CN114167355A - 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法 - Google Patents

一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法 Download PDF

Info

Publication number
CN114167355A
CN114167355A CN202111413075.9A CN202111413075A CN114167355A CN 114167355 A CN114167355 A CN 114167355A CN 202111413075 A CN202111413075 A CN 202111413075A CN 114167355 A CN114167355 A CN 114167355A
Authority
CN
China
Prior art keywords
signal
linear array
sparse
doa estimation
nested linear
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
CN202111413075.9A
Other languages
English (en)
Inventor
叶焜
孙海信
周浪
林榕彬
齐洁
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.)
Xiamen University
Original Assignee
Xiamen 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 Xiamen University filed Critical Xiamen University
Priority to CN202111413075.9A priority Critical patent/CN114167355A/zh
Publication of CN114167355A publication Critical patent/CN114167355A/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
    • G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Discrete Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本申请提出了一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，该方法具体包括如下步骤：获取稀疏嵌套线性阵列换能器接收的多个不同角度的源信号；利用DWT去噪模块对接收到的所述源信号进行降噪处理；进一步对参数进行优化处理，获得基于自相关域的空间谱；通过搜寻所述自相关域的空间谱的峰值，获取所述信号源的预测角度；通过均方根误差评估DOA估计方法的性能。通过DWT去噪模块对基于稀疏嵌套线性阵列SNLA构建的水下声信号模型进行降噪处理，提升信号的信噪比，进而提升在多径效应严重的海洋环境中的DOA估计性能；通过此方法得到信号源的预测角度，分析这些预测角度的均方误差能以保证对信号源准确定位。

Description

一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法
技术领域
本申请属于目标定位的技术领域，具体涉及一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法。
背景技术
近年来，到达方向(DOA)估计一直是阵列信号处理领域的研究热点之一。它已经在民用和军事领域得到广泛的关注以及应用，比如海洋信息采集、现代水下防御、水下环境监测、无线通信、导航和雷达。然而，在多径效应严重的海洋环境中，复杂的海洋信道给水下信号的估计带来了极大的挑战。因此，有必要研究一种有效的算法来提高水下复杂环境下信号的DOA估计准确性。
在大多数实际应用中，实现高精度估计、可接受的性能和低成本是最迫切解决的问题。因此目前的研究热点是利用较少的物理传感器去探测更多的源，并且已经取得了很多研究成果。目前解决这一问题的主流思想是改变物理阵列的结构，产生的更大自由度的虚拟线性阵列，而不是直接增加物理阵列的数量。最近，基于此思想，提出了具有非均匀线性阵列结构的稀疏阵列构型，并且这些稀疏阵列构型中最典型的有最小冗余阵列、最小空穴阵列、嵌套阵列和互质阵列。
然而，在物理传感器数量不确定的情况下，MRA和MHA存在传感器的物理位置不能以封闭的形式获得可实现的自由度的缺点，这阻碍了MRA和MHA在DOA估计中的深入研究。在传统的嵌套阵列中，由于传感器元素之间距离较小，产生了互耦效应，进而影响DOA估计性能。而互质阵列在获得比总传感器数量多得多的自由度的同时，不存在互耦问题。为了减小互耦效应的影响，Li等人提出一种稀疏嵌套线性阵列，在传统嵌套阵列的基础上，通过稀疏系数增大传感器元素之间的距离，减小了互耦合效应并增大了阵列孔径。
在大多数DOA估计的研究中，都使用如MUSIC，ESPRIT和部分谱搜索MUSIC方法(PSS-MUSIC)等基于高分辨率的子空间的算法进行DOA估计。但是这些方法在信号源较多的情况下，可能会出现一些伪DOAs。Zhang等人将ESPRIT方法应用于获得的协方差矩阵，以获得闭合形式的DOA并降低计算复杂度。Yin等人引入LASSO去利用互质阵列的所有虚拟传感器来执行DOA估计，该方法是基于稀疏表示的。然而，这种方法会由于网格不匹配效应引起DOA性能降低。Li等人提出了SULA-DFT算法，用于解决稀疏ULA的DOA估计问题。
本发明提出一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，先基于稀疏嵌套线性阵列构建水下声信号模型，并利用DWT去噪模块对阵列接收到的原始信号进行去噪。然后基于稀疏嵌套线性阵列的协方差矩阵构建自相关域，并基于自相关域求解广义特征值问题。最后，基于交替优化的思想，对参数进行优化处理，进而求出基于自相关域的空间谱，并通过搜寻空间谱的峰值进行DOA估计。本方法是一种更精确的DOA估计方法，达到在海洋复杂环境下可以准确定位出不同的信号源。
申请内容
本发明所解决的技术问题在于提供一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，解决上述背景技术存在的缺点。
本申请提出了一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，该方法具体包括如下步骤：
第一步：获取稀疏嵌套线性阵列换能器接收的多个不同角度的源信号；
第二步：利用DWT去噪模块对接收到的所述源信号进行降噪处理；
第三步：基于协方差矩阵构建自相关序列，用所述自相关序列求解广义特征值；
第四步：进一步对参数进行优化处理，获得基于自相关域的空间谱；
第五步：通过搜寻所述自相关域的空间谱的峰值，获取所述信号源的预测角度；以及
第六步：通过均方根误差评估DOA估计方法的性能。
通过DWT去噪模块对基于稀疏嵌套线性阵列SNLA构建的水下声信号模型进行降噪处理，提升信号的信噪比，进而提升在多径效应严重的海洋环境中的DOA估计性能；根据基于稀疏嵌套线性阵列SNLA的自相关域获得的空间谱无假峰、旁瓣宽度小的特性，可以提升水下DOA估计的方向性和抗干扰能力；通过在发射端控制信号的信噪比和快拍数，在复杂海洋环境下信号源发射的信号都可以被接收到，且本方法准确性能优于离散傅里叶变换和平滑MUSIC；通过此方法得到信号源的预测角度，分析这些预测角度的均方误差能以保证对信号源准确定位。
优选的，在第一步中，包括定义水下声信号阵列模型：
在所述稀疏嵌套线性阵列SNLA中，将所述稀疏嵌套线性阵列SNLA的物理传感器的位置表示为Sαd，其中α为稀疏系数，d＝λ/2，并且S表示为：
Figure BDA0003374925230000031
进一步定义
Figure BDA0003374925230000032
则a1(θq)和a2(θq)分别表示为：
Figure BDA0003374925230000041
Figure BDA0003374925230000042
其中a1(θq)是第一个均匀线性阵列ULA对应的第q源的方向子向量，a2(θq)是第二个均匀线性阵列ULA对应的第q源的方向子向量；因此，所述稀疏嵌套线性阵列SNLA的方向矩阵表示为：
Figure BDA0003374925230000043
进一步优选的，进一步假设有Q个不相关的窄带水下声信号源从{θ1，θ2，…,θq，…,θQ}方向撞击在所述稀疏嵌套线性阵列SNLA上，且目标发射一个带有载波频率为f0Hz和幅度为aq(t)的信号，由于w0＝2πf0，该信号表示为：
Figure BDA0003374925230000044
并且稀疏嵌套线性阵列在t时间接收到的信号可以表示为：
Figure BDA0003374925230000045
其中s(t)是信号矢量，n(t)是元素均值为零且方差为σ2的加性高斯白噪声向量。稀疏嵌套线性阵列SNLA具有受互耦效应影响较小，阵列孔径大的特点，来接收多个不同角度源的信号，可以接收到更多的源信号。
优选的，在第二步中，包括定义DWT去噪模块：
定义时域信号x(t)的所述DWT去噪模块为：
Figure BDA0003374925230000046
其中j＝0,1,2,…,log2(T)，k＝1,2,…,T2-j，T表示信号的快拍数。
DWT去噪模块能够提高信号的信噪比，降低复杂的海洋环境对DOA估计性能的影响。
进一步优选的，所述DWT去噪模块包括信号分解、阈值处理以及信号重构。
进一步优选的，在所述信号分解中，包括让原始信号x(t)先通过半带高通滤波器和低通滤波器先消除一半的样品，然后对信号进行下采样进行进一步分解。
进一步优选的，在所述阈值处理中，采用软方法或硬方法对信号进行阈值处理，获得重构去噪信号的最佳分量；
软方法对信号进行阈值处理的计算公式如下:
Figure BDA0003374925230000051
硬方法对信号进行阈值处理的计算公式如下:
Softthresholdy＝sign(x)(|x|-ξ)。
进一步优选的，在所述信号重构中，包括对每一级的信号进行下采样，然后分别通过半带高通滤波器和低通滤波器，最后将所述半带高通滤波器和所述低通滤波器的输出相加以获得信号
Figure BDA0003374925230000052
进一步优选的，在第三步中，经过所述DWT去噪模块去噪后得到
Figure BDA0003374925230000053
的协方差矩阵为：
Figure BDA0003374925230000054
进一步优选的，在第三步中，包括定义所述稀疏嵌套线性阵列SNLA的空间自相关序列：
Figure BDA0003374925230000055
其中L＝M2(M1+1)-1，
Figure BDA0003374925230000056
进一步将
Figure BDA0003374925230000057
定义为广义特征值，其中
Figure BDA0003374925230000058
B、C和γ设置为：
Figure BDA0003374925230000059
Figure BDA0003374925230000061
Figure BDA0003374925230000062
则求解广义特征值的具体步骤如下：
S31、定义求解广义特征值必需的矩阵
Figure BDA0003374925230000063
S32、重构矩阵
Figure BDA0003374925230000064
S33、通过求解Px＝γJx得到特征值和特征向量；
S34、将获得的特征值中最小的特征值作为γ，并将其对应的特征向量作为x；
S35、将向量x除以它的第一个元素可以得到向量C。
稀疏嵌套线性阵列SNLA的自相关域所产生的空间谱无假峰，实现了角度的精确估计，达到了准确定位的目的；从给出的均方误差可以看出，在信噪比和快拍数增大的情况下，本方法的性能比DFT方法和SSMUSIC方法更好，保证对复杂海洋环境下的不同的角度信号源的估计精度。
与现有技术相比，本申请的有益成果在于：
(1)通过DWT去噪模块对基于稀疏嵌套线性阵列SNLA构建的水下声信号模型进行降噪处理，提升信号的信噪比，进而提升在多径效应严重的海洋环境中的DOA估计性能；
(2)根据基于稀疏嵌套线性阵列SNLA的自相关域获得的空间谱无假峰、旁瓣宽度小的特性，可以提升水下DOA估计的方向性和抗干扰能力；
(3)通过在发射端控制信号的信噪比和快拍数，在复杂海洋环境下信号源发射的信号都可以被接收到，且本方法准确性能优于离散傅里叶变换和平滑MUSIC；
(4)通过此方法得到信号源的预测角度，分析这些预测角度的均方误差能以保证对信号源准确定位。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本申请的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
图1为本申请的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法的流程图；
图2为本申请的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法中SNLA的阵列模型的示意图；
图3为本申请的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法中DWT去噪模块的示意图；
图4为本申请实施例中中SSMUSIC方法的空间谱图；
图5为本申请实施例中DFT方法的空间谱图；
图6本申请的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法中SNLA-AD-DWT方法的空间谱图；
图7本申请实施例中不同信噪比下SSMUSIC、DFT、SNLA-AD-DWT方法的均方根误差的示意图；
图8本申请实施例中不同快拍数下SSMUSIC、DFT、SNLA-AD-DWT方法的均方根误差。
具体实施方式
在以下详细描述中，参考附图，该附图形成详细描述的一部分，并且通过其中可实践本申请的说明性具体实施例来示出。对此，参考描述的图的取向来使用方向术语，例如“顶”、“底”、“左”、“右”、“上”、“下”等。因为实施例的部件可被定位于若干不同取向中，为了图示的目的使用方向术语并且方向术语绝非限制。应当理解的是，可以利用其他实施例或可以做出逻辑改变，而不背离本申请的范围。因此以下详细描述不应当在限制的意义上被采用，并且本申请的范围由所附权利要求来限定。
图1所示为基于稀疏嵌套线性阵列(SNLA)的自相关域的水下DOA估计方法的流程图，如图1所示，本申请提出了一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，该方法具体包括如下步骤：
第一步：获取稀疏嵌套线性阵列换能器接收的多个不同角度的源信号；
具体的，定义水下声信号阵列模型：
在稀疏嵌套线性阵列SNLA中，将稀疏嵌套线性阵列SNLA的物理传感器的位置表示为Sαd，其中α为稀疏系数，d＝λ/2，并且S表示为：
Figure BDA0003374925230000081
进一步定义
Figure BDA0003374925230000082
则a1(θq)和a2(θq)分别表示为：
Figure BDA0003374925230000083
Figure BDA0003374925230000084
其中a1(θq)是第一个均匀线性阵列ULA对应的第q源的方向子向量，a2(θq)是第二个均匀线性阵列ULA对应的第q源的方向子向量；因此，稀疏嵌套线性阵列SNLA的方向矩阵表示为，如图2所示：
Figure BDA0003374925230000091
进一步假设有Q个不相关的窄带水下声信号源从{θ1，θ2，…,θq，…,θQ}方向撞击在所述稀疏嵌套线性阵列SNLA上，且目标发射一个带有载波频率为f0Hz和幅度为aq(t)的信号，由于w0＝2πf0，该信号表示为：
Figure BDA0003374925230000092
并且稀疏嵌套线性阵列在t时间接收到的信号可以表示为：
Figure BDA0003374925230000093
其中s(t)是信号矢量，n(t)是元素均值为零且方差为σ2的加性高斯白噪声向量。稀疏嵌套线性阵列SNLA具有受互耦效应影响较小，阵列孔径大的特点，来接收多个不同角度源的信号，可以接收到更多的源信号。
第二步：利用DWT去噪模块对接收到的源信号进行降噪处理；
如图3所示，进一步的定义DWT去噪模块：
定义时域信号x(t)的DWT去噪模块为：
Figure BDA0003374925230000094
其中j＝0,1,2,…,log2(T)，k＝1,2,…,T2-j，T表示信号的快拍数。
DWT去噪模块能够提高信号的信噪比，降低复杂的海洋环境对DOA估计性能的影响。
具体的，DWT去噪模块包括信号分解、阈值处理以及信号重构。在信号分解中，包括让原始信号x(t)先通过半带高通滤波器和低通滤波器先消除一半的样品，然后对信号进行下采样进行进一步分解；在阈值处理中，采用软方法或硬方法对信号进行阈值处理，获得重构去噪信号的最佳分量；
其中，软方法对信号进行阈值处理的计算公式如下:
Figure BDA0003374925230000095
硬方法对信号进行阈值处理的计算公式如下:
Softthresholdy＝sign(x)(|x|-ξ)；
在信号重构中，包括对每一级的信号进行下采样，然后分别通过半带高通滤波器和低通滤波器，最后将所述半带高通滤波器和所述低通滤波器的输出相加以获得信号
Figure BDA0003374925230000101
第三步：基于协方差矩阵构建自相关序列，用所述自相关序列求解广义特征值；
经过所述DWT去噪模块去噪后得到
Figure BDA0003374925230000102
的协方差矩阵为：
Figure BDA0003374925230000103
进一步的，还包括定义所述稀疏嵌套线性阵列SNLA的空间自相关序列：
Figure BDA0003374925230000104
其中L＝M2(M1+1)-1，
Figure BDA0003374925230000105
进一步将
Figure BDA0003374925230000106
定义为广义特征值，其中
Figure BDA0003374925230000107
B、C和γ设置为：
Figure BDA0003374925230000108
Figure BDA0003374925230000109
Figure BDA00033749252300001010
进一步的求解广义特征值的具体步骤如下：
S31、定义求解广义特征值必需的矩阵
Figure BDA0003374925230000111
S32、重构矩阵
Figure BDA0003374925230000112
S33、通过求解Px＝γJx得到特征值和特征向量；
S34、将获得的特征值中最小的特征值作为γ，并将其对应的特征向量作为x；
S35、将向量x除以它的第一个元素可以得到向量C。
第四步：进一步对参数进行优化处理，获得基于自相关域的空间谱；
在具体实施例中，对获得的特征值γ以及向量C进行优化处理，进而进一步获得基于自相关域的空间谱。
第五步：通过搜寻所述自相关域的空间谱的峰值，获取所述信号源的预测角度；以及
第六步：通过均方根误差评估DOA估计方法的性能。
图4-图6所示为SSMUSIC方法、DFT方法和SNLA-AD-DWT方法的空间谱图，如图4-图6所示，通过空间谱有无假峰和旁瓣宽度来评估这三种方法的DOA估计性能。
图7-图8所示为不同信噪比和快拍数下SSMUSIC、DFT、SNLA-AD-DWT方法的均方根误差，如图7、8所示，通过预测角度和实际角度求均方根误差，评估这三种方法的DOA估计性能。
本发明的目的是利用DWT去噪模块对SNLA接收的原始信号进行降噪处理，提升信号的信噪比；通过SNLA的自相关域获得的空间谱无假峰、旁瓣宽度小的特性，可以提升水下DOA估计的方向性和抗干扰能力；通过在发射端控制信号的信噪比和快拍数，在复杂海洋环境下信号源发射的信号都可以被接收到，且本方法准确性能优于离散傅里叶变换和平滑MUSIC。
通过上述方法得到信号源的预测角度，分析这些预测角度的均方误差能以保证对信号源准确定位。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，该方法具体包括如下步骤：
第一步：获取稀疏嵌套线性阵列换能器接收的多个不同角度的源信号；
第二步：利用DWT去噪模块对接收到的所述源信号进行降噪处理；
第三步：基于协方差矩阵构建自相关序列，用所述自相关序列求解广义特征值；
第四步：进一步对参数进行优化处理，获得基于自相关域的空间谱；
第五步：通过搜寻所述自相关域的空间谱的峰值，获取所述信号源的预测角度；以及
第六步：通过均方根误差评估DOA估计方法的性能。
2.根据权利要求1所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在第一步中，包括定义水下声信号阵列模型：
在所述稀疏嵌套线性阵列SNLA中，将所述稀疏嵌套线性阵列SNLA的物理传感器的位置表示为Sαd，其中α为稀疏系数，d＝λ/2，并且S表示为：
Figure FDA0003374925220000011
进一步定义
Figure FDA0003374925220000012
则a1(θq)和a2(θq)分别表示为：
Figure FDA0003374925220000013
Figure FDA0003374925220000014
其中a1(θq)是第一个均匀线性阵列ULA对应的第q源的方向子向量，a2(θq)是第二个均匀线性阵列ULA对应的第q源的方向子向量；因此，所述稀疏嵌套线性阵列SNLA的方向矩阵表示为：
Figure FDA0003374925220000021
3.根据权利要求2所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，进一步假设有Q个不相关的窄带水下声信号源从{θ1，θ2，…，θq，…，θQ}方向撞击在所述稀疏嵌套线性阵列SNLA上，且目标发射一个带有载波频率为f0Hz和幅度为aq(t)的信号，由于w0＝2πf0，该信号表示为：
Figure FDA0003374925220000022
并且稀疏嵌套线性阵列在t时间接收到的信号可以表示为：
Figure FDA0003374925220000023
其中s(t)是信号矢量，n(t)是元素均值为零且方差为σ2的加性高斯白噪声向量。
4.根据权利要求1所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在第二步中，包括定义DWT去噪模块：
定义时域信号x(t)的所述DWT去噪模块为：
Figure FDA0003374925220000024
其中j＝0，1，2，…，log2(T)，k＝1，2，…，T2-j，T表示信号的快拍数。
5.根据权利要求4所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，所述DWT去噪模块包括信号分解、阈值处理以及信号重构。
6.根据权利要求5所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在所述信号分解中，包括让原始信号x(t)先通过半带高通滤波器和低通滤波器先消除一半的样品，然后对信号进行下采样行进一步分解。
7.根据权利要求6所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在所述阈值处理中，采用软方法或硬方法对信号进行阈值处理，获得重构去噪信号的最佳分量；
软方法对信号进行阈值处理的计算公式如下：
Figure FDA0003374925220000031
硬方法对信号进行阈值处理的计算公式如下：
Soft threshold y＝sign(x)(|x|-ξ)。
8.根据权利要求7所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在所述信号重构中，包括对每一级的信号进行下采样，然后分别通过半带高通滤波器和低通滤波器，最后将所述半带高通滤波器和所述低通滤波器的输出相加以获得信号
Figure FDA0003374925220000032
9.根据权利要求8所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在第三步中，经过所述DWT去噪模块去噪后得到
Figure FDA0003374925220000033
的协方差矩阵为：
Figure FDA0003374925220000034
10.根据权利要求9所述的基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，其特征在于，在第三步中，包括定义所述稀疏嵌套线性阵列SNLA的空间自相关序列：
Figure FDA0003374925220000035
其中L＝M2(M1+1)-1，
Figure FDA0003374925220000036
进一步将
Figure FDA0003374925220000037
定义为广义特征值，其中
Figure FDA0003374925220000038
B、C和γ设置为：
Figure FDA0003374925220000039
Figure FDA0003374925220000041
Figure FDA0003374925220000042
则求解广义特征值的具体步骤如下：
S31、定义求解广义特征值必需的矩阵
Figure FDA0003374925220000043
A2＝BHB；
S32、重构矩阵
Figure FDA0003374925220000044
S33、通过求解Px＝γJx得到特征值和特征向量；
S34、将获得的特征值中最小的特征值作为γ，并将其对应的特征向量作为x；
S35、将向量x除以它的第一个元素可以得到向量C。
CN202111413075.9A 2021-11-25 2021-11-25 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法 Pending CN114167355A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111413075.9A CN114167355A (zh) 2021-11-25 2021-11-25 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111413075.9A CN114167355A (zh) 2021-11-25 2021-11-25 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法

Publications (1)

Publication Number Publication Date
CN114167355A true CN114167355A (zh) 2022-03-11

Family

ID=80480861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111413075.9A Pending CN114167355A (zh) 2021-11-25 2021-11-25 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法

Country Status (1)

Country Link
CN (1) CN114167355A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140111372A1 (en) * 2012-10-22 2014-04-24 Saab-Sensis Corporation Sensor system and method for determining target location using sparsity-based processing
CN107015190A (zh) * 2017-03-01 2017-08-04 浙江大学 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法
CN109143153A (zh) * 2018-05-22 2019-01-04 电子科技大学 一种基于稀疏重构的超嵌套阵列波达方向估计方法
CN110244272A (zh) * 2019-06-14 2019-09-17 西安电子科技大学 基于秩一去噪模型的波达方向估计方法
WO2021139208A1 (zh) * 2020-01-08 2021-07-15 华南理工大学 一种基于特定频率组合信号的一维doa估计方法
CN113376569A (zh) * 2021-05-21 2021-09-10 西安理工大学 基于最大似然的嵌套阵稀疏表示波达方向估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140111372A1 (en) * 2012-10-22 2014-04-24 Saab-Sensis Corporation Sensor system and method for determining target location using sparsity-based processing
CN107015190A (zh) * 2017-03-01 2017-08-04 浙江大学 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法
CN109143153A (zh) * 2018-05-22 2019-01-04 电子科技大学 一种基于稀疏重构的超嵌套阵列波达方向估计方法
CN110244272A (zh) * 2019-06-14 2019-09-17 西安电子科技大学 基于秩一去噪模型的波达方向估计方法
WO2021139208A1 (zh) * 2020-01-08 2021-07-15 华南理工大学 一种基于特定频率组合信号的一维doa估计方法
CN113376569A (zh) * 2021-05-21 2021-09-10 西安理工大学 基于最大似然的嵌套阵稀疏表示波达方向估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周青;孙海信;周明章;: "一种水声通信信号调制模式识别方法", 通信对抗, no. 02, 15 June 2017 (2017-06-15) *
赵宏伟;刘波;刘恒;: "一种改进的稀疏表示DOA估计算法", 电子设计工程, no. 09, 5 May 2016 (2016-05-05) *

Similar Documents

Publication Publication Date Title
CN110031794B (zh) 一种基于差分共性阵重构的相干信源doa估计方法
Han et al. Wideband Gaussian source processing using a linear nested array
JP2999266B2 (ja) １次元又は２次元の方向推定または周波数推定のための信号の高分解能評価方法
CN107505602A (zh) 嵌套阵下基于dft的doa估计方法
CN109459744B (zh) 一种实现多干扰抑制的稳健自适应波束形成方法
CN108872970B (zh) 适用于一般等间距稀疏阵列单频信号波束形成的栅瓣判别方法
CN111024209B (zh) 一种适用于矢量水听器的线谱检测方法
Sun et al. Improving the performance of a vector sensor line array by deconvolution
CN108921014A (zh) 一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法
CN109597021B (zh) 一种波达方向估计方法及装置
CN108398659B (zh) 一种矩阵束与求根music结合的波达方向估计方法
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
CN110727915B (zh) 一种基于数据相关约束的鲁棒自适应波束形成方法
CN106646531B (zh) 一种多星约束稳健空频抗干扰处理方法和装置
CN111175727B (zh) 一种基于条件波数谱密度的宽带信号方位估计的方法
Okane et al. Resolution improvement of wideband direction-of-arrival estimation" Squared-TOPS"
CN110320492B (zh) 一种基于导向矢量对称特性的低复杂度doa估计方法
CN114167355A (zh) 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法
CN113721184B (zh) 基于改进music算法的近场信号源定位方法
CN114563760B (zh) 一种基于sca阵型的二阶超波束形成方法、设备及介质
CN112965026B (zh) 一种具有先验定位角度范围的doa阵元间距设置方法
CN114184999B (zh) 一种互耦小孔径阵列的生成式模型处理方法
CN115469286A (zh) 基于毫米波汽车雷达最小冗余mimo阵列的超分辨测角方法
Gantayat et al. An efficient direction‐of‐arrival estimation of multipath signals with impulsive noise using satin bowerbird optimization‐based deep learning neural network
CN108181611A (zh) 基于子空间的压缩感知高分辨阵列处理方法

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