一种多路径传播宽带主动声信号的分离方法
【技术领域】
[0001] 本发明设及声信号处理技术领域，尤其设及一种多路径传播宽带主动声信号的分 离方法。
【背景技术】
[0002] 声信号处理技术目前已广泛应用在水声探测、通信W及地震、生物医学工程等许 多领域。由于声音信号在介质中的传播往往是W多路径的形式存在，传感器所接收的是运 多个路径传播的波的混叠数据，因此，要对声信号进行后续处理的前提是要从传感器所接 收的多路径传播声信号中将每条声线路径分离出来，运种声信号处理方法即为多路径传播 声信号分离方法。
[0003] W海洋声层析技术为例，海洋声层析是用声速方法检测海洋内部的最重要技术之 一，它利用声音在海洋中传播速度的变化来反演海洋溫度的变化乃至海洋气候变化。根据 不同的反演模型，可分为：（1)声线传播时间层析(2)简正波传播时间层析；（3)峰值匹配层 析;（4)简正波相位层析;（5)简正波水平折射层析;（6)匹配场层析。
[0004] 浅海声层析术的前向问题中需识别不同的射线路径(或称声线路径），之后将射线 路径的到达时间用于解决反演问题并估计声速变化。高质量的反演过程建立在（1)可识别 的线路径数；（2)线路径可覆盖的海洋波导一致空间。浅海声层析术利用的一个重要的性质 是声信号在水中的多路径传播性质，即：由于海面或海底的折射或反射，声音信号是W多路 径的形式传播且每个线路径为发射信号的复本。图1为多路径传播的一个例子。由于每一个 线路径都覆盖不同的海洋区域，多路径传播性质可W为浅海声层析术的反演过程提供更多 的信息。但多路径传播同时产生干扰区域，因此，在浅海声层析术中首先需用阵列处理技术 对线路径分离并估计不同线路径的到达时间，运是获得准确反演结果要解决的首要问题。
[0005] 在浅海声层析应用中，现有阵列处理技术主要为波束形成类算法。波束形成是阵 列处理技术中简单且经典的算法。起初，它被用于点到点的试验结构中，即：一个信号源和 一个传感器。为了提高分离精度，波束形成又被扩展到点到阵列的结构中，即用一个垂直传 感器阵列作为信号接收端，将信号到传感器阵列的波达方向作为判别参数成功分离了部分 在点到点结构中无法分离的情形。尽管如此，当线路径W很小的时间间隔到达阵列时，波束 形成在点到阵列结构中仍不能成功将其分离识别。近来，有研究者提出一种新的双波束形 成算法用于在声层析术背景下信号分离，该算法依据声音在水中传播的互易性，在信号发 射端采用信号源阵列，建立阵列到阵列的二维试验结构，由此引入了新的判别参数一一发 射角度，试验表明较之波束形成算法该方法提高了分离精度。为进一步提高算法分辨力， Jian邑等人在"Raypath separation with hi邑h resolution processing''一文中，提出在 点到阵列结构中，结合空间-频域平滑方法与主动宽带多信号分离算法，提出了平滑的主动 宽带多f言号分离算'法（smoothing Multiple Signal Classification Active L曰r邑e- band: smoothing-MUSICAL)。该方法的主要步骤为:对传感器阵列接收到的数据傅里叶变换 后依次做空间-频域平滑处理、求平滑后数据的协方差矩阵、对协方差矩阵做特征分解、构 造副本矢量、构造估计器，最终寻找到声线路径的到达时间和角度。该方法有如下=方面的 优点：（1)较之波束形成方法提高了分辨力：当线路径到达时间间隔非常小时，smoothing-MUSICAL可成功分离部分信号；（2)解决了线路径相关或相干时信号的高分辨分离问题；（3) 合成数据与实际试验结果表明smoothing-MUS ICAL算法有很好的抗噪性。
[0006] 然而，smoothing-MUSICAL算法需要在声信号在传感器间的时间延迟与声信号到 达传感器的时间所构成的二维平面内捜索射线路径，该捜索过程所需的时间成本极为庞 大，从而严重影响了 smoo th i ng-MUS ICAL算法的实时性。
【发明内容】
[0007] 本发明所要解决的技术问题在于克服现有平滑的主动宽带多信号分离算法的不 足，提供一种多路径传播宽带主动声信号的分离方法，可大幅提高声信号分离的效率。
[0008] 本发明具体采用W下技术方案解决上述技术问题：
[0009] -种多路径传播宽带主动声信号的分离方法，用于从声传感器阵列所接收到的多 路径传播宽带主动声信号中分离出每条声线路径，首先估计出各声线路径在各传感器间的 时间延迟，具体包括W下步骤：
[0010] 步骤1、对声传感器阵列所接收的宽带主动声信号做傅里叶变换后进行空域平滑 处理，获得一组窄带估计矩阵；
[0011] 步骤2、根据步骤1所得到的窄带估计矩阵为所述宽带主动声信号的每个频率子带 构造 TCT变换矩阵，并分别利用每个频率子带的TCT变换矩阵将该频率子带上经傅里叶变换 后的样本数据映射到W所述宽带主动声信号的中屯、频率表示的样本数据，，然后求出W该 中屯、频率表示的各频率子带样本数据的频谱矩阵;最后对各频率子带声信号的频谱矩阵求 平均，得到整个宽带主动声信号的频谱矩阵；
[0012] 步骤3、对整个宽带主动声信号的频谱矩阵进行EVD特征分解，并W所得到的所有M 个特征值中较大的前P个特征值所对应的特征向量构造信号子空间，W剩下的M-P个较小特 征值所对应的特征向量构造噪声子空间；其中，M为声传感器阵列中的传感器数量，P为主动 声源的个数；
[0013] 步骤4、为声线路径构造 W下的副本矢量a(t，T):
[0015] 其中，t表示声线路径在各传感器间的时间延迟，T表示声线路径到达声传感器阵 列的时间，e(vc)是所述宽带主动声信号在其中屯、频率Vc处的发射信号幅值，M为声传感器阵 列中的传感器数量；
[0016] 步骤5、根据步骤3所构造信号子空间与噪声子空间的正交性构造估计器，根据所 构造估计器定义多项式;然后通过寻找单位圆内最接近单位圆的P个根的方式得到使得估 计器达到峰值的多项式的P个根，则运P个根对应的P个时间延迟t就是P个射线路径在不同 传感器间的延迟；
[0017] 然后，根据估计出的各声线路径在各传感器间的时间延迟估计出各声线路径到达 声传感器阵列的时间，具体包括W下步骤：
[0018] 步骤6、利用平滑的主动宽带多信号分离算法smoothing-MUSICAL中的数据预处理 方法对声传感器阵列所接收的宽带主动声信号进行处理，估计出所述宽带主动声信号的频 谱矩阵，具体如下：利用空域-频域平滑方法对所述宽带主动声信号进行去相关操作，然后 用去相关后的信号估计出所述宽带主动声信号的频谱矩阵；
[0019]步骤7、对步骤6所估计出的频谱矩阵进行EVD特征分解，并W所得到的MF个特征值 中较大的前P个特征值所对应的特征向量构造信号子空间，W剩下的
[0020] MF-P个较小特征值所对应的特征向量构造噪声子空间；其中，M为声传感器阵列中 的传感器数量，P为主动声源的个数，F为所述空域-频域平滑方法在进行频域平滑时选取的 频率数；
[0021] 步骤8、为声线路径构造 W下的副本矢量aL(t，T):
[0023] 其中，t表示声线路径在各传感器间的时间延迟，T表示声线路径到达声传感器阵 列的时间，e(vi)，i = l，2,…，F是所述宽带主动声信号在频率Vi处的幅值，M为声传感器阵列 中的传感器数量，Vl，V2…VF表示频域平滑时选取的F个不同的频率值；
[0024] 步骤9、根据步骤7所构造信号子空间与噪声子空间的正交性构造估计器，并将步 骤5所得到的各声线路径在各传感器间的时间延迟t作为已知参量代入该估计器后，根据该 估计器定义多项式;然后通过寻找单位圆内最接近单位圆的P个根的方式得到使得估计器 达到峰值的多项式的P个根，则运P个根对应的P个到达时间T即为P个声线路径到达传感器 阵列的时间。
[0025] 优选地，步骤1中所述空域平滑与步骤6所述空域-频域平滑方法的空域平滑阶次 相同。运样，在运行smoothing-MUSICAL中的数据预处理算法