一种基于高阶累计量的波达快速估计方法

摘要

本发明公开了一种基于高阶累计量的波达快速估计方法，属于信号处理技术领域。本发明针对现有基于高阶累积量的阵列信号处理方法所存在的计算复杂度过高的问题，利用线性时间的奇异值分解方法进行信号子空间的近似，从而大幅缩短算法的执行时间并大幅节约算法的占用内存。本发明还公开了一种基于声线传播时间层析的海洋声层析方法以及一种定位方法。本发明在保证较高分辨能力的同时，可大幅降低现有技术的时间复杂度与空间复杂度，减少硬件资源的消耗并提高信号处理的实时性。

主权项

一种基于高阶累计量的波达快速估计方法，利用等间距直线传感器阵列所接收到的观测数据，估计出信号源的波达方向及波达时间；该方法包括以下步骤：步骤A、对所述观测数据做傅里叶变换后进行空域‑频域平滑处理，并构造出空域‑频域平滑处理后信号的四阶累积量矩阵步骤B、根据所述四阶累积量矩阵构建观测数据的信号子空间；步骤C、根据观测数据的信号子空间，估计出信号源的波达方向及波达时间；其特征在于，所述步骤B具体如下：步骤B1、对矩阵的全部n个列向量分别按照概率进行随机抽样，得到c个列向量，其中表示矩阵的第i列，||||_F表示Frobenius‑范数，具体抽取过程：产生0～1的随机数，若该随机数小于前i列概率之和且大于前i‑1列概率之和，则第i列被抽中，按此方法进行c次，抽取出c个列向量，1<c<n；之后对抽取出的c个列向量进行缩放调整，第t次抽样抽取出的列向量的缩放因子为：将调整后的列向量组成矩阵步骤B2、对矩阵进行特征值分解；步骤B3、利用矩阵较大的前k个特征值对应的特征向量y，计算得到矩阵的k个特征向量h；其中特征向量y与特征向量h之间的关系为：其中，h^t表示第t个特征向量h，y^t表示第t个特征向量y，表示矩阵的第t个特征值，k为传感器阵列所接收到的信号个数的平方；步骤B4、以这k个特征向量h张成的空间近似作为观测数据的信号子空间。