时可直接使用步骤1所得到的 空域平滑结果，从而进一步减少计算量，提高算法效率。
[0026] 根据相同的发明思路还可W得到W下技术方案：
[0027] -种基于声线传播时间层析的海洋声层析方法，利用声音在海洋中传播速度的变 化来反演海洋环境参数，首先利用如上任一技术方案所述多路径传播宽带主动声信号的分 离方法，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一条声线路 径;然后根据声线路径的到达时间反演出海洋环境参数。
[0028] -种声源定位方法，首先利用如上任一技术方案所述多路径传播宽带主动声信号 的分离方法，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一条声线 路径;然后根据声线路径的到达角度和到达时间在空域和时域构成的二维平面内确定声源 的方位。
[0029] 相比现有技术，本发明技术方案具有W下有益效果：
[0030] 本发明可快速准确地完成多路径传播宽带主动声信号的分离，相比现有 smoothing-MUSICAL算法，其具有巨大的时间成本优势，实时性大幅提高，同时其余各项性 能并无明显降低;本发明可广泛应用于浅海水声信号处理、雷达、声响、通信W及地震、生物 医学工程领域等多个领域，应用前景广阔。
【附图说明】
[0031] 图1为声信号多路径传播的一个实例；
[0032] 图2为空域平滑方法的一个示例；
[0033] 图3为频域平滑方法的一个示例；
[0034] 图4为在两个声源情况下本发明与smoothing-MUSICAL算法的实验结果对比；
[00巧]图5为在四个声源情况下本发明与smoothing-MUSICAL算法的实验结果对比。
【具体实施方式】
[0036] 针对现有smoothing-MUSICAL算法时间消耗过大的问题，本发明提出了一种多路 径传播宽带主动声信号的分离方法，分两步实现声线路径的分离，第一步首先对传感器阵 列所接收信号进行空域平滑与双边相关变换(TCT)变换，计算频谱矩阵，构造相应的副本矢 量与噪声子空间，根据信号子空间与噪声子空间的正交性，计算多项式的根，估算出声线路 径在传感器间的时间延迟;第二步、对传感器接收信号进行空域-频域平滑，计算频谱矩阵， 构造相应的副本矢量与噪声子空间，根据信号子空间与噪声子空间的正交性，并结合第一 步估算得到的传感器间的时间延迟，计算多项式的根，估算出声线路径到达传感器的时间。
[0037] 再对本发明技术方案进行进一步说明之前，先对其中所设及的空域平滑、频域平 滑进行简要介绍：
[0038] 空域平滑通过对空域子阵列的平均来实现，其原理如图个传感器被分成若干 尺寸相同，部分重叠的子阵列，假设子阵列是线性一致的，则子阵列传感器上信号的强度不 会发生剧烈变化。当子阵列数目大于或等于射线路径数时空间谱矩阵为非单秩矩阵。假设 空间平滑阶次为Ks,则每个子阵列的尺寸为M-2Ks，子阵列的数目为2Ks+l。
[0039] 频域平滑方法根据操作对象是时域数据还是频域数据可分为如下两种：（1)加权 相关矩阵；（2)频域子带平均。本发明优选采用频域子带平均法，其具体原理见图3。假设频 域的平滑阶次为Kf，则平滑后可W得到2Kf+l个尺寸为M-2Kf的子带。
[0040] 对空域或频域的过度平滑均会导致互谱矩阵产生严重的误差，为了减小估计误 差，可W将空域和频域的平滑相结合(空域-频域平滑，smoothing-MUSICAL算法即采用该方 案），具体如下:从一组观测矩阵X，可W产生2Ks+l个空间上平移出现的观测数据X*,。运2Ks+ 1个复现的矩阵分别经过频域的平滑又可W获得K=(2Ks+l)(2Kf+l)个窄带估计组成矩阵 Xaa。为了更好的将射线路径从噪声中分离出来，需要设置K的值大于P。
[0041] 下面结合附图对本发明的技术方案(简便起见，后文称之为root-MUSICAL算法)进 行详细说明：
[0042]在点到阵列结构中，根据射线路径在浅海波导中的传播，用波达方向、波达时间等 参数，建立能够合理描述浅海中声信号传播的物理过程的数学模型。假设信号源数目为P， 传感器的数目为M，则第m个传感器上接收到的信号可表示为：
(1)
[0045]对(1)式做傅里叶变换为：
(3)
[0047]在W上信号模型基础上，本发明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：
[004引步骤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；
[0049] 假设空间平滑阶次为Ks,则对一组观测矩阵X，可W产生2Ks+l个空间上平移出现的 观测数据X;,,。
[0050] 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；
[0051] 当宽带主动声信号的频率为V时，各传感器接收的信号可表示为X(V) = [Xi(V)，X2 (V)，…，XM(V) ]T。对任意频率子带八，i = 1，2，…，F，F表示选取的频率子带数，当空域平滑阶 次为Ks时，频谱估计矩昨裝i>、，ynr表示为：
(斗）
[0053] 为了更准确的估计宽带信号的频谱矩阵，需要对每一个频率子带对应的传感器接 收信号进行TCT变换，目的是将任意频率Vi对应的频谱矩阵变换成用所述宽带主动声信号 的中屯、频率Vc表示的频谱矩阵。
[0054] 上述过程为现有技术（参见文献[Valaee S ,Kabal P .Wideband array processing using a two-sided correlation transformation[J]. IEEE Transactions on Si即al Processing, 1995,43(1) :160-172.]),其具体过程如下：
[0055] 根据Valaee和Kabal提出的方法，定义传感器接收信号的无噪声相关矩阵Pi，Pi表 示为：
(5)
[0057]其中，的表示第i个频率子带上传感器上接收信号的噪声功率，计算如下： (6)
[0化9]其中A,(象)是綾:的第j个特征值，运些特征值是按照降序排列的。
[0060]记中屯、频率对应的无噪声频谱矩阵记为Pcen,则TCT变换矩阵可通过最小化下式来 寻找：
[0061 ]汾妃 -屯巧 Il 巧)
[0062] 其中，Ti满足1；巧=1。
[0063] 根据Valaee和Kabal提出的方法可知，对任意的第i个频域子带，上式的解为 T； = Xa"《，其中Xcen和Xi分别是对Pcen和Pi进行evd特征分解后得到的特征向量构成的矩阵。 最后，使用变换矩阵Tl将传感器接收的数据Xi变换为中屯、频率相关的数据Yi:
[0064] Y(Vi)=TiX(Vi) (8)
[0065] 经空域平滑与TCT变换后得到的中屯、频率相关的数据为Yi, i = l，…F，且每个频率 经变换后的频谱矩阵Ry(Vi)可表示为：
[0066] Ry(Vi)=Y(Vi)Y(Vi)*(9)
[0067] 因此，整个宽带信号的频谱矩阵良可W通过对F个频率子带上的频谱矩阵的平均 估计得到：
!0;
[0069] 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；
[0070] 对整个宽带主动声信号的频谱矩阵良进行EVD特征分解后得