、MSWF以及V-MSWF算法都能够准确地分辨出双目标,MSWF和V-MSWF算法仍然具有几乎相同的空间谱曲线,与V-MVDR相比,它们的谱峰更尖锐,但逊于V-MUSIC算法;在图2(b)中,SNR=20dB,V-CBF算法仍无法分辨出双目标,而其它算法空间谱的谱峰变得更加尖锐,MSWF和V-MSWF算法与V-MUSIC算法的性能接近。
图3表示目标信源DOA估计的均方根误差随信噪比的变化曲线,在图3(a)中,信源1方位为0°,从图中可以看出,当SNR<6dB时,V-MSWF算法的DOA估计精度优于MSWF,略逊于V-MVDR算法,V-MUSIC算法具有最好的DOA估计性能;当SNR>6dB时,V-MSWF算法的DOA估计精度随信噪比的增加有显著的提高,优于MSWF和V-MVDR算法,当SNR>12dB时,其DOA估计精度与V-MUSIC算法基本相同。在图3(b)中,信源2方位为10°,图中呈现的结果与图3(a)的情况相似。上述仿真结果表明,在高信噪比条件下,V-MSWF算法具有良好的DOA估计性能,其DOA估计精度与V-MUSIC算法基本相同。
图4表示几种算法方位估计的均方根误差随快拍数的变化曲线,快拍数从20,间隔20,变化到220,每一信噪比数据进行200次蒙特卡洛仿真实验,SNR=10dB。在图4(a)中,信源1方位为0°,V-MSWF和V-MUSIC算法拥有几乎相同的DOA估计精度且都优于V-MVDR和MSWF算法。图4(b)中,信源2方位为10°,图中结果与图4(a)中情况基本相同。
图5表示双目标分辨的成功概率随信噪比变化的曲线,双目标方位分别为0°和3°,从图中可以看出四种算法分辨性能的优劣大概依次为:V-MUSIC>V-MSWF>MSWF>V-MVDR。其中,V-MUSIC、V-MSWF和MSWF算法100%分辨概率所需的门限几乎都是24dB,而V-MVDR算法所需的信噪比门限为26dB。
由仿真结果可以看出,本方法可以有效的使用声矢量阵实现未知目标的方位估计。
Claims (1)
1.一种声矢量阵快速方位估计方法,其特征是:
(1)基于多级维纳滤波器的声矢量阵快速方位估计;
(2)该算法选取声矢量阵参考阵元声压通道的输出作为期望信号,通过MSWF的递推运算得到信号子空间;
(3)无需计算阵列协方差矩阵及其特征值分解运算,在高信噪比条件下,该算法具有良好的DOA估计性能;
在二维平面内,假设M元声矢量均匀线放置于各向同性的均匀流体中,阵元间距为d,K个波长为λ的远场窄带声源以阵列轴线的法线为参考的θk(k=1,2,...,K)方向入射到该声矢量阵,声矢量阵t时刻的阵列输出可表示为
X(t)=A(θ)S(t)+N(t)
(1)
式中,X(t)=[x1(t),x2(t),…,x3M(t)]T为3M×1维观测的数据向量,S(t)=[s1(t),s2(t),…,sK(t)]T为K×1维零均值复高斯信号向量,为3M×1维零均值高斯白噪声向量,nvm(t)=[npm,nvxm,nvym]T,A=[av(θ1),av(θ2),…,av(θ3)]为理想的阵列流形导向矢量,其中, 表示Kron积,a(θi)=[1,exp(-jωi),…,exp(-j(M-1)ωi)]T,ωi=2πdsin(θi)/λ,uk=[1cosθksinθk]T为第k个声源的单矢量水听器的单位响应矢量;
(4)取y0(t)=X(t)
其中,
(5)令i=1,2,…,K;
yi(t)=yi-1(t)-hidi(k).
(6)上式得到的各级滤波器系数Θ=[h1,h2,…,hK]张成信号子空间,即:
Us=Span{h1,h2,…,hK}
(7)本方法的空间谱估计可表示为
通过上式可得到远场目标的方位角θ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510340225.6A CN105158751A (zh) | 2015-08-29 | 2015-08-29 | 一种声矢量阵快速方位估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510340225.6A CN105158751A (zh) | 2015-08-29 | 2015-08-29 | 一种声矢量阵快速方位估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105158751A true CN105158751A (zh) | 2015-12-16 |
Family
ID=54799668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510340225.6A Pending CN105158751A (zh) | 2015-08-29 | 2015-08-29 | 一种声矢量阵快速方位估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105158751A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676168A (zh) * | 2015-12-02 | 2016-06-15 | 江苏科技大学 | 一种声矢量阵方位估计方法 |
CN107202975A (zh) * | 2017-05-25 | 2017-09-26 | 哈尔滨工程大学 | 一种二维矢量阵阵元姿态误差校正方法 |
CN109375197A (zh) * | 2018-10-23 | 2019-02-22 | 哈尔滨工程大学 | 一种小尺寸矢量阵低频散射校正方法 |
CN109490820A (zh) * | 2018-11-13 | 2019-03-19 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
CN111175693A (zh) * | 2020-01-19 | 2020-05-19 | 河北科技大学 | 一种波达方向估计方法及波达方向估计装置 |
CN112731283A (zh) * | 2020-12-24 | 2021-04-30 | 中国人民解放军91550部队 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208930A (zh) * | 2010-03-30 | 2011-10-05 | 清华大学 | 快速信号子空间估计方法 |
CN103983952A (zh) * | 2014-05-16 | 2014-08-13 | 哈尔滨工程大学 | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 |
-
2015
- 2015-08-29 CN CN201510340225.6A patent/CN105158751A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208930A (zh) * | 2010-03-30 | 2011-10-05 | 清华大学 | 快速信号子空间估计方法 |
CN103983952A (zh) * | 2014-05-16 | 2014-08-13 | 哈尔滨工程大学 | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 |
Non-Patent Citations (3)
Title |
---|
HONG-BING LI ET AL.: "COMPUTATIONAL EFFICIENT DOA ESTIMATION ALGORITHM BASED ON MSWF AND POLYNOMIAL ROOTING", 《INTERNATIONAL CONFERENCE ON AUTOMATIC CONTROL AND ARTIFICIAL INTELLIGENCE (ACAI 2012)》 * |
梁国龙等: "声矢量阵快速子空间方位估计算法", 《哈尔滨工业大学学报》 * |
梁国龙等: "声矢量阵相干源方位估计算法", 《声学技术》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676168A (zh) * | 2015-12-02 | 2016-06-15 | 江苏科技大学 | 一种声矢量阵方位估计方法 |
CN105676168B (zh) * | 2015-12-02 | 2018-03-06 | 江苏科技大学 | 一种声矢量阵方位估计方法 |
CN107202975A (zh) * | 2017-05-25 | 2017-09-26 | 哈尔滨工程大学 | 一种二维矢量阵阵元姿态误差校正方法 |
CN107202975B (zh) * | 2017-05-25 | 2020-04-03 | 哈尔滨工程大学 | 一种二维矢量阵阵元姿态误差校正方法 |
CN109375197A (zh) * | 2018-10-23 | 2019-02-22 | 哈尔滨工程大学 | 一种小尺寸矢量阵低频散射校正方法 |
CN109490820A (zh) * | 2018-11-13 | 2019-03-19 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
CN109490820B (zh) * | 2018-11-13 | 2021-04-27 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
CN111175693A (zh) * | 2020-01-19 | 2020-05-19 | 河北科技大学 | 一种波达方向估计方法及波达方向估计装置 |
CN112731283A (zh) * | 2020-12-24 | 2021-04-30 | 中国人民解放军91550部队 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
CN112731283B (zh) * | 2020-12-24 | 2023-07-11 | 中国人民解放军91550部队 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105158751A (zh) | 一种声矢量阵快速方位估计方法 | |
Bilik | Spatial compressive sensing for direction-of-arrival estimation of multiple sources using dynamic sensor arrays | |
CN106646344B (zh) | 一种利用互质阵的波达方向估计方法 | |
CN105589066B (zh) | 一种利用垂直矢量阵估计水下匀速运动航行器参数的方法 | |
CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
CN111123192A (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN108931766B (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
CN105005038A (zh) | 一种改进的声矢量阵相干源doa估计算法 | |
CN101644760B (zh) | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 | |
CN104502904B (zh) | 一种鱼雷自导波束锐化方法 | |
CN104730513A (zh) | 一种分级子阵聚焦mvdr波束形成方法 | |
CN104931923A (zh) | Grid Iterative ESPRIT,一种可扩展的用于均匀圆阵二维到达角的快速估计算法 | |
CN109471063B (zh) | 基于延迟快拍的均匀线列阵高分辨波达方向估计方法 | |
CN113032721B (zh) | 一种低计算复杂度的远场和近场混合信号源参数估计方法 | |
CN102833016B (zh) | 一种在多径环境下针对同源信号时差的测定方法 | |
CN108761394A (zh) | 一种基于时空处理的高分辨低旁瓣去卷积谱估计方法 | |
CN112328965B (zh) | 使用声矢量传感器阵列的多机动信号源doa跟踪的方法 | |
CN106569180B (zh) | 一种基于Prony方法的方位估计算法 | |
CN106483193B (zh) | 一种基于高阶累计量的波达快速估计方法 | |
CN107728104A (zh) | 一种改进的卫星导航干扰测向方法 | |
CN103901421B (zh) | 基于对角减载的水声阵列smi-mvdr空间谱估计方法 | |
CN108957389A (zh) | 一种实数域多通道信号目标方位估计方法 | |
CN109541526A (zh) | 一种利用矩阵变换的圆环阵方位估计方法 | |
CN115826004B (zh) | 一种基于二维角度及时差联合的三星协同直接定位方法 | |
CN109061597B (zh) | 基于盲源分离与时频脊波域滤波的电离层杂波抑制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151216 |
|
WD01 | Invention patent application deemed withdrawn after publication |