一种声矢量阵快速方位估计方法

文档序号:8941921阅读:240来源:国知局
一种声矢量阵快速方位估计方法【
技术领域
】[0001]本发明涉及阵列信号处理领域,更确切的说,是一种声矢量阵快速方位估计方法。该方法可用于声矢量阵方位估计领域。【
背景技术
】[0002]与声压阵相比,声矢量阵具有许多明显的优势,得到了众多国内外学者广泛的关注和浓厚的研究兴趣。与声矢量阵CBF和MVDR算法相比,声矢量阵MUSIC和ESPRIT等子空间类算法具有更好的DOA估计性能,但这类方法都需要阵列协方差矩阵的估计及特征值分解运算,在实际的工程应用中,为了获得足够高的DOA估计精度,人们往往需要用一个大阵列来接受目标信号,这种情况下,常规子空间方法的运算量是巨大的,难以满足实际工程中实时处理的要求。在众多的快速子空间估计算法中,MSWF算法脱颖而出,与常规的子空间方法相比,该算法无需计算协方差矩阵和特征值分解运算,大大地减小了运算量,同时具有较高的DOA估计精度。基于MSWF的多级分解思想,众多学者提出了一系列有效地DOA估计算法。文献〈〈Numericallystablemethodofsignalsubspaceestimationbasedonmultistagewienerfilter》提出了非圆信号多级维纳滤波DOA估计求根算法,该方法大大地减小了计算量,增加了算法的实时性。文献《非圆信号多级维纳滤波DOA估计求根算法》从理论上分析了MSWF求解信号子空间的性能,并提出了一种新的HMSWF递推方法。文献《Low-complexitymethodforDOAestimationbasedonESPRIT》将ESPRIT算法和MSWF结合起来,提出了一种低复杂度的DOA估计算法。文献《MMSE-BasedMDLMethodforRobustEstimationofNumberofSourceswithouteigendecomposition》将MSWF运用到信源数目的估计中,降低了算法的计算量,且获得了良好的性能。以上研究均表明MSWF算法在阵列信号处理中具有良好的性能和运算量小的优势。【
发明内容】[0003]本发明的目的在于解决声矢量阵方位估计运算量大的问题,提供一种声矢量阵快速方位估计方法,可以实现未知目标的方位角的估计。[0004]本发明的具体实施步骤如下:[0005](1)放置一声矢量均匀线阵于各向同性的均匀流体中,阵元间距为半波长,阵列输出可表示为:[0006]X(t)=A(Θ)S(t)+N(t)[0007]式中,X(t)=[xjthxjt),…,叉观⑴]%3MX1维观测的数据向量,S(t)=[Sl(t),S2(t),*",sK(t)]TSKXl维零均值复高斯信号向量,为3MX1维零均值高斯白噪声向量,,av(Θ3)]为理想的阵列流形导向矢量,其中,,?表示Kron积,a(ΘJ=<^=231(1sin(9Ο/λ,%=[Icos9ksin9jT为第k个声源的单矢量水听器的单位响应矢量;[0008],[0009][0010][0011][0012][0013][0014]上式可得到的各级滤波器系数Θ=[h,h2,…,hK]张成信号子空间;[0015]即:Us=Span{h丨,h2,…,hK};[0016]故可得该方法的空间谱估计为:[0017]本发明的优点是将多级维纳滤波器引入到声矢量阵方位估计理论中,无需估计协方差矩阵和进行特征值分解,同时利用了声矢量阵的测向优势,在保持较小计算量的同时,拥有较高的方位估计和分辨性能。【附图说明】[0018]图1是本发明的阵列接收示意图;[0019]图2是本发明的双目标空间谱估计;[0020]图3本发明的方位估计的均方根误差随信噪比变化的曲线;[0021]图4本发明的方位估计的均方根误差随快拍数变化的曲线;[0022]图5是本发明的双目标分辨的成功概率随信噪比变化的曲线;【具体实施方式】参照附图1,它是本发明的实现流程图,图中给出了本发明的具体实施步骤:[0027](1)放置一声矢量均匀线阵于各向同性的均匀流体中,阵元间距为半波长,阵列输出可表示为:[0028]X(t)=Α(Θ)S(t)+N(t);[0029]式中,X(t)=[xjthxjt),…,叉观⑴]%3MX1维观测的数据向量,S(t)=[Sl(t),S2(t),*",sK(t)]TSKXl维零均值复高斯信号向量,为3MX1维零均值高斯白噪声向量,,av(03)]为理想的阵列流形导向矢量,其中,=)0?*⑩表示Kron积,a(0i)=[1,exp(_jω;),…,exp(_j(M-I)ω;)]τ,Coi=2JTdsin(ΘJ/λ,uk=[IcosΘksinΘk]T为第k个声源的单矢量水听器的单位响应矢量;[0030][0031][0032][0033][0034][0035][0036]上式可得到的各级滤波器系数Θ=[h,h2,…,hK]张成信号子空间;[0037]即:Us=Span{h丨,h2,…,hK};[0038]故可得该方法的空间谱估计为:[0039]本发明的效果可以通过以下仿真结果进一步说明。[0040]仿真条件描述:假设6元声矢量均匀线阵放置在各向同性且均匀分布的流体中,阵元间距为半波长,声源是中心频率为2kHz,带宽为40Hz的窄带信号,系统采样频率为IOkHz;[0041]图2表示双目标的空间谱估计,其中,双目标的真实方位分别为0°和10°,在图2(a)中,SNR=10dB,如图中所示,V-CBF算法不能分辨出双目标,而V-MVDR、MSWF以及V-MSWF算法都能够准确地分辨出双目标,MSWF和V-MSWF算法仍然具有几乎相同的空间谱曲线,与V-MVDR相比,它们的谱峰更尖锐,但逊于V-MUSIC算法;在图2(b)中,SNR=20dB,V-CBF算法仍无法分辨出双目标,而其它算法空间谱的谱峰变得更加尖锐,MSWF和V-MSWF算法与V-MUSIC算法的性能接近。[0042]图3表示目标信源DOA估计的均方根误差随信噪比的变化曲线,在图3(a)中,信源1方位为0°,从图中可以看出,当SNR〈6dB时,V-MSWF算法的DOA估计精度优于MSWF,略逊于V-MVDR算法,V-MUSIC算法具有最好的DOA估计性能;当SNR>6dB时,V-MSWF算法的DOA估计精度随信噪比的增加有显著的提高,优于MSWF和V-MVDR算法,当SNR>12dB时,其DOA估计精度与V-MUSIC算法基本相同。在图3(b)中,信源2方位为10°,图中呈现的结果与图3(a)的情况相似。上述仿真结果表明,在高信噪比条件下,V-MSWF算法具有良好的DOA估计性能,其DOA估计精度与V-MUSIC算法基本相同。[0043]图4表示几种算法方位估计的均方根误差随快拍数的变化曲线,快拍数从20,间隔20,变化到220,每一信噪比数据进行200次蒙特卡洛仿真实验,SNR=10dB。在图4(a)中,信源1方位为〇°,V-MSWF和V-MUSIC算法拥有几乎相同的DOA估计精度且都优于V-MVDR和MSWF算法。图4(b)中,信源2方位为10°,图中结果与图4(a)中情况基本相同。[0044]图5表示双目标分辨的成功概率随信噪比变化的曲线,双目标方位分别为〇°和3°,从图中可以看出四种算法分辨性能的优劣大概依次为:V-MUSIC>V-MSWF>MSWF>V-MVDR。其中,V-MUSIC、V-MSWF和MSWF算法100%分辨概率所需的门限几乎都是24dB,而V-MVDR算法所需的彳目噪比门限为26dB。[0045]由仿真结果可以看出,本方法可以有效的使用声矢量阵实现未知目标的方位估计。【主权项】1.一种声矢量阵快速方位估计方法,其特征是:(1)基于多级维纳滤波器的声矢量阵快速方位估计;(2)该算法选取声矢量阵参考阵元声压通道的输出作为期望信号,通过MSWF的递推运算得到信号子空间;(3)无需计算阵列协方差矩阵及其特征值分解运算,在高信噪比条件下,该算法具有良好的DOA估计性能;在二维平面内,假设M元声矢量均匀线放置于各向同性的均匀流体中,阵元间距为d,K个波长为λ的远场窄带声源以阵列轴线的法线为参考的Θk(k=1,2,...,K)方向入射到该声矢量阵,声矢量阵t时刻的阵列输出可表不为X(t)=Α(Θ)S(t)+N(t)(I)式中,X(t)=[xjthxjt),???,xjt)]%3MX1维观测的数据向量,S(t)=[Sl(t),s2(t),…,sK(t)]%KX1维零均值复高斯信号向量,卿)=[?1難心4…,心抑^为3MX1维零均值高斯白噪声向量,nvm(t)=[npm,nvxm,nvym]T,A=[av(ΘJ,av(Θ2),…,av(θ3)]为理想的阵列流形导向矢量,其中,1(?}=β⑷)?M/,?表示Kron积,a(ΘJ=[1,exp(_jω;),…,exp(_j(M-I)ω;)]τ,Coi=2JTdsin(ΘJ/λ,uk=[IcosΘksinΘk]T为第k个声源的单矢量水听器的单位响应矢量;⑷取心(〇=<尤(〇,y。⑴=X⑴其中,(5)令i=1,2,...,K;yjt)=y;(6)上式得到的各级滤波器系数Θ=[I^h2,…,hK]张成信号子空间,即:Us=Span{h!,h2,…,hK}(7)本方法的空间谱估计可表示为通过上式可得到远场目标的方位角Θ。【专利摘要】本发明公开一种声矢量阵快速方位估计方法,基于多级维纳滤波器的声矢量阵快速方位估计;该算法选取声矢量阵参考阵元声压通道的输出作为期望信号,通过MSWF的递推运算得到信号子空间;无需计算阵列协方差矩阵及其特征值分解运算,在高信噪比条件下,该算法具有良好的DOA估计性能;本发明的优点是将多级维纳滤波器引入到声矢量阵方位估计理论中,无需估计协方差矩阵和进行特征值分解,同时利用了声矢量阵的测向优势,在保持较小计算量的同时,拥有较高的方位估计和分辨性能。【IPC分类】G01S15/06,G01S7/52【公开号】CN105158751【申请号】CN201510340225【发明人】张柯,程菊明,孟雷,王闯,王奎甫,张向群【申请人】许昌学院【公开日】2015年12月16日【申请日】2015年8月29日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1