基于线阵综合声速补偿的近场波达方向估计方法及装置

摘要

本发明公开了一种基于线阵综合声速补偿的近场波达方向估计方法及装置，其方法包含两大步骤，分别是：1)推导综合声速补偿的近场波达方向估计模型；2)在步骤1)推导的模型下具体近场波达方向估计方法估计出方位角和距离位置参数，进而定位目标。本发明相对传统的水下目标定位方法更具有实用性，精度高。传统的方法在每一条传播路径上都使用了相同的声速，忽略了水流影响导致的综合声速的改变，在复杂的水流环境下会产生较大的误差，定位精度不高，不具有实用性，而本发明方法采用的是综合的空变声速，考虑到水流速的补偿，具有实用性和高精度的定位。

主权项

基于线阵综合声速补偿的近场波达方向估计方法，其特征在于，包括以下步骤：1)推导综合声速补偿的近场波达方向估计模型模型场景中有一均匀直线阵，有M个接收阵元，阵元间间距为d，被动式探测，有K个目标声源S₁,S₂,…,S_K为点源，频率为f，目标对应的方位角及距离参数分别为(θ₁，r₁),(θ₂，r₂),…,(θ_K，r_K)，其中θ_i是声源S_i与阵列的参考点之间的连线与阵元所在直线之间的夹角，θ_mi是声源S_i与第m个阵元之间的连线与阵元所在直线之间的夹角，d_m是第m个阵元与参考点之间的距离，r_i是声源S_i与阵列参考点之间的距离，i＝1,2,…,K；设水流方向与阵元所在直线之间的夹角为α，水流速度为v_water，声音在静止的水流中的速度设为v；对模型详细推导如下：1.1)第i个声源到第m个阵元的距离为：$r_{mi}=\sqrt{{\left(r_i{\mathrm{sin\theta }}_i\right)}^2+{(r_i{\mathrm{cos\theta }}_i-d_m)}^2}$其中，d_m＝[m‑(M+1)/2]d；1.2)声源S_i与第m个阵元之间的连线与阵元所在直线之间的夹角θ_mi为：${\theta }_{mi}=\arcsin \frac{r_i{\mathrm{sin\theta }}_i}{r_{mi}}$1.3)根据几何关系，可以求得第i个声源S_i到达阵元参考点与到达第m个阵元所需的时间之差τ_mi，求得：$t_i=\frac{r_i}{v+v_{water}cos({\theta }_i-\alpha )}$$t_{mi}=\frac{r_{mi}}{v+v_{water}\cos ({\theta }_{mi}-\alpha )}$因此，时间差τ_mi可以这样表达：${\tau }_{mi}=t_i-t_{mi}=\frac{r_i}{v+v_{water}cos({\theta }_i-\alpha )}-\frac{r_{mi}}{v+v_{water}\cos ({\theta }_{mi}-\alpha )}$1.4)对于K个声源信号，第m个阵元所接收到的全部信号为：$x_m\left(t\right)=\underset{i=1}{\overset{K}{\Sigma }}{\alpha }_{mi}{e}^{-j2{\mathrm{\pi f\tau }}_{mi}}{s}_i\left(t\right)+n_i\left(t\right)$其中，n_i(t)是接收第i个声源时的噪声，α_mi是幅度衰减参数，且${\alpha }_{mi}=\frac{r_i}{r_{mi}}$1.5)由上述四步可以得出整个阵列第t个时刻的接收信号为：X(t)＝AS(t)+N(t)其中，阵列流形矩阵2)在步骤1)推导的模型下具体近场波达方向估计方法估计出方位角和距离位置参数，进而定位目标，详细步骤如下：2.1)对接收M阵源的阵列信号做L次的快拍采样，得到M×L维的数据矩阵X；2.2)利用最大似然估计，计算出数据X协方差矩阵为：R_x＝XX^H/L2.3)对数据协方差矩阵R_x进行特征值分解，得到M个特征值λ_i(i＝1,...,M)和相对应的特征矢量e_i：R_xe_i＝λ_ie_i,i＝1,2,…,M2.4)划分信号子空间和噪声子空间，对R_x的特征值进行升序排列即其前K个小特征值对应的特征矢量组成信号子空间后M‑K个大特征值对应的特征矢量组成噪声子空间2.5)构造新模型下的新的空间谱函数，即构造步骤1)推导的近场波达方向估计模型的空间谱函数，因为新模型是有考虑到水流速度的影响，所以求出的时间差τ_mi与传统模型有所不同，也就使得新模型下所求得的阵列流形矩阵A自然与传统理想场景的A有所不同的，也即新模型下会有新的空间谱函数，对于第i个声源，新的空间谱函数为：$P({\theta }_i,r_i)=\frac{1}{\left|\right|a({\theta }_i,r_i)U_N|{|}^2},i=1,2,...,K$其中a(θ_i,r_i)是导向矢量，即阵列流形矩阵A的列矢量；$a({\theta }_i,r_i)=\left[\begin{array}{c}{\alpha }_{11}{e}^{-j2{\mathrm{\pi f\tau }}_{1i}}\\ {\alpha }_{21}{e}^{-j2{\mathrm{\pi f\tau }}_{2i}}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ {\alpha }_{M1}{e}^{-j2{\mathrm{\pi f\tau }}_{Mi}}\end{array}\right],i=1,2,...,K$2.6)进行方向和距离联合二维谱峰搜索，确定第K个声源的方向和距离信息：$({\theta }_i^{\prime },r_i^{\prime })=\underset{{\theta }_i,r_i}{\mathrm{argmax}}P({\theta }_i,r_i),i=1,2,...,K.$