本发明涉及噪声测试技术领域，具体涉及一种非合作目标辐射噪声测量定位技术。
背景技术：
噪声测量技术(noisemeasuringtechnique)噪声测量包括各种噪声源和噪声场基本特性参量的测量；噪声控制中使用的吸声和隔声材料、减振阻尼材料的声学性能测定；吸声、隔声、消声、减振、隔振等控制措施的技术效能评定测量等。此外，研究噪声对人体的影响和危害、对噪声进行的主观评价，制定各种环境噪声标准等工作也需要噪声测量提供科学的依据。准确地完成这些测量工作需要采用各种技术手段。
噪声测试技术可接收目标的辐射噪声，获取其声学信息，可以为减振降噪提供指导建议。而水下目标与测量点之间距离的准确测量，是目标声源级计算的关键。被动声纳的目标舰船辐射噪声是宽带的，不同频率上的噪声强度各不相同。反映声源辐射噪声强度对频率依赖关系的量，称为声源谱级，是距声源1米处辐射噪声在某单一频率附近1hz带宽内的声强相对于参考声强的分贝数，用sls表示。由于舰船辐射噪声的机理很复杂，sls难以通过理论计算得到，需要进行实际测量。传统噪声测量系统中，是利用合作信标，获取同步测距信息。但是，对于非合作目标，该方法无法实现。由于矢量水听器可兼获目标的标量和矢量信息，能够提升测量能力，现已利用到噪声测量系统中。故本文基于矢量水听器测量技术，利用矢量水听器方位估计结果，采用数据融合方法，使多只矢量水听器获得的数据信息得到充分的利用，在小范围内快速、精确地定位出目标的运动轨迹，解决目前国内噪声测量系统中无法对非合作目标精确定位的问题。
邓秀华等人研究了同步距离精确测量的方法(邓秀华.自导深弹脱靶距离测量方法研究.舰船电子工程，2012,vol.32no.10)，其在目标上安装有同步声信标，无法实现对非合作运动目标的测量；吴艳群等人研究了矢量水听器纯方位目标运动分析的方法(吴艳群，胡永明.基于单矢量水听器的水面目标运动分析.声学技术，2010,1000-3630(2010)-04-0361-04)，其利用单只矢量水听器即可对目标进行方位估计,在大范围内对运动目标进行跟踪测量，但是该方法跟踪速度较慢，定位精度无法满足测量要求。
基于此，本发明将矢量水听器测量技术与数据融合方法结合起来，更大程度地获得被测试目标和环境的信息量，综合多套测量系统获取的目标信息，有效地提升了系统的性能，提高了定位精度。另一方面又结合了卡尔曼滤波算法对目标运动情况进行滤波处理，使目标的运动轨迹得到了优化，使其满足噪声测量使用的需求。本发明提出的方法利用了数据融合技术处理了多只矢量水听器测得的数据信息，使测量到的数据发挥了最大的作用，适合在小范围内快速、高精度的定位出目标的运动轨迹，提高了实验的效率，工程上也较容易实现。
技术实现要素：
本发明提出了一种非合作目标辐射噪声测量定位技术，结合了矢量数据融合与卡尔曼滤波算法，可有效的对非合作运动目标进行跟踪测量，获取运动参数，较好的提高矢量水听器的定位精度以及测量系统的稳定性。
本发明解决其技术问题所采用的技术方案包括以下步骤：
(1)分别建立由四阵元组成的直线测量阵模型、正方形测量阵模型，四阵元组成六条基线，它们分别与目标构成六个三角形，形成12个方位角；
(2)建立矢量水听器的接收信号模型，获得矢量水听器接收的声压数据p(t)，x方向振速vx(t)，y方向振速vy(t)，通过矢量水听器的声压振速联合处理技术，采用互谱声强法进行方位估计；
(3)对接收信号进行频谱分析，提取包络得到有效频带，在窄带范围内进行频域融合处理；
(4)组合6条基线与得到的12个方位角，通过三角形交汇方法，解算每条基线所测得的目标位置；对多组矢量水听器解算出的目标位置进行数据再融合；
(5)对(4)中生成的运动目标测量轨迹，采用卡尔曼滤波算法对其进行优化。
所述的步骤(2)的矢量水听器的声压振速联合处理技术具体包括：
将目标分别与六条基线进行组合，得到第i个阵元处的接收信号为：
其中下标s表示信号量，下标n表示噪声量；pi(t)表示第i个阵元接收到的声压信号，vxi(t)表示第i个阵元接收到的水平方向上的振速信号，vyi(t)表示第i个阵元接收到的垂直方向上的振速信号，θ为入射声波的水平方位角。
所述的步骤(2)的互谱声强法具体包括：
将得到的声压量pi(r,t)、振速量vxi(r,t)、vyi(r,t)作傅里叶变换，在频域内进行信号处理可以得到频域声强信息：
利用互谱声强法估计各个频率的水平方位角为：
其中ω为角频率，
所述的步骤(3)具体包括：
首先用fft对整个频率域进行功率谱估计，经过分析找到信号的线谱，对线谱提取包络，对包络所在的一个窄带范围(f1,f2,f3,…,fn)做频率细化分析；对于同一目标信号，利用互谱声强法得到一系列目标的方位估计值；而后对多组矢量水听器解算出的目标位置进行数据再融合，对目标位置的精确定位结果应为所有基线定位结果的加权综合
权值选择为方差倒数法，其中di表示第i组测量数据的方差：
所述的步骤(4)具体包括：
阵元i和阵元j之间的距离：
双水听器交叉定位示意图如图1所示，解得测量阵坐标系中r和
所述的步骤(5)具体包括：
卡尔曼滤波算法的递推公式如下：
p(k+1|k)＝φ·p(k|k)·φ′+γ·q(k)·γ′；
k(k+1)＝p(k+1|k)·h′(k+1|k)·s-1(k+1)；
s(k+1)＝h(k+1)·p(k+1|k)·h′(k+1)+r(k+1)；
p(k+1|k+1)＝[i-k(k+1)·h(k+1)]·p(k+1|k)；
其中，q(k).δkl＝e[g(k).g'(l)]，r(k).δkl＝e[w(k).w'(l)]。
本发明的有益效果在于：该方法充分的利用了矢量水听器得到的数据信息，将矢量水听器声压振速联合处理技术与数据融合技术有效的结合在了一起。并采用了卡尔曼滤波算法，对运动目标的轨迹进行了优化，使得对运动目标的定位精度得到了明显的提高，可以满足对非合作目标的测量要求，具有较强的工程实用性。
附图说明
图1为本发明流程图；
图2为双矢量水听器交叉定位示意图；
图3为正方形布站示意图；
图4为目标运动轨迹仿真分析结果；
图5为x方向速度检测仿真分析结果；
图6为y方向速度检测仿真分析结果；
图7为x轴位置检测误差仿真分析结果；
图8为y轴位置检测误差仿真分析结果。
具体实施方式
下面结合附图和实例对本发明进一步说明。
(1)建立四元矢量水听器的测量模型，四阵元两两组合构成六条测量基线，它们分别与目标构成六个三角形，从而得到12个测量方位角。
以正方形测量阵为例，正方形阵与运动目标均位于xoy平面内，四元矢量水听器[1,2,3,4]分布在边长为a的正方形的四个顶点上，按逆时针方向排列，坐标分别为(xi,yi)，i＝1,2,3,4。阵元1和阵元2位于x轴上，等间距分布在原点o的两侧。阵元3和阵元4分别位于阵元2、阵元3的正上方。目标的初始位置位于阵元1和阵元4交线的中点处，如图3所示。
(2)建立矢量水听器的接收信号模型，获得矢量水听器接收的声压数据p(t)，x方向振速vx(t)，y方向振速vy(t)。令目标分别与六条基线进行组合，则可得到第i个阵元处的接收信号为：
下标s表示信号量，下标n表示噪声量。其中pi(t)表示第i个阵元接收到的声压信号，vxi(t)表示第i个阵元接收到的水平方向上的振速信号，vyi(t)表示第i个阵元接收到的垂直方向上的振速信号。θ为入射声波的水平方位角。
将得到的声压量pi(r,t)、振速量vxi(r,t)、vyi(r,t)作傅里叶变换，在频域内进行信号处理可以得到频域声强信息：
利用互谱声强法估计各个频率的水平方位角为：
式中ω为角频率，
(3)为提高定位精度，需对接收信号进行频谱分析，得到有效频带，在窄带范围内进行频域融合处理，来综合测量阵所有基线对目标的定位结果。
首先用fft对整个频率域进行功率谱估计，经过分析找到信号的线谱，对线谱提取包络，对包络所在的一个窄带范围(f1,f2,f3,…,fn)做频率细化分析。
矢量水听器利用互谱声强法进行测向，对应于接收信号的每一个频率f1,f2,f3,…,fn，根据公式(2.4)都能够估计出一个方位信息
而后对多组矢量水听器解算出的目标位置进行数据再融合，对目标位置的精确定位结果应为所有基线定位结果的加权综合，即：
权值选择为方差倒数法，其中di表示第i组测量数据的方差：
(4)由四阵元组合成六条基线，分别与目标构成六个三角形，形成12个方位角。利用得到的水平方位值θ与基线之间的距离，通过三角形交汇法来确定目标所在的位置坐标。具体为：
阵元i和阵元j之间的距离：
双水听器交叉定位示意图如图1所示，解得测量阵坐标系中r和
(5)利用卡尔曼滤波对目标运动情况进行滤波处理。卡尔曼滤波算法(递推公式)如下：
p(k+1|k)＝φ·p(k|k)·φ'+γ·q(k)·γ'
k(k+1)＝p(k+1|k)·h'(k+1|k)·s-1(k+1)
s(k+1)＝h(k+1)·p(k+1|k)·h'(k+1)+r(k+1)
p(k+1|k+1)＝[i-k(k+1)·h(k+1)]·p(k+1|k)
其中：q(k).δkl＝e[g(k).g'(l)]，r(k).δkl＝e[w(k).w'(l)]。
上面对发明内容各部分的具体实施方式进行了说明，综合了数据融合技术和卡尔曼滤波算法的多矢量水听器联合跟踪定位技术，可有效的提高系统的定位精度。下面以正方形布站为例，对仿真结果进行分析。
实例参数设置如下：四元正方形阵布放如图2所示。一号矢量水听器布放的水平位置为(-100，0)；二号矢量水听器布放的水平位置为(100,0)，三号矢量水听器布放的水平位置为(100，200)；四号矢量水听器布放的水平位置为(-100,200)。假设目标为单频信号，信号频率为150hz，采样率4096，初始时刻信噪比为20db，目标在水平面上的初始位置为(-100,100)，x方向的初始速度为vx＝1m/s,y方向初始速度为vy＝0。
图3为目标运动轨迹仿真分析结果，图4为速度检测仿真分析结果，图5为位置检测误差仿真分析结果。
综合图3、图4和图5的仿真结果可知：
(1)多元矢量水听器被动定位解算算法，能够比较准确地描绘出目标的运动轨迹，证明了该算法的可靠性和定位方法的有效性。多矢量水听器结合卡尔曼滤波算法，可进一步提高定位精度。
(2)利用方位信息可准确获得目标与水听器之间的距离，进行声传播损失的计算，从而准确得到目标的辐射噪声级。