Page 23 - 《应用声学》2023年第2期
P. 23

第 42 卷 第 2 期              刘兢本等: 一种深度学习的立体阵波达方向估计方法                                          211


                  ◦                                            文方法正确分辨概率为0.52,检测概率为0.23;CBF
             和 107 。检测概率 DP 定义为正确检测次数 N D
             与实验总次数 N a 比值,DP = N D /N a 。所有目                  方法正确分辨概率为 0.73,检测概率为 0.22,最小
             标方向估计值与真值误差均小于或等于阈值,                              方差无失真响应 (Minimum variance distortionless
             则 认 为 目 标 被 正 确 检 测。正 确 检 测 事 件 满 足:              response, MVDR) 方法正确分辨概率为 0.76,检测
                 ( √                        )
                           ˜
                    (        ) 2  (       ) 2
                                         ˜
             max     θ k,i − θ 1  + ϕ k,i − ϕ 1  6 α。k 为目      概率为 0.13;dCv方法正确分辨概率为0.85,检测概
                                                               率为 0.13。本文方法在低 SNR 下分辨能力下降更
             标数,k = 1, 2;i 为实验次数,i = 1, 2, · · · , N a ;α
                                                                                       ◦
             为误差阈值,本文取值 2 。图 10(a) 考察正确分辨                      多。观察角度间隔 ∆ = 7 情况,CBF 方法和 dCv
                                   ◦
             概率,图 10(b) 考察检测概率。观察二者性能指标                        方法在 SNR为−25 ∼ 5 dB范围均无法分辨和检测
             随 SNR 变化趋势,角度间隔 ∆ = 17 条件下 4 种                    目标。本文方法在 SNR 为 −20 ∼ −14 dB 范围,正
                                               ◦
             方法性能指标接近,∆ = 7 条件下 4 种方法性能                        确分辨概率从 0 增加到 1。MVDR 方法正确分辨概
                                      ◦
             有明显差异。由于图 10(a) 和图 10(b) 曲线变化趋                    率在 −4 ∼ 1 dB范围内才开始增加。在双目标接近
             势相似,后续主要分析正确分辨概率随 SNR 变化                          时,本文方法相对于MVDR方法,能在更低SNR 分
             曲线。图例中 “dCv” 表示基于 R-L的 dCv 方法。在                   辨目标。观察 SNR为 5 dB 时,高SNR 下CBF 方法
             ∆ = 17 且 SNR 大于 −18 dB 情况下,4 种方法均                 二维方位谱旁瓣更加明显,两目标靠近时神经网络
                    ◦
             能正确分辨目标,正确分辨概率为 1,检测概率也随                          方法难以分辨目标旁瓣和主瓣,导致本文方法性能
             着SNR增加逐渐趋于1。若SNR降低为−25 dB,本                       下降。


                      1.0                                         1.0

                      0.8                                         0.8

                     ൤ᆸѬᣲഐဋ  0.6    ∆=7°, CBF                    ೝ฾ഐဋ  0.6      ∆=7°, CBF
                                    ∆=7°, MVDR
                                                                                ∆=7°, MVDR
                                                                                ∆=7°, వ஡வข
                                    ∆=7°, వ஡வข
                                                                                ∆=7°, dCv
                                    ∆=7°, dCv
                      0.4
                                    ∆=17°, CBF
                                                                                ∆=17°, MVDR
                                    ∆=17°, MVDR                   0.4           ∆=17°, CBF
                                    ∆=17°, వ஡வข                                 ∆=17°, వ஡வข
                      0.2                                         0.2
                                    ∆=17°, dCv                                  ∆=17°, dCv
                       0                                           0
                       -25   -20  -15   -10   -5   0     5         -25   -20  -15   -10   -5   0     5
                                      SNR/dB                                      SNR/dB
                               (a) ൤ᆸѬᣲഐဋᬤSNRԫӑ                              (b) ೝ฾ഐဋᬤSNRԫӑ
                                             图 10  SNR 对分辨能力和检测能力影响
                                    Fig. 10 Influence of SNR on resolution and detection ability

                 图11和图12分别是不同SNR和快拍数条件下                            观察图 11,随着 SNR 降低,4 种算法估计误差
             目标方向估计结果。若总共进行 Γ 次实验,期望目                          增加,成功估计概率降低。协方差矩阵使用有限快
             标方向为(θ 0 , ϕ 0 ),估计均方根误差定义为                       拍估计,MVDR 方法存在模型失配无法达到理想
                     v
                     u    Γ                                    性能,估计误差高于 CBF 方法。当 SNR 为 −25 dB
                     u  1  ∑         2           2
                     t       (θ i − θ 0 ) + (ϕ i − ϕ 0 ) .  (21)
                                                                                              ◦
                       Γ                                       时,CBF 算法均方根误差为 1.29 ,成功估计概
                          i=1
                                                               率为 0.29;MVDR 算法估计误差为 1.33 ,成功估
                                                                                                    ◦
             若均方根误差小于 1 则认为是一次成功估计事件,
                               ◦
                                                                                                        ◦
             成功估计概率定义为正确估计次数与总实验次数                             计概率为 0.21;本文方法均方根误差为 1.20 ,成
                                                                                                           ◦
             之比。计算估计误差和成功估计概率时,目标水平                            功估计概率为 0.42;dCv 方法均方根误差为 1.15 ,
             角和俯仰角均固定为 90 。图11 比较方向估计结果                        成功估计概率为 0.42。在低 SNR 下,本文方法和
                                  ◦
             与SNR关系时快拍数为400,图12比较方向估计结                         dCv 方法接近,相对于 MVDR 方法在估计均方根
             果与快拍数关系时SNR为−10 dB。                               误差和成功估计概率均存在优势。SNR 为 5 dB
   18   19   20   21   22   23   24   25   26   27   28