CN113064147A - 一种低信噪比下新型匹配场被动定位方法 - Google Patents

一种低信噪比下新型匹配场被动定位方法 Download PDF

Info

Publication number
CN113064147A
CN113064147A CN202110337727.9A CN202110337727A CN113064147A CN 113064147 A CN113064147 A CN 113064147A CN 202110337727 A CN202110337727 A CN 202110337727A CN 113064147 A CN113064147 A CN 113064147A
Authority
CN
China
Prior art keywords
riemann
field
matching field
noise ratio
covariance matrix
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.)
Granted
Application number
CN202110337727.9A
Other languages
English (en)
Other versions
CN113064147B (zh
Inventor
曹然
郭龙祥
张亮
生雪莉
韩笑
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering 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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202110337727.9A priority Critical patent/CN113064147B/zh
Publication of CN113064147A publication Critical patent/CN113064147A/zh
Application granted granted Critical
Publication of CN113064147B publication Critical patent/CN113064147B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

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

Abstract

本发明公开了一种低信噪比下新型匹配场被动定位方法，本发明具体实现步骤如下：(1)选择距离和深度网格，通过声场模型计算拷贝场向量，进而计算拷贝场矩阵；(2)时频分析接收数据获得声源频率，并计算对应频率的协方差矩阵；(3)基于黎曼流形中的测地线距离，构造出两种黎曼匹配场处理器(4)分析不同信噪比下协方差矩阵的迹，改进黎曼匹配场处理器；本发明优点在于：(1)提高了黎曼匹配场处理器在低信噪比环境下的性能；(2)小孔径阵列条件下，算法可以有效降低旁瓣级，提高主瓣分辨率；(3)阵元间距大于半波长条件下，算法可以有效降低旁瓣级，提高主瓣分辨率。

Description

一种低信噪比下新型匹配场被动定位方法
技术领域
本发明涉及一种水下声纳阵列信号处理算法，具体实施涉及一种低信噪比环境下的新型匹配场被动定位方法，可应用于无人平台的小孔径拖线阵或分布式短阵的联合定位，属于水声阵列信号处理领域。
背景技术
常规匹配场定位方法了利用声场的全部信息，需要充分地采样声场才能在模糊平面上获得尖锐的峰值(代表声源位置)。这需要使用与海深可比拟的大孔径阵列，这种阵列的工程实现较为困难，耗资巨大且易于暴露。由于小孔径阵列用常规匹配场算法时，存在模糊度较高的问题，很难利用小孔径阵列直接估计出声源位置。如何用更少的阵元在低信噪比环境下，实现对目标的被动定位，是需要解决的技术问题。
常规匹配场处理中的Bartlett处理器，原理为功率谱密度矩阵与拷贝场向量矩阵分别变换为列向量之间的直线距离线性相关。从数学关系上来看，Bartlett处理器在数学上是来测量功率谱密度矩阵与拷贝场向量矩阵的相似性。考虑到功率谱密度矩阵具有两个特点，一是埃尔米特共轭性和半正定性，可以根据非欧几里得几何的度量(如黎曼度量)测量两个矩阵的相似性。分析低信噪比条件下协方差矩阵迹的变化，构造出改进的黎曼匹配场处理器。
发明内容
针对上述现有技术，本发明要解决的技术问题是提供一种能够在低信噪比和小孔径阵列的条件下实现对声源被动定位的低信噪比下新型匹配场被动定位方法。
为解决上述技术问题，本发明的一种低信噪比下新型匹配场被动定位方法，包括以下步骤：
步骤1：根据阵列实测数据，通过时频分析获得声源信号的频率信息，计算对应频点的协方差矩阵；
步骤2：根据阵列各个阵元布放深度，建立相应的拷贝场距离和深度网格，根据频率和海深选择声场模型，计算拷贝场向量和相应的拷贝场向量矩阵；
步骤3：根据黎曼几何中测地线理论，选择黎曼距离用以度量协方差矩阵和拷贝场向量矩阵之间的相似性，进而构造出黎曼匹配场处理器；
步骤4：根据不同信噪比对协方差矩阵的影响，优化改进黎曼匹配场处理器，得到改进后的黎曼匹配场处理器；
步骤5：对所有距离和深度网格进行遍历，寻找功率最小的网格位置，即矩阵间距离最短位置，该网格位置即为被动声源的定位位置。
本发明还包括：
1.步骤3中黎曼匹配场处理器输出功率满足：
Figure BDA0002998222790000021
Figure BDA0002998222790000022
其中，ri为第i个拷贝场距离和深度网格，i＝1～M，M为全部网格个数，W和K分别为范数归一化后的拷贝场向量矩阵和协方差矩阵。
2.步骤4中改进后的黎曼匹配场处理器输出功率满足：
Figure BDA0002998222790000023
其中，W和K分别为范数归一化后的拷贝场向量矩阵和协方差矩阵。
本发明的有益效果：本发明不同于其他的常规匹配场定位方法，本发明利用协方差矩阵具有的共轭对称性和正定性，构造并改进黎曼匹配场处理器，与常规匹配场处理器和黎曼匹配场处理器相比，改进后的算法可以在低信噪比，小孔径阵列和阵元间距大于半波长的阵列条件下，实现对声源目标的被动定位，具有较好的主瓣分辨率和较低的旁瓣级。其具有以下优点：(1)提高了黎曼距离处理器在低信噪比环境下的应用性能；(2)小孔径阵列条件下，算法可以有效降低旁瓣级，提高主瓣分辨率；(2)阵元间距大于半波长条件下，算法可以有效降低旁瓣级，提高主瓣分辨率。
本发明是基于黎曼距离的被动匹配场定位方法，具有低信噪比环境下的定位算法适用性，在小孔径阵列条件下，所提定位算法性能优于常规匹配场算法；阵元间距大于半波长条件下，所提定位算法性能优于常规匹配场算法。通过分析低信噪比下协方差矩阵的特性，对黎曼匹配场处理器进行改进，可用于信噪比低于零分贝的环境下进行声源被动定位。本发明可用于小孔径线列阵，具有良好的分辨能力。可用于阵元间距大于半波长的线列阵，具有良好的分辨能力。
附图说明
图1是低信噪比黎曼匹配场处理器流程图；
图2是阵列接收信号的时频分析；
图3是声场模型对应的适用性环境；
图4是协方差矩阵的迹随不同信噪比的变化；
图5是小孔径条件下，常规Bartlett匹配场算法和本发明所提算法的定位结果对比图，其中左侧(a)结果为常规Bartlett匹配场算法定位结果，右侧(b)结果为本发明所提算法的定位结果；
图6是阵元间距大于半波长条件下，常规Bartlett匹配场算法和本发明所提算法的定位结果对比图；其中左侧(a)结果为常规Bartlett匹配场算法定位结果，右侧(b)结果为本发明所提算法的定位结果；
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
本发明选择距离和深度网格，通过声场模型计算拷贝场向量，进而计算拷贝场矩阵；时频分析接收数据获得声源频率，并计算对应频率的协方差矩阵；基于黎曼流形中的测地线距离，构造出两种黎曼匹配场处理器；分析不同信噪比下协方差矩阵的迹，改进黎曼匹配场处理器；本发明的具体实现步骤如下：
步骤1：根据阵列实测数据，通过时频分析等技术获得声源信号的频率信息，计算对应频点的协方差矩阵；
步骤2：基于阵列各个阵元布放深度，建立相应的拷贝场距离和深度网格，根据频率和海深选择适当的声场模型，计算拷贝场向量和相应的拷贝场向量矩阵；
步骤3：基于黎曼几何中测地线理论，选择黎曼距离用以度量协方差矩阵和拷贝场向量矩阵之间的相似性，进而构造出黎曼匹配场处理器；
步骤4：根据不同信噪比对协方差矩阵的影响，优化改进黎曼匹配场处理器；
本发明是基于黎曼几何理论的匹配场被动定位方法，包括黎曼匹配场定位算法和低信噪比环境下改进黎曼匹配场算法两部分，具体算法流程图如图1所示。
步骤1：根据阵列实测数据，通过时频分析等得到声信号的频率信息，计算该频点处的协方差矩阵；参考图2所示的时频图信息，选择170Hz作为计算频域协方差矩阵和声场计算的频率；
步骤2：基于阵列各个阵元布放深度，建立相应的拷贝场距离和深度网格，ri＝(ri,zi)，i＝1～M，M为全部网格个数。根据频率和海深选择声场模型，计算拷贝场向量和相应的拷贝场向量矩阵W(ri)；参考图2的时频信息和实际试验数据阵列布放海深(图中试验海深为127m)，根据图3所示的声场模型选择简正波模型计算拷贝场向量和相应的拷贝场向量矩阵W(ri)；
步骤3：基于黎曼几何中测地线理论，选择黎曼距离用以度量协方差矩阵和拷贝场向量矩阵之间的相似性，进而构造出黎曼匹配场处理器；考虑到矩阵间的黎曼距离存在三种，如式(1)所示，其中P1和P2分别表示具有共轭对称性和半正定性的矩阵。
Figure BDA0002998222790000041
首先需要将拷贝场向量矩阵和协方差矩阵进行矩阵F范数归一化，如式(2)所示，其中矩阵A为任意矩阵。假设归一化后的拷贝场向量矩阵和协方差矩阵分别为W和K，可以得到相应的黎曼匹配场处理器，其输出功率如式(3)所示。
Figure BDA0002998222790000042
Figure BDA0002998222790000043
步骤4：根据不同信噪比对协方差矩阵的影响，优化改进黎曼匹配场处理器；如图4所示，可以看出声源和接收的距离为5.7、7和9km时，信噪比大于0dB时，其协方差矩阵的迹随着信噪比的增加均趋向于1。因此针对低信噪比的环境，将式(3)中的处理器进行改进，如式(4)所示，
Figure BDA0002998222790000044
对所有距离和深度网格进行遍历，寻找功率最小的网格位置(矩阵间距离最短)，该网格位置即为被动声源的定位位置。
在低信噪比小孔径阵列条件下，所提算法与常规Bartlett处理器的定位结果如图5所示，浅海仿真环境(127m海深，信号频率335Hz，声源深度70m，收发水平距离5.8km，阵列孔径为94m，阵元间距为2m)，接收信噪比为-30dB时，选择阵列上半段，即阵列孔径降为46m时，常规Bartlett匹配场算法和改进后黎曼匹配场算法的定位结果可以看出后者定位结果其旁瓣级更低，主瓣宽度更窄；
在低信噪比阵元间距增大条件下，所提算法与常规Bartlett处理器的定位结果如图6所示，浅海仿真环境(127m海深，信号频率335Hz，声源深度70m，收发水平距离5.8km，阵列孔径为94m)，接收信噪比为-30dB时，阵元间距扩大至10m，常规Bartlett匹配场算法与改进后黎曼匹配场算法的定位结果可以看出后者定位结果其旁瓣级更低，主瓣宽度更窄。

Claims (3)

1.一种低信噪比下新型匹配场被动定位方法，其特征在于：包括以下步骤：
步骤1：根据阵列实测数据，通过时频分析获得声源信号的频率信息，计算对应频点的协方差矩阵；
步骤2：根据阵列各个阵元布放深度，建立相应的拷贝场距离和深度网格，根据频率和海深选择声场模型，计算拷贝场向量和相应的拷贝场向量矩阵；
步骤3：根据黎曼几何中测地线理论，选择黎曼距离用以度量协方差矩阵和拷贝场向量矩阵之间的相似性，进而构造出黎曼匹配场处理器；
步骤4：根据不同信噪比对协方差矩阵的影响，优化改进黎曼匹配场处理器，得到改进后的黎曼匹配场处理器；
步骤5：对所有距离和深度网格进行遍历，寻找功率最小的网格位置，即矩阵间距离最短位置，该网格位置即为被动声源的定位位置。
2.根据权利要求1所述的一种低信噪比下新型匹配场被动定位方法，其特征在于：步骤3所述黎曼匹配场处理器输出功率满足：
Figure FDA0002998222780000011
Figure FDA0002998222780000012
其中，ri为第i个拷贝场距离和深度网格，i＝1～M，M为全部网格个数，W和K分别为范数归一化后的拷贝场向量矩阵和协方差矩阵。
3.根据权利要求1所述的一种低信噪比下新型匹配场被动定位方法，其特征在于：步骤4所述改进后的黎曼匹配场处理器输出功率满足：
Figure FDA0002998222780000013
其中，W和K分别为范数归一化后的拷贝场向量矩阵和协方差矩阵。
CN202110337727.9A 2021-03-30 2021-03-30 一种低信噪比下新型匹配场被动定位方法 Active CN113064147B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110337727.9A CN113064147B (zh) 2021-03-30 2021-03-30 一种低信噪比下新型匹配场被动定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110337727.9A CN113064147B (zh) 2021-03-30 2021-03-30 一种低信噪比下新型匹配场被动定位方法

Publications (2)

Publication Number Publication Date
CN113064147A true CN113064147A (zh) 2021-07-02
CN113064147B CN113064147B (zh) 2023-09-29

Family

ID=76564597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110337727.9A Active CN113064147B (zh) 2021-03-30 2021-03-30 一种低信噪比下新型匹配场被动定位方法

Country Status (1)

Country Link
CN (1) CN113064147B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113671473A (zh) * 2021-09-09 2021-11-19 哈尔滨工程大学 基于环境约束和黎曼距离的联合匹配场定位方法及系统
CN114217321A (zh) * 2021-11-29 2022-03-22 哈尔滨工程大学 一种多约束匹配处理器定位方法
CN115236594A (zh) * 2022-06-30 2022-10-25 哈尔滨工程大学 一种适用于极地脉冲噪声环境的冰下声源定位方法
CN116359893A (zh) * 2023-04-10 2023-06-30 哈尔滨工程大学 一种适用于非同步阵列的匹配场水下声源定位方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617099A (en) * 1996-01-22 1997-04-01 Hughes Aircraft Company Adaptive filtering of matched-filter data
US20030231547A1 (en) * 2002-06-18 2003-12-18 Tsih Yang Method and apparatus for passive acoustic imaging using a horizontal line array
US20080063264A1 (en) * 2006-09-08 2008-03-13 Porikli Fatih M Method for classifying data using an analytic manifold
US20080231505A1 (en) * 2007-03-23 2008-09-25 Weiqing Zhu Method of Source Number Estimation and Its Application in Method of Direction of Arrival Estimation
CN103487811A (zh) * 2013-08-14 2014-01-01 西北工业大学 不确定海洋环境中的模态子空间重构稳健目标定位方法
US20170261593A1 (en) * 2014-12-02 2017-09-14 Fondazione Istituto Italiano Di Tecnologia Method for Tracking a Target Acoustic Source
EP3335630A1 (en) * 2016-12-15 2018-06-20 Mensia Technologies Improved signal quality index of multichannel bio-signal using riemannian geometry
CN108802683A (zh) * 2018-05-30 2018-11-13 东南大学 一种基于稀疏贝叶斯学习的源定位方法
CN109541548A (zh) * 2018-11-22 2019-03-29 西安联丰迅声信息科技有限责任公司 一种基于匹配场的空气声呐定位方法
CN110365434A (zh) * 2019-06-27 2019-10-22 广东工业大学 基于信息几何和差分进化聚类算法的多天线协作频谱感知方法
CN110596687A (zh) * 2019-09-19 2019-12-20 吉林大学 一种基于黎曼流形的单基地mimo雷达目标检测方法
CN110646765A (zh) * 2019-09-26 2020-01-03 杨强 一种基于黎曼距离的广义旁瓣对消算法
CN110824428A (zh) * 2019-11-06 2020-02-21 哈尔滨工程大学 一种垂直矢量阵水下声线匹配被动定位方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617099A (en) * 1996-01-22 1997-04-01 Hughes Aircraft Company Adaptive filtering of matched-filter data
US20030231547A1 (en) * 2002-06-18 2003-12-18 Tsih Yang Method and apparatus for passive acoustic imaging using a horizontal line array
US20080063264A1 (en) * 2006-09-08 2008-03-13 Porikli Fatih M Method for classifying data using an analytic manifold
US20080231505A1 (en) * 2007-03-23 2008-09-25 Weiqing Zhu Method of Source Number Estimation and Its Application in Method of Direction of Arrival Estimation
CN103487811A (zh) * 2013-08-14 2014-01-01 西北工业大学 不确定海洋环境中的模态子空间重构稳健目标定位方法
US20170261593A1 (en) * 2014-12-02 2017-09-14 Fondazione Istituto Italiano Di Tecnologia Method for Tracking a Target Acoustic Source
EP3335630A1 (en) * 2016-12-15 2018-06-20 Mensia Technologies Improved signal quality index of multichannel bio-signal using riemannian geometry
CN108802683A (zh) * 2018-05-30 2018-11-13 东南大学 一种基于稀疏贝叶斯学习的源定位方法
CN109541548A (zh) * 2018-11-22 2019-03-29 西安联丰迅声信息科技有限责任公司 一种基于匹配场的空气声呐定位方法
CN110365434A (zh) * 2019-06-27 2019-10-22 广东工业大学 基于信息几何和差分进化聚类算法的多天线协作频谱感知方法
CN110596687A (zh) * 2019-09-19 2019-12-20 吉林大学 一种基于黎曼流形的单基地mimo雷达目标检测方法
CN110646765A (zh) * 2019-09-26 2020-01-03 杨强 一种基于黎曼距离的广义旁瓣对消算法
CN110824428A (zh) * 2019-11-06 2020-02-21 哈尔滨工程大学 一种垂直矢量阵水下声线匹配被动定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李楠松;朴胜春;邢传玺;: "单矢量水听器对海面目标高分辨定位方法研究", 传感器与微系统, no. 02 *
杨坤德;马远良;邹士新;雷波;: "基于环境扰动的线性匹配场处理方法", 声学学报(中文版), no. 06 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113671473A (zh) * 2021-09-09 2021-11-19 哈尔滨工程大学 基于环境约束和黎曼距离的联合匹配场定位方法及系统
CN113671473B (zh) * 2021-09-09 2023-09-15 哈尔滨工程大学 基于环境约束和黎曼距离的联合匹配场定位方法及系统
CN114217321A (zh) * 2021-11-29 2022-03-22 哈尔滨工程大学 一种多约束匹配处理器定位方法
CN114217321B (zh) * 2021-11-29 2022-10-18 哈尔滨工程大学 一种多约束匹配处理器定位方法
CN115236594A (zh) * 2022-06-30 2022-10-25 哈尔滨工程大学 一种适用于极地脉冲噪声环境的冰下声源定位方法
CN115236594B (zh) * 2022-06-30 2022-12-30 哈尔滨工程大学 一种适用于极地脉冲噪声环境的冰下声源定位方法
CN116359893A (zh) * 2023-04-10 2023-06-30 哈尔滨工程大学 一种适用于非同步阵列的匹配场水下声源定位方法
CN116359893B (zh) * 2023-04-10 2024-04-02 哈尔滨工程大学 一种适用于非同步阵列的匹配场水下声源定位方法

Also Published As

Publication number Publication date
CN113064147B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN113064147B (zh) 一种低信噪比下新型匹配场被动定位方法
CN113050075B (zh) 一种基于扩散映射的水下声源匹配场定位方法
CN109283536B (zh) 一种多波束测深声呐水体成像波束形成方法
CN108375763B (zh) 一种应用于多声源环境的分频定位方法
CN110045321B (zh) 基于稀疏和低秩恢复的稳健doa估计方法
CN110320490B (zh) 一种无直达信号条件下的无线电波达方向估计方法
CN108089147B (zh) 改进的短波单站定位方法
CN103698753A (zh) 一种小型阵列的无源通道校正方法
CN113671473B (zh) 基于环境约束和黎曼距离的联合匹配场定位方法及系统
CN105974400A (zh) 一种基于对称谱特性的稳健空时检测方法
CN115236594B (zh) 一种适用于极地脉冲噪声环境的冰下声源定位方法
CN104793177B (zh) 基于最小二乘法的麦克风阵列测向方法
CN112285647B (zh) 一种基于稀疏表示与重构的信号方位高分辨估计方法
CN113866718B (zh) 一种基于互质阵的匹配场被动定位方法
Suo et al. Single acoustic vector sensor DOA enhanced by unsaturated bistable stochastic resonance with linear amplitude response constrained
CN110133578B (zh) 一种基于半圆柱体积阵的海底反射声线入射角度估计方法
CN111665469A (zh) 一种基于空间时频分布的水下多径信号参数估计方法
CN110320492A (zh) 一种基于导向矢量对称特性的低复杂度doa估计方法
CN115470446A (zh) 一种适用于多波束测深系统的任意角度快速波束形成方法
CN113381793B (zh) 一种面向相干信源估计的无网格波达方向估计方法
CN110824484B (zh) 一种基于恒模算法的阵元位置估计方法
Soares et al. Environmental inversion using high-resolution matched-field processing
Mao et al. An effective algorithm for direction-of-arrival estimation of coherent signals with ULA
Tayem et al. Capon root-MUSIC-like direction of arrival estimation based on real data
CN117148273B (zh) 一种匹配概率测度的水下声源定位方法

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
GR01 Patent grant
GR01 Patent grant