CN113325401B - 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 - Google Patents
一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 Download PDFInfo
- Publication number
- CN113325401B CN113325401B CN202110761103.XA CN202110761103A CN113325401B CN 113325401 B CN113325401 B CN 113325401B CN 202110761103 A CN202110761103 A CN 202110761103A CN 113325401 B CN113325401 B CN 113325401B
- Authority
- CN
- China
- Prior art keywords
- delay difference
- line spectrum
- spectrum
- line
- array
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
本发明公开了一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法,包括:首先根据信号远场平面波入射和阵形无畸变两个假设,进行源信号预重构,然后在根据预重构的源信号计算功率谱,最后根据功率谱进行线谱自主提取;根据提取的线谱的位置,计算阵元间的采集数据在该位置处的相位差;对无模糊的低频线谱相位差进行加权最小二乘时延差粗测;对有模糊的高频线谱相位差进行解模糊时延差精测;基于精测时延差二次重构源信号。本发明能够解模糊高频线谱阵元间相位差,提高时延差估计精度,进而提高重构源信号的保真度。
Description
技术领域
本发明涉及声纳信号处理技术领域,特别是涉及一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法。
背景技术
水听器拖曳线列阵声呐是拖曳在舰船尾部一定距离的声探测系统,通过接收目标自身的辐射噪声或反射的主动信号,来检测目标的有无并估计目标的有关参数。它具有探测能力强、探测频率低和水文适应能力强的特点。波束形成处理是基于已知阵列流形从水听器阵列接收信号中重构源信号,在空间上抗噪声和分离多目标干扰的有效手段和常用方法。然而,由于海洋环境的复杂多变,水听器阵列在拖曳过程中,海流、拖船机动等都会改变阵列的形状,造成常规波束形成重构源信号时出现时延失配,从而造成重构源信号失真及信噪比下降,所以畸变拖曳阵源信号重构是水声阵列信号处理中亟需解决的问题。
目前国内外学者提出了许多畸变拖曳线列阵信号重构方法,比较典型的有:(1)阵形校正:通过估计误差参数来实现对阵形的校正,该类方法首先对阵列误差进行建模,将阵列误差校正转化为参数估计的问题。该类阵形校正方法通常可以分为有源校正类和自校正类。对于有源校正方法,该方法对辅助信号源有着较高的精确方位信息的要求,所以当辅助信号源的方位信息有偏差时,这类校正算法会带来较大的偏差。自校正算法由于阵元位置误差与方位参数之间的耦合和某些病态的阵列结构,参数估计的唯一辨识往往无法保证,更为重要的是参数联合估计对应的高维、多模非线性优化问题带来了庞大的运算量,估计的全局收敛性往往无法保证。(2)基于线谱阵元间相位差的时延差估计:利用目标线谱信号的阵元间相位差估计信号到达畸变拖曳线列阵两个阵元的时延差,基于估计的阵元间时延差重构源信号。该技术可在阵列流形、目标距离、目标精确方位未知的情况下自适应地估计目标信号阵元间时延差,但对于半波长小于阵元间距的高频线谱,阵元间相位差存在多值性模糊,直接用于时延差估计会严重降低时延差估计精度。
发明内容
有鉴于此,本发明的目的在于提供一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法,用以解决背景技术中提及的技术问题。本发明利用格点理论在最小二乘意义下对半波长小于阵元间距的高频线谱的阵元间相位差进行解模糊,将解模糊后的高频线谱相位差应用于加权最小二乘时延差估计来提高时延差估计精度,进而实现畸变拖曳线列阵高保真信号重构。
为了达到上述目的,本发明采用如下技术方案:
一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法,包括如下步骤:
步骤S1、首先根据信号远场平面波入射和阵形无畸变两个假设,进行源信号预重构,然后在根据预重构的源信号计算功率谱,最后根据功率谱进行线谱自主提取;
步骤S2、根据步骤S1中提取的线谱的位置,计算阵元间的采集数据在该位置处的相位差;
步骤S3、对无模糊的低频线谱相位差进行加权最小二乘时延差粗测;
步骤S4、对有模糊的高频线谱相位差进行解模糊时延差精测;
步骤S5、基于精测时延差二次重构源信号。
进一步的,所述步骤S1具体包括:
步骤S101、假定基于信号远场平面波入射和阵形无畸变两个假设预估的目标方位为按照方位/>采用常规波束形成从拖曳线列阵采集数据中预重构源信号:
其中,s1[n]为预重构的源信号,xm[n],m=1,2,…,M,表示拖曳线列阵中阵元Hm的采集数据,M为拖曳线列阵的阵元个数,fs为拖曳线列阵接收数据数字化过程中的采样率,d为均匀拖曳线列阵的阵元间距,cos为余弦函数,v为声波在水中的传播速度,N为重构源信号的数据长度;
步骤S102、计算预重构源信号s1[n]的功率谱P[l]:
其中,l为P[l]的离散频率索引,lL为线谱自主提取频带下限频率fL对应的离散频率索引,代表向下取整,Δf表示长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,lH为线谱自主提取频带上限频率fH对应的离散频率索引,/> 代表向上取整,j为虚数单位,即/>| |代表取模运算;
步骤S103、将功率谱P[l]通过Q阶中值滤波器得到其趋势项C[l],则功率谱P[l]与趋势项C[l]的差值谱D[l]为:
D[l]=P[l]-C[l],l=lL-1,lL,…,lH+1,
D[l]的规范化差值谱为:
其中,D=[D[lL-1],D[lL],…,D[lH+1]],std(D)是求D的标准差;
步骤S104、设定功率谱线谱检测门限γ,在lL≤l≤lH范围内遍历规范化差值谱Dstd[l]进行线谱自主提取,若Dstd[l]满足如下条件:
则将Dstd[l]判为线谱,假定提取出K根线谱,第k根线谱在Dstd[l]中的索引为Jk,k=1,2,…,K;
步骤S105、记则第k根线谱频率插值的相对偏差δk为:
第k根线谱的频率估计值为:
进一步的,所述步骤S2具体包括:
步骤S201、计算阵元Hm的采集数据在频率位置处的相位/>
其中,arctan2为反正切函数,sin为正弦函数;
步骤S202、计算阵元Hm采集数据与阵元Hm-1采集数据在频率位置处的相位差
进一步的,所述步骤S3具体包括:
步骤S301、计算阵元Hm采集数据xm[n]的功率谱Pm[l]:
步骤S302、估计阵元Hm采集数据在频率位置处噪声的功率/>
其中,G为噪声功率估计器的长度,取偶数,且G<2(Jk-2);
步骤S303、估计阵元Hm采集数据在频率位置处信号加噪声的功率/>
步骤S304、估计阵元Hm采集数据的功率谱的第k根线谱的信噪比
步骤S305、对无模糊的低频线谱相位差进行加权最小二乘时延差粗测:
其中,为预估的阵元间时延差,/>K1为半波长不小于阵元间距的线谱的个数。
进一步的,所述步骤S4具体包括:
步骤S401、计算阵元Hm采集数据与阵元Hm-1采集数据之间的候选时延差qmi:
其中,
为候选时延差的下界,max为求最大值函数,ΔΔτ=4/fH为相邻候选时延差的间隔,
为候选时延差的个数,
为候选时延差的上界,min为求最小值函数;
步骤S402、基于线谱相位差解模糊精确估计阵元Hm采集数据与阵元Hm-1采集数据之间的时延差,具体包括如下步骤:
步骤S4021、初始化,令i=1;
步骤S4022、令
其中,int代表四舍五入取整,令
步骤S4023、基于进行加权最小二乘时延差估计:
所得时延差估计的最小二乘误差/>为:
步骤S4024、令
令
其中,
步骤S4025、基于进行加权最小二乘时延差估计:
所得时延差估计的最小二乘误差/>为:
步骤S4026、如果令
其中,表示候选时延差为qmi时时延差的最小二乘解,/>表示候选时延差为qmi时时延差的最小二乘解对应的最小二乘误差,否则,令
返回步骤S4024;
步骤S4027、令i=i+1,若i≤Im,则返回步骤S4022;
步骤S403、搜索的最小值所对应的下标索引/>表达式为:
其中,表示在1≤i≤Um范围内搜索/>的最小值所对应的下标索引,则基于线谱相位差解模糊获取的阵元Hm采集数据与阵元Hm-1采集数据之间的时延差的精确估计/>为
其中,
进一步的,所述步骤S5具体包括:
根据下式进行基于精测时延差二次重构源信号,表达式为:
其中,s2[n]为二次重构的源信号。
本发明的有益效果是:
1、本发明公开的方法利用格点理论在最小二乘意义下对半波长小于阵元间距的高频线谱的阵元间相位差进行解模糊,将解模糊后的相位差应用于加权最小二乘时延差估计以改善时延差估计精度,进而提高畸变拖曳线列阵重构源信号的保真度;
2、本发明公开的方法首先对无模糊的低频线谱相位差进行加权最小二乘时延差粗测,在解模糊高频线谱相位差时可基于粗测时延差缩小时延差搜索范围,这在降低计算量的同时可以降低相位差解模糊对线谱信噪比的要求。
附图说明
图1为实施例1中提供的一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法的流程示意图。
图2为仿真实例中畸变拖曳线列阵阵元坐标图。
图3为仿真实例中各线谱信噪比均为10dB时目标信号阵元间时延差的估计结果。
图4为仿真实例中目标信号阵元间时延差的估计的均方根误差随线谱信噪比变化情况。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
参见图1-图4,本实施例提供一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法,包括如下步骤:
步骤1,源信号预重构与线谱自主提取;
具体的说,在本实施例中,该步骤1中包括如下步骤:
步骤1-1,假定基于信号远场平面波入射和阵形无畸变两个假设预估的目标方位为按照方位/>采用常规波束形成从拖曳线列阵采集数据中预重构源信号:
其中,s1[n]为预重构的源信号,xm[n],m=1,2,…,M,表示拖曳线列阵中阵元Hm的采集数据,M为拖曳线列阵的阵元个数,fs为拖曳线列阵接收数据数字化过程中的采样率,d为均匀拖曳线列阵的阵元间距,cos为余弦函数,v为声波在水中的传播速度,N为重构源信号的数据长度;
步骤1-2,计算预重构源信号s1[n]的功率谱P[l]:
其中,l为P[l]的离散频率索引,lL为线谱自主提取频带下限频率fL对应的离散频率索引, 代表向下取整,Δf表示长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,lH为线谱自主提取频带上限频率fH对应的离散频率索引,/> 代表向上取整,j为虚数单位,即/>| |代表取模运算;
步骤1-3,将功率谱P[l]通过Q阶中值滤波器得到其趋势项C[l],则功率谱P[l]与趋势项C[l]的差值谱D[l]为:
D[l]=P[l]-C[l],l=lL-1,lL,…,lH+1,
D[l]的规范化差值谱为:
其中,D=[D[lL-1],D[lL],…,D[lH+1]],std(D)是求D的标准差;
步骤1-4,设定功率谱线谱检测门限γ,在lL≤l≤lH范围内遍历规范化差值谱Dstd[l]进行线谱自主提取,若Dstd[l]满足如下条件:
则将Dstd[l]判为线谱,假定提取出K根线谱,第k根线谱在Dstd[l]中的索引为Jk,k=1,2,…,K;
步骤1-5,记则第k根线谱频率插值的相对偏差δk为:
第k根线谱的频率估计值为:
步骤2,线谱阵元间相位差估计;
具体的说,在本实施例中,步骤2包括如下步骤:
步骤2-1,计算阵元Hm的采集数据在频率位置处的相位/>
其中,arctan2为反正切函数,sin为正弦函数;
步骤2-2,计算阵元Hm采集数据与阵元Hm-1采集数据在频率位置处的相位差/>
步骤3,对无模糊的低频线谱相位差进行加权最小二乘时延差粗测;
具体的说,在本实施例中,步骤3包括如下步骤:
步骤3-1,计算阵元Hm采集数据xm[n]的功率谱Pm[l]:
步骤3-2,估计阵元Hm采集数据在频率位置处噪声的功率/>
其中,G为噪声功率估计器的长度,取偶数,且G<2(Jk-2);
步骤3-3,估计阵元Hm采集数据在频率位置处信号加噪声的功率/>
步骤3-4,估计阵元Hm采集数据的功率谱的第k根线谱的信噪比
步骤3-5,对无模糊的低频线谱相位差进行加权最小二乘时延差粗测:
其中,为预估的阵元间时延差,/>K1为半波长不小于阵元间距的线谱的个数。
步骤4,对有模糊的高频线谱相位差进行解模糊时延差精测;
具体的说,在本实施例中,步骤4包括如下步骤:
步骤4-1,计算阵元Hm采集数据与阵元Hm-1采集数据之间的候选时延差qmi:
其中,
为候选时延差的下界,max为求最大值函数,ΔΔτ=4/fH为相邻候选时延差的间隔,
为候选时延差的个数,
为候选时延差的上界,min为求最小值函数。
步骤4-2,基于线谱相位差解模糊精确估计阵元Hm采集数据与阵元Hm-1采集数据之间的时延差:
步骤4-2-1,初始化,令i=1;
步骤4-2-2,令
其中,int代表四舍五入取整,令
步骤4-2-3,基于进行加权最小二乘时延差估计:
所得时延差估计的最小二乘误差/>为
步骤4-2-4,令
令
其中,
步骤4-2-5,基于进行加权最小二乘时延差估计:
所得时延差估计的最小二乘误差/>为
步骤4-2-6,如果令
其中,表示候选时延差为qmi时时延差的最小二乘解,/>表示候选时延差为qmi时时延差的最小二乘解对应的最小二乘误差,否则,令
返回步骤4-2-4;
步骤4-2-7,令i=i+1,若i≤Im,则返回步骤4-2-2;
步骤4-3,搜索的最小值所对应的下标索引/>
其中,表示在1≤i≤Um范围内搜索/>的最小值所对应的下标索引,则基于线谱相位差解模糊获取的阵元Hm采集数据与阵元Hm-1采集数据之间的时延差的精确估计/>为
其中,
步骤5,基于精测时延差二次重构源信号;
具体的说,在本实施例中,步骤5中,基于精测时延差二次重构源信号的方法如下:
其中,s2[n]为二次重构的源信号。
更具体的说,在本实施例中,还提供了两个仿真实例,具体为:
仿真实例1:
仿真信号参数分别设置为:均匀拖曳线列阵的阵元个数为M=20,阵元间距为d=1.5m,畸变拖曳线列阵的阵元坐标如图2所示;以拖曳线列阵靠近拖船的第一个阵元为坐标原点,声源距离为2000m,声源与拖曳线列阵的夹角为θ=45°;声源辐射噪声包含124Hz、243Hz、268Hz、437Hz、464Hz、586Hz、1486Hz和1888Hz共8根功率谱线谱,时间分析窗长为1s时各线谱的信噪比均为10dB;采样频率为fs=20kHz,声波在水中的传播速度为v=1500m/s。
依据步骤1,基于信号远场平面波入射和阵形无畸变两个假设预估的目标方位为重构源信号的数据长度为N=20000,线谱自主提取频带下限频率为fL=100Hz,上限频率为fH=2000Hz,中值滤波器的阶数设为Q=31,功率谱线谱检测门限设为γ=5,共检测出K=8根线谱,各线谱的估计频率分别为/> 和/>
依据步骤3,噪声功率估计器的长度设为G=20,半波长不小于阵元间距的线谱的个数为K1=5。
依据步骤4,所得阵元间时延差精确估计如图3所示。从图中可以看出,与基于阵形无畸变假设所得时延差估计和基于无模糊的低频线谱相位差加权最小二乘所得时延差粗测相比,本发明公开的方法所得时延差估计更加接近于时延差真值。
仿真实例2:
本实例主要分析和验证线谱信噪比对本发明公布方法所得阵元间时延差估计精度的影响。时延差估计精度用估计的均方根误差RMSE来评价,表达式为:
其中,为第t次蒙特卡洛试验所得阵元Hm采集数据与阵元Hm-1采集数据之间的时延差的估计值,Nt为本仿真实例的蒙特卡洛试验次数,Nt=5000,Δτm为时延差的真值。线谱信噪比以1dB为步长从0dB增加到15dB,其它设置与仿真实施例1相同。图4给出了阵元间时延差估计的均方根误差随线谱信噪比的变化情况。从图中可以看出,本发明公开的方法所得时延差估计的均方根误差随着信噪比的增高而逐渐降低,并且在整个信噪比变化范围内均小于粗测时延差的均方根误差;而基于阵形无畸变假设所得时延差估计的均方根误差基本无变化,并未随信噪比的增大而减小。
本发明未详述之处,均为本领域技术人员的公知技术。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (2)
1.一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法,其特征在于,包括如下步骤:
步骤S1、首先根据信号远场平面波入射和阵形无畸变两个假设,进行源信号预重构,然后在根据预重构的源信号计算功率谱,最后根据功率谱进行线谱自主提取;
步骤S2、根据步骤S1中提取的线谱的位置,计算阵元间的采集数据在该位置处的相位差;
步骤S3、对无模糊的低频线谱相位差进行加权最小二乘时延差粗测;
步骤S4、对有模糊的高频线谱相位差进行解模糊时延差精测;
步骤S5、基于精测时延差二次重构源信号;
所述步骤S1具体包括:
步骤S101、假定基于信号远场平面波入射和阵形无畸变两个假设预估的目标方位为按照方位/>采用常规波束形成从拖曳线列阵采集数据中预重构源信号:
其中,s1[n]为预重构的源信号,xm[n],m=1,2,…,M,表示拖曳线列阵中阵元Hm的采集数据,M为拖曳线列阵的阵元个数,fs为拖曳线列阵接收数据数字化过程中的采样率,d为均匀拖曳线列阵的阵元间距,cos为余弦函数,v为声波在水中的传播速度,N为重构源信号的数据长度;
步骤S102、计算预重构源信号s1[n]的功率谱P[l]:
其中,l为P[l]的离散频率索引,lL为线谱自主提取频带下限频率fL对应的离散频率索引, 代表向下取整,Δf表示长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,lH为线谱自主提取频带上限频率fH对应的离散频率索引,/> 代表向上取整,j为虚数单位,即/>||代表取模运算;
步骤S103、将功率谱P[l]通过Q阶中值滤波器得到其趋势项C[l],则功率谱P[l]与趋势项C[l]的差值谱D[l]为:
D[l]=P[l]-C[l],l=lL-1,lL,…,lH+1,
D[l]的规范化差值谱为:
其中,D=[D[lL-1],D[lL],…,D[lH+1]],std(D)是求D的标准差;
步骤S104、设定功率谱线谱检测门限γ,在lL≤l≤lH范围内遍历规范化差值谱Dstd[l]进行线谱自主提取,若Dstd[l]满足如下条件:
则将Dstd[l]判为线谱,假定提取出K根线谱,第k根线谱在Dstd[l]中的索引为Jk,k=1,2,…,K;
步骤S105、记则第k根线谱频率插值的相对偏差δk为:
第k根线谱的频率估计值为:
所述步骤S2具体包括:
步骤S201、计算阵元Hm的采集数据在频率位置处的相位/>
其中,arctan2为反正切函数,sin为正弦函数;
步骤S202、计算阵元Hm采集数据与阵元Hm-1采集数据在频率位置处的相位差/>
所述步骤S3具体包括:
步骤S301、计算阵元Hm采集数据xm[n]的功率谱Pm[l]:
步骤S302、估计阵元Hm采集数据在频率位置处噪声的功率/>
其中,G为噪声功率估计器的长度,取偶数,且G<2(Jk-2);
步骤S303、估计阵元Hm采集数据在频率位置处信号加噪声的功率/>
步骤S304、估计阵元Hm采集数据的功率谱的第k根线谱的信噪比
步骤S305、对无模糊的低频线谱相位差进行加权最小二乘时延差粗测:
其中,为预估的阵元间时延差,/>K1为半波长不小于阵元间距的线谱的个数;
所述步骤S4具体包括:
步骤S401、计算阵元Hm采集数据与阵元Hm-1采集数据之间的候选时延差qmi:
其中,
为候选时延差的下界,max为求最大值函数,ΔΔτ=4/fH为相邻候选时延差的间隔,
为候选时延差的个数,
为候选时延差的上界,min为求最小值函数;
步骤S402、基于线谱相位差解模糊精确估计阵元Hm采集数据与阵元Hm-1采集数据之间的时延差,具体包括如下步骤:
步骤S4021、初始化,令i=1;
步骤S4022、令
其中,int代表四舍五入取整,令
步骤S4023、基于进行加权最小二乘时延差估计:
所得时延差估计的最小二乘误差/>为:
步骤S4024、令
令
其中,
步骤S4025、基于进行加权最小二乘时延差估计:
所得时延差估计的最小二乘误差/>为:
步骤S4026、如果令
其中,表示候选时延差为qmi时时延差的最小二乘解,/>表示候选时延差为qmi时时延差的最小二乘解对应的最小二乘误差,否则,令
返回步骤S4024;
步骤S4027、令i=i+1,若i≤Im,则返回步骤S4022;
步骤S403、搜索的最小值所对应的下标索引/>表达式为:
其中,表示在1≤i≤Im范围内搜索/>的最小值所对应的下标索引,则基于线谱相位差解模糊获取的阵元Hm采集数据与阵元Hm-1采集数据之间的时延差的精确估计为
其中,
2.根据权利要求1所述的一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法,其特征在于,所述步骤S5具体包括:
根据下式进行基于精测时延差二次重构源信号,表达式为:
其中,s2[n]为二次重构的源信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761103.XA CN113325401B (zh) | 2021-07-06 | 2021-07-06 | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761103.XA CN113325401B (zh) | 2021-07-06 | 2021-07-06 | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113325401A CN113325401A (zh) | 2021-08-31 |
CN113325401B true CN113325401B (zh) | 2024-03-19 |
Family
ID=77425786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110761103.XA Active CN113325401B (zh) | 2021-07-06 | 2021-07-06 | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325401B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115656994B (zh) * | 2022-10-08 | 2023-08-15 | 哈尔滨工程大学 | 双基地有源探测拖曳阵阵形实时校准方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799495A (zh) * | 2019-01-02 | 2019-05-24 | 东南大学 | 一种用于高保真阵列处理的宽带时延估计方法 |
WO2020042708A1 (zh) * | 2018-08-31 | 2020-03-05 | 大象声科(深圳)科技有限公司 | 基于时频掩蔽和深度神经网络的声源方向估计方法 |
CN111537982A (zh) * | 2020-05-08 | 2020-08-14 | 东南大学 | 一种畸变拖曳阵线谱特征增强方法及系统 |
CN111722178A (zh) * | 2020-05-29 | 2020-09-29 | 东南大学 | 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法 |
CN111929666A (zh) * | 2020-09-09 | 2020-11-13 | 东南大学 | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 |
CN112285720A (zh) * | 2020-09-25 | 2021-01-29 | 中国人民解放军海军工程大学 | 柔性拖曳线列阵声呐噪声目标的方位迹获取方法及装置 |
-
2021
- 2021-07-06 CN CN202110761103.XA patent/CN113325401B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020042708A1 (zh) * | 2018-08-31 | 2020-03-05 | 大象声科(深圳)科技有限公司 | 基于时频掩蔽和深度神经网络的声源方向估计方法 |
CN109799495A (zh) * | 2019-01-02 | 2019-05-24 | 东南大学 | 一种用于高保真阵列处理的宽带时延估计方法 |
CN111537982A (zh) * | 2020-05-08 | 2020-08-14 | 东南大学 | 一种畸变拖曳阵线谱特征增强方法及系统 |
CN111722178A (zh) * | 2020-05-29 | 2020-09-29 | 东南大学 | 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法 |
CN111929666A (zh) * | 2020-09-09 | 2020-11-13 | 东南大学 | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 |
CN112285720A (zh) * | 2020-09-25 | 2021-01-29 | 中国人民解放军海军工程大学 | 柔性拖曳线列阵声呐噪声目标的方位迹获取方法及装置 |
Non-Patent Citations (2)
Title |
---|
Robust Wideband DOA Estimation Based on Element-Space Data Reconstruction in a Multi-Source Environment;CHUANQI ZHU 等;IEEE Access;全文 * |
基于畸变拖曳阵的高保真特征提取方法;徐萍 等;声学技术;第38卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113325401A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407055B (zh) | 基于多径利用的波束形成方法 | |
CN109799495B (zh) | 一种用于高保真阵列处理的宽带时延估计方法 | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN109459744B (zh) | 一种实现多干扰抑制的稳健自适应波束形成方法 | |
CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN111537982B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN103064077B (zh) | 一种基于幅值加权的目标检测方法和设备 | |
CN112630784B (zh) | 基于凸优化和神经网络的平面阵列幅相误差校正方法 | |
CN113835068B (zh) | 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法 | |
CN105335336A (zh) | 一种传感器阵列的稳健自适应波束形成方法 | |
CN101644760A (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 | |
CN102176008B (zh) | 一种三维地层成像的相控方位滤波方法 | |
CN113325401B (zh) | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 | |
CN110727915B (zh) | 一种基于数据相关约束的鲁棒自适应波束形成方法 | |
CN113671473A (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 | |
CN109541526A (zh) | 一种利用矩阵变换的圆环阵方位估计方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN110161476B (zh) | 基于幂迭代广义瑞利商算法的雷达波束形成方法 | |
CN110261814B (zh) | 基于空间谱重构和导向矢量直接估计的波束形成方法 | |
CN109669172B (zh) | 基于主瓣内强干扰抑制的弱目标方位估计方法 | |
CN109117698B (zh) | 一种基于最小均方误差准则的噪声背景估计方法 | |
CN113075645B (zh) | 一种基于主成分分析-密度聚类的畸变阵形线谱增强方法 | |
CN115616628A (zh) | 基于角跟踪环路的gnss天线阵接收机盲波束形成方法 | |
CN102183755A (zh) | 一种基于柯西-高斯模型的新型高分辨方位估计方法 | |
CN111722178B (zh) | 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法 |
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 |