CN116520249B - 基于空域矩阵预滤波的反卷积聚焦定位方法 - Google Patents

基于空域矩阵预滤波的反卷积聚焦定位方法

Info

Publication number
CN116520249B
CN116520249B CN202310515641.XA CN202310515641A CN116520249B CN 116520249 B CN116520249 B CN 116520249B CN 202310515641 A CN202310515641 A CN 202310515641A CN 116520249 B CN116520249 B CN 116520249B
Authority
CN
China
Prior art keywords
band
sub
noise source
matrix
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
Application number
CN202310515641.XA
Other languages
English (en)
Other versions
CN116520249A (zh
Inventor
惠娟
孟霞
赵安邦
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 CN202310515641.XA priority Critical patent/CN116520249B/zh
Publication of CN116520249A publication Critical patent/CN116520249A/zh
Application granted granted Critical
Publication of CN116520249B publication Critical patent/CN116520249B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • 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 OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开一种基于空域矩阵预滤波的反卷积聚焦定位方法，包括利用声压水听器阵列接收来自近场的噪声源信号；获取每个子频段对应的互谱矩阵；获得对应的子频段的常规聚焦波束形成；获得宽带常规聚焦波束形成；获取强噪声源的位置坐标；在强噪声源附近设计各个子频段对应的空域矩阵滤波器；获取各个子频段滤波后的协方差矩阵；获取各个子频段处经过对应的空域矩阵滤波器预滤波后的常规聚焦输出；获取各个子频段处对应的阵列指向性函数字典；对各个子频段处对应的阵列指向性函数字典和各个子频段处对应的常规聚焦输出进行反卷积迭代，以获取各个子频段处对应的噪声源分布；对各个子频段处对应的噪声源分布进行求和，以获取最终的弱噪声源分布。

Description

基于空域矩阵预滤波的反卷积聚焦定位方法
技术领域
本发明涉及阵列信号处理领域，尤其是涉及一种基于空域矩阵预滤波的反卷积聚焦定位方法。
背景技术
常规聚焦波束形成是一种常见的声源定位方法，只需要在测量区域布放传感器即可。声聚焦相较于声全息算法，设备更简单，同时定位精度高，增益高，稳健性高，广泛应用于噪声源位置测量中。《聚焦波束形成声图测量原理研究》(发表于声学学报,2007,32(4):356-361)一文中提出利用常规聚焦波束形成算法，对噪声源进行定位，但利用该算法对低频噪声源进行定位时往往存在宽波束、高旁瓣等现象。
当扫描区域内同时有多个噪声源时，对其中的单个噪声源来说，其它噪声源均可视为背景干扰。当噪声源之间强弱明显时，弱噪声源极有可能被淹没在旁瓣中。为了提高弱噪声源的定位性能，对其它噪声源进行抑制是一种途径，而对噪声源进行抑制的一种思路是利用空域矩阵滤波器形成零陷。《声呐波束形成鲁棒性及算法研究》(哈尔滨工程大学,2011:65-85)一文中提出了基于矩阵空域滤波器的近场声源定位方法，可实现弱噪声源定位，但该方法对于低频弱噪声源的定位仍存在定位精度低等问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
本发明的目的在于提供一种基于空域矩阵预滤波的反卷积聚焦定位方法，当强弱噪声源同时存在时，利用该方法能够避免低频弱噪声源在定位过程中出现的被强噪声源淹没、聚焦峰尺度大等问题，进一步降低了强噪声源对低频弱噪声源定位的影响，进而实现对低频弱噪声源进行高精度定位。
根据本申请的实施例，提供了一种基于空域矩阵预滤波的反卷积聚焦定位方法，包括以下步骤：
步骤1、利用声压水听器阵列接收来自近场的噪声源信号，整个所述声压水听器阵列接收到的噪声源信号为x(t)，x(t)用公式表示为：
x(t)＝[x1(t),x2(t),...,xm(t),…,xM(t)]
式中，m和M均为大于等于1的整数；M表示声压水听器阵列中的阵元的数量；xm(t)表示第m个阵元接收到的噪声源信号；
步骤2、将整个所述声压水听器阵列接收到的噪声源信号x(t)变换到频域进行处理；以及，将整个所述声压水听器阵列接收到的噪声源信号x(t)的接收频段拆分为多个子频段fj，获取每个子频段fj对应的互谱矩阵R(fj)，j为大于等于1的整数；
步骤3、将二维的扫描区域转化为一维的扫描区域；以及，将二维的扫描区域中的扫描点以列拼接的方式重新排列，使得每一个二维扫描点均对应到一个一维扫描点；
步骤4、基于每个子频段fj的互谱矩阵R(fj)，按照一维扫描点u的顺序对每个子频段fj分别进行相位补偿，以获得对应的子频段fj处的常规聚焦波束形成P(u,fj)；以及，对各个子频段fj处的常规聚焦波束形成P(u,fj)进行求和，以获得宽带常规聚焦波束形成P(u)；
步骤5、基于所述宽带常规聚焦波束形成P(u)获取强噪声源的位置坐标；以及，在强噪声源附近基于MS准则和二阶锥规划理论分别设计各个子频段fj对应的空域矩阵滤波器G(fj)；
步骤6、基于各个子频段fj对应的空域矩阵滤波器G(fj)以及每个子频段fj对应的互谱矩阵R(fj)，获取各个子频段fj滤波后的协方差矩阵RG(fj)；
步骤7、基于协方差矩阵RG(fj)获取各个子频段fj处经过对应的空域矩阵滤波器G(fj)预滤波后的常规聚焦输出BG(u,fj)；
步骤8、获取各个子频段fj处对应的阵列指向性函数字典p(u|v,fj)，v表示一维噪声源点；
步骤9、基于扩展RL算法对各个子频段fj处对应的阵列指向性函数字典p(u|v,fj)和各个子频段fj处对应的常规聚焦输出BG(u,fj)进行反卷积迭代，以获取各个子频段fj处对应的噪声源分布；
步骤10、对各个子频段fj处对应的噪声源分布进行求和，以获取最终的弱噪声源分布。
在上述方法中，在步骤1中，第m个阵元接收到的噪声源信号xm(t)，用公式表示为：
式中，m和k均为大于等于1的整数；Am,k表示第m个阵元接收到的第k个噪声源的信号强度；sk(t)表示第k个噪声源的辐射信号；rm,k表示第k个噪声源到第m个阵元的距离，c表示声速。
在上述方法中，在步骤2中，每个子频段对应的互谱矩阵R(fj)，用公式表示为：
R(fj)＝E{X(fj)XH(fj)}
式中，X(fj)表示声压水听器阵列在子频段fj处接收到的噪声源信号x(t)的傅里叶变换；XH(fj)表示声压水听器阵列在子频段fj处接收到的噪声源信号x(t)的傅里叶变换的共轭转置；E{·}表示求平均数。
在上述方法中，在步骤4中，子频段fj处常规聚焦波束形成P(u,fj)，用公式表示为：
P(u,fj)＝aH(u,fj)R(fj)a(u,fj)
式中，表示对应的子频段fj处的权向量；rm'表示一维扫描点u到第m个阵元的距离；aH(u,fj)表示子频段fj处，在一维扫描点u进行相位补偿的权向量的共轭转置。
在上述方法中，在步骤4中，所述宽带常规聚焦波束形成P(u)，用公式表示为：
在上述方法中，在步骤5中，在所述宽带常规聚焦波束形成p(u)中查找峰值点p(um),所述峰值点p(um)对应一维扫描点um，强噪声源的位置坐标是一维扫描点um对应的二维坐标点。
在上述方法中，在步骤5中，在强噪声源的位置附近的扫描点的集合为阻带区域，剩余扫描点的集合为通带区域。
在上述方法中，在步骤5中，各个子频段fj对应的空域矩阵滤波器G(fj)的向量化形式g，用公式表示为：
||g||≤η
式中，表示位于通带区域的所有扫描点处的导向矢量的转置；
UP表示位于通带区域内的扫描点集合，NP表示通带区域内的扫描点的个数；
表示通带区域内的所有扫描点处的导向矢量经过空域滤波后的集合的向量化；表示子频段fj处的位于通带区域内的扫描点经过滤波后的导向矢量；
aT(us,fj)表示子频段fj处的位于阻带区域内的扫描点经过滤波后的导向矢量的共轭转置，US表示阻带区域内的扫描点集合,NS表示通带区域内的扫描点的个数；
表示维单元阵；δ表示阻带衰减量的最大值；η表示对矩阵滤波器Frobenius范数的限制值；
表示目标线性函数；
us∈US表示二阶锥约束；
以及，利用cvx工具箱获得所述向量化形式g，并对所述向量化形式g重新排列以获得各个子频段fj处的空域矩阵滤波器G(fj)。
在上述方法中，在步骤6中，各个子频段fj滤波后的协方差矩阵RG(fj)，用公式表示为：
RG(fj)＝GH(fj)R(fj)G(fj)。
在上述方法中，在步骤7中，预滤波后的常规聚焦输出BG(u,fj)，用公式表示为：
式中，为子频段fj处的位于通带区域内的扫描点经过滤波后的导向矢量。
根据本申请所提供的技术方案，至少具有如下有益效果：
a)通过空域矩阵滤波器对强噪声源产生的噪声源信号进行滤除，提高了弱噪声源的信干比，更有利于弱噪声源的定位。
b)对强噪声源的位置估计具有容错性，当强噪声源位置估计错误时，只要其位置仍在设计的空域矩阵滤波器的阻带范围内，仍可以对该强噪声源产生的噪声源信号进行抑制。
c)相对于基于空域矩阵预滤波的常规聚焦波束形成，滤波后采用扩展RL算法可获得更小的聚焦峰尺度，更低的旁瓣。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提供的定位方法的流程图；
图2为本申请实施例提供的水平阵声源定位模型；
图3为本申请实施例提供的二维扫描点转化为一维扫描点的示意图；
图4为本申请实施例提供的常规聚焦波束形成的效果图；
图5为本申请实施例提供的空域矩阵滤波预处理器的性能效果图；
图6为本申请实施例提供的基于空域矩阵预处滤波的常规波束形成的效果图；
图7为本申请实施例提供的预估错位置后的基于空域矩阵预滤波的常规波束形成的效果图；
图8为本申请实施例提供的基于空域矩阵预滤波的扩展RL算法的效果图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而非用于描述特定的顺序或先后次序。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
如图1所示，本申请的实施例提供了一种基于空域矩阵预滤波的反卷积聚焦定位方法，该方法包括以下步骤：
步骤1、利用声压水听器阵列接收来自近场的噪声源信号，整个声压水听器阵列接收到的噪声源信号为x(t)，x(t)用公式表示为：
x(t)＝[x1(t),x2(t),…,xm(t),…,xM(t)]
在该步骤中，声压水听器阵列具有多个阵元，若声压水听器阵列为水平直线阵，以多个阵元所在的直线为x轴，建立如图2所示的坐标系，m和M均为大于等于1的整数，M表示声压水听器阵列中的阵元的数量，xm(t)表示第m个阵元接收到的噪声源信号，第m个阵元的坐标为(xm,0,0)；噪声源在z＝z0的平面上运动并产生对应的噪声源信号，共有K个噪声源，第k个噪声源的坐标是(xk,yk,z0)。需要说明的是，在本申请中，噪声源包括强噪声源和弱噪声源，均产生各自对应的噪声源信号。
具体地，多个阵元等间距布放于x轴以分别接收对应的噪声源信号xm(t)，xm(t)用公式表示为：
式中，m和k均为大于等于1的整数；Am,k表示第m个阵元接收到的第k个噪声源的信号强度；sk(t)表示第k个噪声源的辐射信号；rm,k表示第k个噪声源到第m个阵元的距离，c表示声速。
步骤2、将整个声压水听器阵列接收到的噪声源信号x(t)变换到频域进行处理；以及，将整个声压水听器阵列接收到的噪声源信号x(t)的接收频段拆分为多个子频段fj，获取每个子频段fj对应的互谱矩阵R(fj)，j为大于等于1的整数。
在该步骤中，通过对整个声压水听器阵列接收到的噪声源信号x(t)进行傅里叶变换，使其变换至频域进行处理。
在该步骤中，若整个声压水听器阵列接收到的噪声源信号x(t)的接收频段的下限为fl，上限为fh，则将fl～fh频段等间距平均拆分为j个子频段，每个子频段fj的互谱矩阵R(fj)用公式表示为：
R(fj)＝E{X(fj)XH(fj)}
式中，X(fj)表示声压水听器阵列在子频段fj处接收到的噪声源信号x(t)的傅里叶变换；XH(fj)表示声压水听器阵列在子频段fj处接收到的噪声源信号x(t)的傅里叶变换的共轭转置；E{·}表示求平均数。
步骤3、将二维的扫描区域转化为一维的扫描区域；以及，将二维的扫描区域中的扫描点以列拼接的方式重新排列，使得每一个二维扫描点均能对应到一个一维扫描点u。
在该步骤中，若二维的扫描区域中x方向的扫描点个数为NX，y方向的扫描点个数为NY，则扫描点的总个数为Ω＝NX×NY。
在该步骤中，将二维的扫描区域中的扫描点以列拼接的方式重新排列，如图3所示，每一个二维扫描点(x,y)均对应到一个一维扫描点u。
步骤4、基于每个子频段的互谱矩阵R(fj)，按照一维扫描点u的顺序对每个子频段fj分别进行相位补偿，以获得对应的子频段fj处的常规聚焦波束形成P(u,fj)；以及，对各个子频段fj处的常规聚焦波束形成P(u,fj)进行求和，以获得宽带常规聚焦波束形成P(u)。
在该步骤中，常规聚焦波束形成P(u,fj)用公式表示为：
P(u,fj)＝aH(u,fj)R(fj)a(u,fj)
式中，表示对应的子频段fj处的权向量；rm'表示一维扫描点u到第m个阵元的距离；aH(u,fj)表示子频段fj处，在一维扫描点u进行相位补偿的权向量的共轭转置。
需要说明的是，该公式在实际运行时，u代表的是一维扫描点u处的常规聚焦波束输出。
在该步骤中，宽带常规聚焦波束形成P(u)用公式表示为：
步骤5、基于宽带常规聚焦波束形成P(u)获取强噪声源的位置坐标；以及，在强噪声源附近基于MS准则和二阶锥规划理论分别设计各个子频段fj对应的空域矩阵滤波器G(fj)。
在该步骤中，在宽带常规聚焦波束形成p(u)中找到峰值点p(um),该峰值点p(um)对应一维扫描点um，一维扫描点um对应的二维坐标点即为强噪声源的位置坐标；在强噪声源的位置附近的扫描点的集合为阻带区域，剩余扫描点的集合为通带区域。
具体地，基于MS准则和二阶锥规划理论设计空域矩阵滤波器G(fj)的向量化形式g。在该步骤中，需要分别对各个子频段fj进行设计，用公式表示为：
||g||≤η
式中，表示位于通带区域的所有扫描点处的导向矢量的转置；
UP表示位于通带区域内的扫描点集合，NP表示通带区域内的扫描点的个数；
表示通带区域内的所有扫描点处的导向矢量经过空域滤波后的集合的向量化；表示子频段fj处的位于通带区域内的扫描点经过滤波后的导向矢量；
aT(us,fj)表示子频段fj处的位于阻带区域内的扫描点经过滤波后的导向矢量的共轭转置，US表示阻带区域内的扫描点集合,NS表示通带区域内的扫描点的个数；
表示维单元阵；δ表示阻带衰减量的最大值；η表示对矩阵滤波器Frobenius范数的限制值，可限制噪声的衰减；
表示目标线性函数；
us∈US表示二阶锥约束。
进一步地，利用cvx工具箱获得向量化形式g(g是个一维向量)，并对向量化形式g重新排列即可获得各个子频段fj处的空域矩阵滤波器G(fj)。
在本申请中，在强噪声源附近分别设计各个子频段fj对应的空域矩阵滤波器G(fj)，以达到对强噪声源产生的噪声源信号进行滤除的效果，使得声压水听器阵列接收的噪声源信号中只保留弱噪声源的噪声源信号，有利于提高弱噪声源的信干比，为后续弱噪声源的精确定位做准备。
步骤6、基于各个子频段fj对应的空域矩阵滤波器G(fj)以及每个子频段对应的互谱矩阵R(fj)，获取各个子频段fj滤波后的协方差矩阵RG(fj)。
在该步骤中，各个子频段fj滤波后的协方差矩阵RG(fj)，用公式表示为：
RG(fj)＝GH(fj)R(fj)G(fj)。
步骤7、基于协方差矩阵RG(fj)获取各个子频段fj处经过对应的空域矩阵滤波器G(fj)预滤波后的常规聚焦输出BG(u,fj)。
在该步骤中，预滤波后的常规聚焦输出BG(u,fj)用公式表示为：
式中，表示子频段fj处的位于通带区域内的扫描点经过滤波后的导向矢量。
步骤8、获取各个子频段fj处对应的阵列指向性函数字典p(u|v,fj)。
在该步骤中，阵列指向性函数字典p(u|v,fj)用公式表示为：
式中，rm'表示一维扫描点u到第m个阵元的距离；rm表示位于一维噪声源点v处的噪声源到第m个阵元的距离。
需要说明的是，阵列指向性函数字典p(u|v,fj)表示在子频段fj时，位于一维噪声源点v处的噪声源对扫描点u处的贡献量。扫描点u和一维噪声源点v位于同一片扫描区域。该公式在实际运行时，u代表的是一维扫描点u处的常规聚焦波束输出，v代表的是一维噪声源点处的声功率。所有p(u|v,fj)的集合称为子频段fj处的阵列指向性函数字典(PSF)。
步骤9、基于扩展RL算法对各个子频段fj处对应的阵列指向性函数字典p(u|v,fj)和各个子频段fj处对应的常规聚焦输出BG(u,fj)进行反卷积迭代，以获取各个子频段fj处对应的噪声源分布。
在该步骤中，基于扩展RL算法进行迭代，需选择合适的迭代次数，可将前后两次迭代结果的差值作为迭代截止条件，迭代初值为经过预滤波后的常规聚焦波束形成；扩展RL算法迭代公式如下：
式中，u表示一维扫描点；v表示一维噪声源点；B(r)(u,fj)表示各个子频段fj处经第r次迭代后的波束结果；q(r)(v,fj)表示各个子频段fj处经第r次迭代后的噪声源分布。
需要说明的是，迭代次数可根据实际需要进行设置，在本申请中不作具体限制。
在本申请中，将扩展RL算法应用于近场声源定位中可提高声源的定位精度。
步骤10、对各个子频段fj处对应的噪声源分布进行求和，以获取最终的弱噪声源分布。
在该步骤中，最终的弱噪声源分布用公式表示为：
下面将从计算机仿真角度对本申请基于空域矩阵预滤波的扩展RL算法进行对比和验证。
仿真环境的具体参数为：
海深20m；
水平直线阵的阵元个数为20个；
阵元间距5m；
布阵深度18m；
设声源运动深度5m；
声速c取1450m/s；
带限噪声频段为300Hz～500Hz；
声源信号为宽带信号，采样频率为100kHz，频段为300Hz～500Hz，各子频段带宽为10Hz,强噪声源信噪比10dB，弱噪声源信噪比为0dB；
声源分别位于(-8m,25m,13m)和(12m,20m,13m)位置处。
基于空域矩阵滤波的扩展RL算法，迭代次数取100，对弱噪声源进行定位，当强噪声源位置预估错误时，假设估计的强噪声源位置为(-9m,26m,13m)。
结合图4可以看出，在扫描区域内存在两个声源强度相差较大的声源时，强噪声源会将弱噪声源掩盖，对于弱噪声源，强噪声源的存在相当于提高了背景噪声，使信噪比相对降低，无法实现对弱噪声源的定位，定位结果中只有强噪声源。
在强噪声源区域x∈[-12m,-4m],y∈[23m,28m]设计空域矩阵滤波器，由图5可见，该区域出现阻带衰减，在此区域内扫描点的导向矢量将近似被置零，在此区域内的信号被滤除。
结合图6来看，若在强噪声源所在区域设计阻带矩阵滤波器，再进行常规聚焦波束形成，此时强噪声源被抑制，可以得到弱噪声源的位置，定位结果的归一化背景级约为0.2。
由图7可知，当强噪声源位置预估错误时，空域矩阵滤波器也有一定的容错性，只要强噪声源的位置在阻带内，都可以将其抑制，提高算法对弱噪声源的定位能力。
参考图8可知，将空域矩阵滤波与扩展RL算法结合，弱噪声源的聚焦峰尺度和旁瓣比常规聚焦波束形成小，定位精度更高，更有利于弱噪声源的定位。
本申请将空域矩阵滤波与扩展RL算法相结合，首先对强噪声源位置进行估计，设计强噪声源附近处的空域矩阵滤波器；因为在弱噪声源定位的过程中，强噪声源产生的噪声源信号会对弱噪声源的定位产生干扰，基于强噪声源附近处的空域矩阵滤波器可将强噪声源产生的噪声源信号滤除，只保留弱噪声源的噪声源信号；之后基于扩展RL算法实现对低频弱噪声源的精准定位。
以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于空域矩阵预滤波的反卷积聚焦定位方法，其特征在于，包括以下步骤：
步骤1、利用声压水听器阵列接收来自近场的噪声源信号，整个所述声压水听器阵列接收到的噪声源信号为x(t)，x(t)用公式表示为：
x(t)＝[x1(t),x2(t),...,xm(t),...,xM(t)]
式中，m和M均为大于等于1的整数；M表示声压水听器阵列中的阵元的数量；xm(t)表示第m个阵元接收到的噪声源信号；
步骤2、将整个所述声压水听器阵列接收到的噪声源信号x(t)变换到频域进行处理；以及，将整个所述声压水听器阵列接收到的噪声源信号x(t)的接收频段拆分为多个子频段fj，获取每个子频段fj对应的互谱矩阵R(fj)，j为大于等于1的整数；
步骤3、将二维的扫描区域转化为一维的扫描区域；以及，将二维的扫描区域中的扫描点以列拼接的方式重新排列，使得每一个二维扫描点均对应到一个一维扫描点；
步骤4、基于每个子频段fj的互谱矩阵R(fj)，按照一维扫描点u的顺序对每个子频段fj分别进行相位补偿，以获得对应的子频段fj处的常规聚焦波束形成P(u,fj)；以及，对各个子频段fj处的常规聚焦波束形成P(u,fj)进行求和，以获得宽带常规聚焦波束形成P(u)；
步骤5、基于所述宽带常规聚焦波束形成P(u)获取强噪声源的位置坐标；以及，在强噪声源附近基于MS准则和二阶锥规划理论分别设计各个子频段fj对应的空域矩阵滤波器G(fj)；
步骤6、基于各个子频段fj对应的空域矩阵滤波器G(fj)以及互谱矩阵R(fj)，获取各个子频段fj滤波后的协方差矩阵RG(fj)；
步骤7、基于协方差矩阵RG(fj)获取各个子频段fj处经过对应的空域矩阵滤波器G(fj)预滤波后的常规聚焦输出BG(u,fj)；
步骤8、获取各个子频段fj处对应的阵列指向性函数字典p(u|v,fj)，v表示一维噪声源点；
步骤9、基于扩展RL算法对各个子频段fj处对应的阵列指向性函数字典p(u|v,fj)和常规聚焦输出BG(u,fj)进行反卷积迭代，以获取各个子频段fj处对应的噪声源分布；
步骤10、对各个子频段fj处对应的噪声源分布进行求和，以获取最终的弱噪声源分布。
2.根据权利要求1所述的定位方法，其特征在于，在步骤1中，第m个阵元接收到的噪声源信号xm(t)，用公式表示为：
式中，m和k均为大于等于1的整数；Am,k表示第m个阵元接收到的第k个噪声源的信号强度；sk(t)表示第k个噪声源的辐射信号；rm,k表示第k个噪声源到第m个阵元的距离，xk表示第k个噪声源在x轴上的位置；xm表示第m个阵元在x轴上的位置；yk表示第k个噪声源在y轴上的位置；z0表示第k个噪声源在z轴上的位置；c表示声速。
3.根据权利要求1所述的定位方法，其特征在于，在步骤2中，每个子频段对应的互谱矩阵R(fj)，用公式表示为：
R(fj)＝E{X(fj)XH(fj)}
式中，X(fj)表示声压水听器阵列在子频段fj处接收到的噪声源信号x(t)的傅里叶变换；XH(fj)表示声压水听器阵列在子频段fj处接收到的噪声源信号x(t)的傅里叶变换的共轭转置；E{·}表示求平均数。
4.根据权利要求1所述的定位方法，其特征在于，在步骤4中，子频段fj处常规聚焦波束形成P(u,fj)，用公式表示为：
P(u,fj)＝aH(u,fj)R(fj)a(u,fj)
式中，表示对应的子频段fj处的权向量；r′m表示一维扫描点u到第m个阵元的距离；aH(u,fj)表示子频段fj处，在一维扫描点u进行相位补偿的权向量的共轭转置；c表示声速。
5.根据权利要求4所述的定位方法，其特征在于，在步骤4中，所述宽带常规聚焦波束形成P(u)，用公式表示为：
6.根据权利要求1所述的定位方法，其特征在于，在步骤5中，在所述宽带常规聚焦波束形成p(u)中查找峰值点p(um),所述峰值点p(um)对应一维扫描点um，强噪声源的位置坐标是一维扫描点um对应的二维坐标点。
7.根据权利要求1所述的定位方法，其特征在于，在步骤5中，在强噪声源的位置附近的扫描点的集合为阻带区域，剩余扫描点的集合为通带区域。
8.根据权利要求7所述的定位方法，其特征在于，在步骤5中，各个子频段fj对应的空域矩阵滤波器G(fj)的向量化形式g，用公式表示为：
式中，表示位于通带区域的所有扫描点处的导向矢量的转置；a(u1,fj)表示子频段fj处的位于通带区域的第一个扫描点处的导向矢量；a(u2,fj)表示子频段fj处的位于通带区域的第二个扫描点处的导向矢量；表示子频段fj处的位于通带区域的第个扫描点处的导向矢量；UP表示位于通带区域内的扫描点集合，NP表示通带区域内的扫描点的个数；
表示通带区域内的所有扫描点处的导向矢量经过空域滤波后的集合的向量化；表示子频段fj处的位于通带区域内的扫描点经过滤波后的导向矢量；
aT(us,fj)表示子频段fj处的位于阻带区域内的扫描点经过滤波后的导向矢量的共轭转置，US表示阻带区域内的扫描点集合,NS表示通带区域内的扫描点的个数；
表示维单元阵；δ表示阻带衰减量的最大值；η表示对矩阵滤波器Frobenius范数的限制值；
表示目标线性函数；
表示二阶锥约束；
以及，利用cvx工具箱获得所述向量化形式g，并对所述向量化形式g重新排列以获得各个子频段fj处的空域矩阵滤波器G(fj)。
9.根据权利要求1所述的定位方法，其特征在于，在步骤6中，各个子频段fj滤波后的协方差矩阵RG(fj)，用公式表示为：
RG(fj)＝GH(fj)R(fj)G(fj)。
10.根据权利要求1所述的定位方法，其特征在于，在步骤7中，预滤波后的常规聚焦输出BG(u,fj)，用公式表示为：
式中，为子频段fj处的位于通带区域内的扫描点经过滤波后的导向矢量。
CN202310515641.XA 2023-05-09 2023-05-09 基于空域矩阵预滤波的反卷积聚焦定位方法 Active CN116520249B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310515641.XA CN116520249B (zh) 2023-05-09 2023-05-09 基于空域矩阵预滤波的反卷积聚焦定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310515641.XA CN116520249B (zh) 2023-05-09 2023-05-09 基于空域矩阵预滤波的反卷积聚焦定位方法

Publications (2)

Publication Number Publication Date
CN116520249A CN116520249A (zh) 2023-08-01
CN116520249B true CN116520249B (zh) 2025-07-18

Family

ID=87400836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310515641.XA Active CN116520249B (zh) 2023-05-09 2023-05-09 基于空域矩阵预滤波的反卷积聚焦定位方法

Country Status (1)

Country Link
CN (1) CN116520249B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107861114A (zh) * 2017-11-07 2018-03-30 哈尔滨工程大学 一种基于水声阵列空域反转的噪声抑制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9299336B2 (en) * 2011-11-04 2016-03-29 Brüel & Kjær Sound & Vibration Measurement A/S Computationally efficient broadband filter-and-sum array focusing
CN106291467A (zh) * 2015-06-09 2017-01-04 中兴通讯股份有限公司 一种实现拍摄的方法及终端
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 (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107861114A (zh) * 2017-11-07 2018-03-30 哈尔滨工程大学 一种基于水声阵列空域反转的噪声抑制方法

Also Published As

Publication number Publication date
CN116520249A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN114089279B (zh) 一种基于均匀同心圆麦克风阵列的声目标定位方法
CN109143190B (zh) 一种零陷展宽的宽带稳健自适应波束形成方法
CN107966677B (zh) 一种基于空间稀疏约束的圆阵模态域方位估计方法
Malyshkin et al. Optimal and adaptive methods of processing hydroacoustic signals
CN114047481B (zh) 一种基于子空间正交性的稳健自适应波束形成方法
CN105699950B (zh) 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法
CN104811867B (zh) 基于阵列虚拟扩展的麦克风阵列空域滤波方法
CN106249244A (zh) 一种声矢量圆阵宽带相干信号源方位估计方法
CN103969630A (zh) 一种基于频率响应不变的稳健宽带波束形成方法
CN111175727A (zh) 一种基于条件波数谱密度的宽带信号方位估计的方法
CN115993591A (zh) 一种基于特征子空间判决的自适应干扰抑制方法
Zhou et al. 2-D deconvolved conventional beamforming for a planar array
CN111812581B (zh) 基于原子范数的球面阵列声源波达方向估计方法
CN116520249B (zh) 基于空域矩阵预滤波的反卷积聚焦定位方法
Battista et al. Inverse methods for three-dimensional acoustic mapping with a single planar array
Fan et al. Underwater wideband coherent signals DOA estimation using sparse representation and deconvolution
CN114371441A (zh) 虚拟阵列波达方向估计方法、装置、产品及存储介质
CN112630760A (zh) 多目标条件下的强干扰抑制波束形成器设计方法
CN102183755A (zh) 一种基于柯西-高斯模型的新型高分辨方位估计方法
CN115201760B (zh) 基于多域联合的强海杂波抑制方法
CN112666521B (zh) 一种基于改进的自适应陷波器的室内声源定位方法
Friedlander et al. A parametric technique for time delay estimation
Feng et al. A Study of Sound Source Localization Based on Improved Time Delay Features and the Convolutional Neural Network
CN112649787B (zh) 一种基于低频圆环阵的目标方位估计方法
CN118068264B (zh) 一种基于十字形麦克风阵列的电力变压器多声源三维高精度定位方法

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