CN111257832A - 一种基于分布式多传感器阵列的弱声源定位方法 - Google Patents

一种基于分布式多传感器阵列的弱声源定位方法 Download PDF

Info

Publication number
CN111257832A
CN111257832A CN202010098178.XA CN202010098178A CN111257832A CN 111257832 A CN111257832 A CN 111257832A CN 202010098178 A CN202010098178 A CN 202010098178A CN 111257832 A CN111257832 A CN 111257832A
Authority
CN
China
Prior art keywords
vector
matrix
sound source
sensor array
distributed multi
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
Application number
CN202010098178.XA
Other languages
English (en)
Inventor
郑胜家
李铁军
舒剑
郑文杰
袁占生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jimei University
Original Assignee
Jimei University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jimei University filed Critical Jimei University
Priority to CN202010098178.XA priority Critical patent/CN111257832A/zh
Publication of CN111257832A publication Critical patent/CN111257832A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/20—Position of source determined by a plurality of spaced direction-finders

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明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。

Description

一种基于分布式多传感器阵列的弱声源定位方法
技术领域
本发明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。
背景技术
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。
发明内容
本发明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，本发明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,f H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：
Figure BDA0002385938560000021
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,f H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,f H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
Figure BDA0002385938560000022
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
Figure BDA0002385938560000023
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
Figure BDA0002385938560000024
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：
Figure BDA0002385938560000025
其中，
Figure BDA0002385938560000026
为第j个水听器的声压值，
Figure BDA0002385938560000027
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
Figure BDA0002385938560000028
构建观测信号方向向量
Figure BDA0002385938560000029
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
Figure BDA0002385938560000031
对观测信号方向向量
Figure BDA0002385938560000032
进行d1约束，对M-1个干扰噪声源拷贝向量
Figure BDA0002385938560000033
进行[d2,d3…dM]约束，所述约束条件表示为：
Figure BDA0002385938560000034
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
Figure BDA0002385938560000035
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：
Figure BDA0002385938560000036
Figure BDA0002385938560000037
步骤2-2、构造Lagrange函数，该函数的表达式为：
Figure BDA0002385938560000038
其中，λm为Lagrange乘子；
步骤2-3、由步骤1-3获取的拷贝向量
Figure BDA0002385938560000039
作为观测信号方向向量
Figure BDA00023859385600000310
由步骤1-3获取的M-1个干扰噪声源的基阵拷贝向量
Figure BDA00023859385600000311
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
Figure BDA00023859385600000312
为M个约束拷贝向量
Figure BDA00023859385600000313
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
Figure BDA00023859385600000314
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
Figure BDA00023859385600000315
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：
Figure BDA0002385938560000041
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。
本发明的优点在于：
本发明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
现结合附图对本发明作进一步的描述。
本发明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，节点基阵阵型可以是水平阵、垂直阵、离散阵等多种阵型。每个节点多传感器阵列中包括有多个阵元，这些阵元之间的距离没有要求，可以是等间距，也可以有不同的距离。在图1所示的一个实施例中，所述分布式多传感器阵列由三个节点组成，每个节点均为阵元数N为50的水听器均匀垂直线列阵，阵元间距为2米，海区深度为100m。各个阵元均匀分布在1m到99m水深中。在该实施例中，假设水面强干扰和水下声源都是点声源，水面强干扰声源级比水下声源大10dB，距离分布式探测系统参考坐标原点的水平距离均为8km，水面强干扰声源的等效深度为7米，水下声源的声源深度为40米，两声源信号频带完全重叠，中心频率均为300Hz，带宽为10Hz。在图2中还给出了声速参数模型的示意图，从该声速剖面可以看出，声速剖面为微弱正梯度。声速参数模型还包括介质声速c、介质密度ρ以及衰减系数a，如图2底部所示的海底介质参数：海底介质声速C底、海底介质密度ρ底、海底介质衰减系数а底。假设水面强干扰声源为离散噪声源，采用本发明的方法可对其进行抑制，以消除水面强干扰声源对水下声源检测和定位的影响。
在图1所示的实施例中，本发明的方法包括：
步骤1、根据接收基阵阵型和离散噪声源位置信息建立声场模型，求解基阵方向向量和离散噪声源的拷贝向量，并对方向向量和噪声源拷贝向量设置约束条件。
该步骤可进一步包括：
步骤1-1、由多传感器阵列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为多传感器阵列中的阵元数，然后将Xl,f与Xl,f H相乘得到数据向量；其中的(·)H表示共轭转置。
例如，在本实施例中，所述某个频点为296Hz～305Hz中的每一个频点；所述l次快拍为24000次快拍，其中24000为节点线列阵的采样率。
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：
Figure BDA0002385938560000051
其中，L为所要平均的快拍的数目。
例如，在本实施例中，所述快拍数据有10个，对这10个快拍数据做平均，得到互谱密度矩阵K。分布式阵列相干处理的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,f H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,f H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。
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
Figure BDA0002385938560000052
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，在图1所示的实施例中，三个节点的基阵几何形状均为垂直阵，在其他实施例中，基阵的几何形状也可以是水平阵或离散阵等。计算基阵的拷贝向量
Figure BDA0002385938560000053
时可采用采用Kraken声场模型软件实现，计算所得到的基阵的拷贝向量包括观测区域内距离和深度离散化后离散点的拷贝向量，可表示为
Figure BDA0002385938560000054
N为多传感器阵列中的阵元数，所述基阵的拷贝向量的计算公式表示为：
Figure BDA0002385938560000055
其中，
Figure BDA0002385938560000056
为Kraken声场模型软件计算得到的第j个水听器的声压值，
Figure BDA0002385938560000057
表示声源的位置参数,其中的(·)H表示共轭转置。
步骤1-4、根据步骤1-3获得的拷贝向量
Figure BDA0002385938560000061
作为观测信号方向向量
Figure BDA0002385938560000062
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个干扰噪声源的基阵拷贝向量
Figure BDA0002385938560000063
对观测信号方向向量
Figure BDA0002385938560000064
进行d1约束，对M-1个干扰噪声源的基阵拷贝向量
Figure BDA0002385938560000065
进行[d2,d3…dM]约束，所述约束条件表示为：
Figure BDA0002385938560000066
其中，w为离散干扰噪声源抑制最优权向量wMC-MFNS；
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，从而达到消除离散噪声源干扰对观测信号检测和定位的影响。
该步骤进一步包括：
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：
Figure BDA0002385938560000067
Figure BDA0002385938560000068
步骤2-2、构造Lagrange函数，该函数的表达式为：
Figure BDA0002385938560000069
其中，λm为Lagrange乘子；
步骤2-3、由步骤1-3获取的拷贝向量
Figure BDA00023859385600000610
作为观测信号方向向量
Figure BDA00023859385600000611
由步骤1-4获取的M-1个干扰噪声源的基阵拷贝向量
Figure BDA00023859385600000612
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
Figure BDA00023859385600000613
为M个约束拷贝向量
Figure BDA00023859385600000614
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d1＝1，干扰噪声源响应约束为[d2 d3…dM]均为0，对于以方向向量
Figure BDA00023859385600000615
代表的观测方位信号而言，其响应保持恒定，同时抑制以基阵拷贝向量
Figure BDA00023859385600000616
所代表的离散干扰噪声源。
步骤3、使用步骤2所设计的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。
该步骤进一步包括：
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：
Figure BDA0002385938560000071
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。由于wMC-MFNS包含对M-1个干扰噪声源的抑制，因此在本步骤中所求得的
Figure BDA0002385938560000072
只包括弱声源的位置信息，也就是所要探测声源的位置信息。图3和图4分别为分布式多传感器阵列线性匹配场相干处理模糊面和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，可见40米深、8000米距离处声源被7米深、8000米距离处声源的旁瓣所淹没，水下弱声源无法定位。图5是对离散干扰噪声源做抑制后模糊度面的示意图，从图5中可以看出，40米深、8000米距离处声源清晰可见，对比图3和图4，7米深、8000米距离处声源被作为干扰噪声源抑制掉了。
总之，本发明的基于分布式多传感器阵列的弱声源定位方法能够有效地消除离散噪声源干扰对水下弱声源定位的影响。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

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,f H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：
Figure FDA0002385938550000011
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,f H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,f H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
Figure FDA0002385938550000021
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
Figure FDA0002385938550000022
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
Figure FDA0002385938550000023
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：
Figure FDA0002385938550000024
其中，
Figure FDA0002385938550000025
为第j个水听器的声压值，
Figure FDA0002385938550000026
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
Figure FDA0002385938550000027
构建观测信号方向向量
Figure FDA0002385938550000028
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个干扰噪声源的基阵拷贝向量
Figure FDA0002385938550000029
对观测信号方向向量
Figure FDA00023859385500000210
进行d1约束，对M-1个干扰噪声源的基阵拷贝向量
Figure FDA00023859385500000211
进行[d2,d3…dM]约束，所述约束条件表示为：
Figure FDA00023859385500000212
其中，w为离散干扰噪声源抑制的最优权向量wMC-MFNS。
4.根据权利要求3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，在步骤1-3中，采用Kraken声场模型软件计算基阵的拷贝向量
Figure FDA00023859385500000213
5.根据权利要求3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：
Figure FDA00023859385500000214
Figure FDA0002385938550000031
步骤2-2、构造Lagrange函数，该函数的表达式为：
Figure FDA0002385938550000032
其中，λm为Lagrange乘子；
步骤2-3、由步骤1-3获取的拷贝向量
Figure FDA0002385938550000033
作为观测信号方向向量
Figure FDA0002385938550000034
由步骤1-3获取的M-1个干扰噪声源的基阵拷贝向量
Figure FDA0002385938550000035
根据所述观测信号方向向量以及所述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
其中
Figure FDA0002385938550000036
为M个约束拷贝向量
Figure FDA0002385938550000037
组成拷贝矩阵，d＝[d1 d2… 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
Figure FDA0002385938550000038
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
Figure FDA0002385938550000039
所代表的离散干扰噪声源。
6.根据权利要求5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：
Figure FDA00023859385500000310
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。
CN202010098178.XA 2020-02-18 2020-02-18 一种基于分布式多传感器阵列的弱声源定位方法 Pending CN111257832A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010098178.XA CN111257832A (zh) 2020-02-18 2020-02-18 一种基于分布式多传感器阵列的弱声源定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010098178.XA CN111257832A (zh) 2020-02-18 2020-02-18 一种基于分布式多传感器阵列的弱声源定位方法

Publications (1)

Publication Number Publication Date
CN111257832A true CN111257832A (zh) 2020-06-09

Family

ID=70952752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010098178.XA Pending CN111257832A (zh) 2020-02-18 2020-02-18 一种基于分布式多传感器阵列的弱声源定位方法

Country Status (1)

Country Link
CN (1) CN111257832A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112455631A (zh) * 2020-11-24 2021-03-09 浙江大学 一种适用于深海探测的矩阵式传感器布放装置及布放方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201315182D0 (en) * 2013-08-26 2013-10-09 Canon Kk Method and device for localizing sound sources placed within a sound environment comprising ambient noise
CN104793212A (zh) * 2015-04-23 2015-07-22 国家深海基地管理中心 利用声波海底反射实现主动声纳远程探测的方法
CN104977565A (zh) * 2014-04-02 2015-10-14 中国科学院声学研究所 一种基于分布式多阵列实现的水下目标三维定位方法
CN105022050A (zh) * 2014-04-16 2015-11-04 中国科学院声学研究所 一种多传感器阵列的水声信道离散噪声源抑制方法
US20160192068A1 (en) * 2014-12-31 2016-06-30 Stmicroelectronics Asia Pacific Pte Ltd Steering vector estimation for minimum variance distortionless response (mvdr) beamforming circuits, systems, and methods

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201315182D0 (en) * 2013-08-26 2013-10-09 Canon Kk Method and device for localizing sound sources placed within a sound environment comprising ambient noise
CN104977565A (zh) * 2014-04-02 2015-10-14 中国科学院声学研究所 一种基于分布式多阵列实现的水下目标三维定位方法
CN105022050A (zh) * 2014-04-16 2015-11-04 中国科学院声学研究所 一种多传感器阵列的水声信道离散噪声源抑制方法
US20160192068A1 (en) * 2014-12-31 2016-06-30 Stmicroelectronics Asia Pacific Pte Ltd Steering vector estimation for minimum variance distortionless response (mvdr) beamforming circuits, systems, and methods
CN104793212A (zh) * 2015-04-23 2015-07-22 国家深海基地管理中心 利用声波海底反射实现主动声纳远程探测的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑胜家 等: "强噪声干扰条件下的水下弱声源定位技术", 《科技创新与应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112455631A (zh) * 2020-11-24 2021-03-09 浙江大学 一种适用于深海探测的矩阵式传感器布放装置及布放方法

Similar Documents

Publication Publication Date Title
Krolik The performance of matched-field beamformers with Mediterranean vertical array data
CN108845325B (zh) 拖曳线列阵声纳子阵误差失配估计方法
CN106646373B (zh) 基于浅海多途到达角和到达时延的近距离声源联合定位方法
CN109283536A (zh) 一种多波束测深声呐水体成像波束形成算法
CN105022050A (zh) 一种多传感器阵列的水声信道离散噪声源抑制方法
CN111025273B (zh) 一种畸变拖曳阵线谱特征增强方法及系统
Gerstoft et al. Adaptive beamforming of a towed array during a turn
CN104793212A (zh) 利用声波海底反射实现主动声纳远程探测的方法
Le Gall et al. Bayesian source localization with uncertain Green's function in an uncertain shallow water ocean
CN113281727A (zh) 一种基于水平线列阵的输出增强的波束形成方法及其系统
Ma et al. An underwater bistatic positioning system based on an acoustic vector sensor and experimental investigation
Hunter Akins et al. Range-coherent matched field processing for low signal-to-noise ratio localization
Lønmo et al. Improving swath sonar water column imagery and bathymetry with adaptive beamforming
CN111257832A (zh) 一种基于分布式多传感器阵列的弱声源定位方法
Wu et al. Passive source depth estimation using beam intensity striations of a horizontal linear array in deep water
CN113325399A (zh) 一种水下声源功率谱特征获取方法、系统及应用
CN109541526A (zh) 一种利用矩阵变换的圆环阵方位估计方法
Liang et al. A linear near-field interference cancellation method based on deconvolved conventional beamformer using fresnel approximation
CN113126029B (zh) 适用于深海可靠声路径环境的多传感器脉冲声源定位方法
Zhang et al. Broadband underwater multi-source localization with a computationally efficient coherent OMP algorithm
Zamanizadeh et al. Source localization from time-differences of arrival using high-frequency communication signals
Shi et al. An improved generalized inverse beamforming-noise source localization method using acoustic vector sensor arrays
Krolik Robust matched-field beamforming with benchmark shallow-water acoustic array data
RU2817558C1 (ru) Способ определения полной совокупности координат морского шумящего объекта
CN114491397B (zh) 一种适用于圆形阵列的高增益波束形成方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200609