Page 167 - 《应用声学》2025年第2期
P. 167

第 44 卷 第 2 期           明超等: 结合有限新息率重构的水声宽带信号方位估计方法                                          427

             阵列流形矩阵 A = [a 1 , a 2 , · · · , a K ] ∈ C N×K  。a k   聚焦矩阵T f 可以表示为
             可表示为                                                                         H
                                                                                T f = V f U ,            (31)
                     [                                                                    f
                                                                                        H
                a k = 1, exp (−j2πfd cos θ k /c) , · · · ,     其中,V f 和 U f 分别为 A f A 的左奇异向量和右奇
                                                                                        f
                                                               异向量构成的矩阵。在对各个频点的 Y f 聚焦变换
                                                  T
                         (                     ) ]
                                        d cos θ k
                     exp −j2πf(N − 1)              .   (26)    后,可以得到各频点变换后的信号协方差矩阵。因
                                           c
                                                               为变换后的信号对应的是同一个参考频点,对各个
                 在实际的水下环境中,接收的水声信号主要包
                                                               频点的协方差矩阵可以直接相加取平均得到协方
             括舰船辐射噪声、爆炸声以及水声换能器的发射信
                                                               差矩阵R all ,可表示为
             号等,这些信号通常为宽带信号。当接收信号为宽
                                                                                    F
             带信号时,需要对信号做傅里叶变换将其转换到频                                          R all =  ∑  T f R f T ,     (32)
                                                                                             H
                                                                                             f
             域并分解为多个窄带信号,则第 f 个频率分量的多                                              f=1
             快拍阵列接收信号 Y f = [y 1 , y 2 , · · · , y L ] ∈ C N×L  对 R all 可利用常规波束形成 (Conventional beam-
             可表示为                                              forming, CBF) 方 法 或 其 他 DOA 估 计 方 法 实 现
                                                               DOA 估计。TCT 算法采用不同的聚焦矩阵选取
                 Y f = A f X f + E f , f = 1, 2, · · · , F,  (27)
                                                               准则来构筑聚焦矩阵,这里不再赘述。RSS 算法和
             其中,A f ∈ C  N×K  为第f 个频率分量的阵列流形矩
                                                               TCT算法均需要对方位角进行预估,方位角预估的
             阵,X f = [x 1 , x 2 , · · · , x K ] ∈ C K×L  为第 f 个频率  准确性会影响算法的DOA估计性能。
             分量的声源信号,E f = [e 1 , e 2 , · · · , e L ] ∈ C N×L  为
                                                               2.2  基于宽带聚焦FRI重构的DOA方法
             第f 个频率分量的噪声信号,L为快拍数。传统的宽
                                                                   为了将宽带信号通过 FRI 重构算法实现 DOA
             带信号处理方法是对各个窄带信号分别进行 DOA
                                                               估计,本文采取文献 [18] 中的一种基于矩阵极分解
             估计,然后将方位谱进行叠加取平均输出,这种处理
                                                               的宽带聚焦方法,该方法无需预估目标方位角,即
             方法被称为ISSM方法,可被表示为
                                                               可对宽带信号进行聚焦处理,转化为窄带信号模型。
                                 ∑ F
                          P(θ) =        P f (θ),       (28)    最终,通过基于多项式比值模型的 FRI 重构算法实
                                    f=1
                                    H
                          P f (θ) = w R f w f .        (29)    现DOA估计。
                                   f
                                                                   对于式(27)的宽带信号接收模型,定义 R f,0 为
             其中,P(θ) 为宽带方位谱,P f (θ) 为第 f 个频率
                                                               第个频点的接收信号 Y f 和参考频点 f 0 的互相关矩
             分 量 的 方 位 谱,w f = a(f)/N 表 示 加 权 向 量,
                   1                                           阵,可表示为
                         H
             R f =   Y Y 表示阵列的实际采样协方差矩阵。                                                       H  H
                        f
                   L                                                         [    H ]  A f X f X A 0
                                                                                               0
             ISSM 方法原理简单,便于实现,但是方位分辨率较                              R f,0 = E Y f Y 0  =     L      ,    (33)
             低,无法突破瑞利限的限制。此外,当频带较宽时,                           其中,X 0 为参考频点f 0 对应的声源信号。互相关矩
             ISSM方法的计算量较大。                                     阵 R f,0 和参考频点 f 0 对应的无噪声信号协方差矩
                 CSSM方法的处理思路是通过某种聚焦变换将                         阵P 0 之间满足如下关系:
             不同窄带分量的信号聚焦到某一参考频率上,然后                                             T f R f,0 = P 0 ,        (34)
             利用窄带处理方法对所有频点信号进行DOA估计。
                                                               其中,T f 为聚焦变换矩阵。对 R f,0 和 P 0 分别做极
             相较ISSM方法,CSSM方法的计算复杂度更小。经
                                                               分解,可表示为
             典的 CSSM 方法主要包括旋转信号子空间                  [1]  (Ro-
                                                                        R f,0 = W f Q f , P 0 = W 0 Q 0 ,  (35)
             tational signal subspace, RSS) 和双边相关变换      [2]
                                                                                                  H
             (Two-side correlation transform, TCT)等。下文对        其 中, W f 和 W 0 是 酉 矩 阵, 即 W W f = I,
                                                                                                 f
                                                                  H
             RSS 算法进行简要介绍,RSS 算法对于每个频点 f                       W W 0 = I。Q f 和 Q 0 为Hermitian 正定矩阵。根
                                                                 0
             对应的阵列流形矩阵 A f ,考虑构造对应的聚焦变                         据矩阵极分解的性质,W f 、W 0 、Q f 和Q 0 之间有如
                                                               下关系:
             换矩阵 T f ,将 A f 通过聚焦变换映射到参考频点 f 0
                                                               
             对应的阵列流形矩阵A 0 ,可表示为                                 W  f H  = Q −1 R H  , W 0 = P 0 Q −1 ,
                                                                                             0
                                                                              f,0
                                                                          f
                                                                      (  H   ) 1/2      (  H     ) 1/2   (36)
                              T f A f = A 0 .          (30)     Q 0 = P P 0     , Q f = R f,0 R f,0  .
                                                                         0
   162   163   164   165   166   167   168   169   170   171   172