一种基于主成分分析-密度聚类的畸变阵形线谱增强方法技术

本发明专利技术公开了一种基于主成分分析‑密度聚类的畸变阵形线谱增强方法，包含步骤如下：(1)模拟水声目标辐射噪声以及干扰线谱信号；(2)模拟观测阵列信号；(3)基于理想波束形成粗略估计目标方位；(4)检测并选取目标信号的L个功率最大的线谱位置；(5)将L个强线谱的阵列相对时延差向量，使用主成分分析法提取特征，得到L个曲线的特征向量；(6)使用DBSCAN密度聚类算法对L个曲线进行分类；(7)选择分类结果中线谱较多类，计算平均阵列相对时延差向量；(8)基于估计时延获取保真增强的目标跟踪波束。一种基于主成分分析‑密度聚类的畸变阵形线谱增强方法通过时延估计来校正拖曳线列阵的畸变对波束形成影响，获得保真增强的目标辐射噪声跟踪波束。

【技术实现步骤摘要】
一种基于主成分分析-密度聚类的畸变阵形线谱增强方法
本专利技术属于声纳信号处理领域，具体涉及基于主成分分析-密度聚类的畸变阵形线谱增强方法。
技术介绍
目前应用的声纳系统一般包括水听器岸基阵列声呐、水听器拖曳阵列声呐等类型。拖曳阵列声呐一般用于探测远距离水下目标，其长度需求随着水下目标辐射噪声的降低加长。然而，拖曳线列阵越长，其阵形受海洋洋流、母船机动等因素的影响越大。这种畸变严重降低了阵列声呐的空间处理增液，同时也增大声呐对目标方位的误差。想要得到水听器阵列阵形估计，解决的方法有两种:一是实测阵列阵形，二是阵形估计。前者通过对阵列阵形直接进行全方位离散测量、内插、存储来实现，但该方法实现难度大、存储量大，不适合海试应用。另外，阵列阵形内插会引入误差，总体效果不明显。后者对阵元位置进行建模，将阵形估计转化为一个参数估计问题，求解精度高。该方法只需要几个不同方位的辅助信源，试验简单，存储量小，优势显著。阵形估计方法可以细分为估计大致阵形的阵形估计算法(狭义的阵形估计)和后续的用于提高精度的阵形较正算法。狭义的阵形估计方法主要有基于传感器直接测量的方法、匹配场处理的方法和基于时延估计的方法。基于传感器直接测量方法的估计精度受到传感器精度和数量的限制，并且会使整个水听器阵列复杂化，只适合作为辅助手段。20世纪90年代前后，人们通过对阵列误差进行建模，将阵形估计逐渐转化为一个参数估计问题，得到了后两种参数方法。基于匹配场的方法需要方位已知的辅助信源和大量海洋声学参数的测量和假设，通过比较拷贝场(通过海洋参数得到的计算场)和匹配场(水听器阵列测量到的声压场)估计阵列阵形。基于时延估计的方法是一种几何上的直观方法，它把阵形估计问题转化为各个阵元接收信号的时延估计问题。时延估计是信号处理中的基本问题，发展了许多不同性能的算法，使这种阵形估计方法有很强的适应性和很高的精度。自20世纪90年代以后，各种阵形校正算法不断提出，通常可以分为有源校正类和自校正类。有源校正算法通过在空间设置方位精确已知的辅助信源对阵列参数进行离线估计，由于无需对信号源方位进行估计，所以其运算量较小。但算法也对辅助信号源的方位信息的精确有较高要求，所以当辅助信号源的方位信息有偏差时，这类算法会带来阵形估计的误差。自校正类算法通常根据某种优化函数对空间信源的方位与阵列的扰动参数进行联合估计，优化函数的建立通常以特征子空间定向算法对阵列误差的敏感性为基础，进一步就是以信号子空间与噪声子空间的正交关系为基础。由于自校正算法可以在线完成辅助信源实际方位的估计，消除了算法对信源方位精确度依赖的影响，所以其校正的精度相对有源算法较高。但对于某些阵列结构，如等间距线列阵，参数估计的唯一辨识往往无法得到保证。更为重要的是自校正算法中的参数联合估计对应的高维、多模、非线性优化问题带来了庞大的运算量，参数估计的全局收敛性往往无法保证。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术公开了一种基于主成分分析-密度聚类的畸变阵形线谱增强方法，该方法通过阵列时延向量使用主成分分析算法提取特征，然后进行密度聚类选取目标谱线、去除干扰谱线，进行时延估计来校正拖曳线列阵的畸变对波束形成影响，获得保真增强的目标辐射噪声跟踪波束。技术方案：本专利技术采用如下技术方案：一种基于主成分分析-密度聚类的畸变阵形线谱增强方法，包括如下步骤：步骤1，模拟水声目标辐射噪声s(t)以及干扰线谱信号I(t)；步骤2，模拟观测阵列信号xi(t)，i＝1,2,...,M，M为观测阵列中阵元数目；步骤3，基于理想波束形成粗略估计目标方位为目标信号波束能量最大时的引导角；步骤4，检测目标信号的L个功率最大的线谱位置步骤5，将步骤4中提取的L个强线谱的阵列相对时延差向量使用主成分分析法提取特征，得到L个线谱的特征向量zl,l＝1,...,L；步骤6，使用DBSCAN密度聚类算法对L个线谱进行分类，分类簇集合为C＝{c1,c2,....ck}，其中，ci表示第i类所包含的线谱阵列时延特征向量；步骤7，选择分类结果中线谱最多的类，估计去除干扰的阵列相对时延差向量τ；步骤8，基于时延差向量获取保真增强的目标跟踪波束进一步地，步骤1中水声目标辐射噪声s(t)包括平稳连续谱分量sc(t)和线谱分量sl(t)，还需要仿真干扰线谱信号I(t)；所述平稳连续谱分量sc(t)的获取步骤如下：步骤1.a1，采用三参数模型法模拟平稳连续谱的功率谱Gxf(ωt)：其中，ωm，ωc和λ为三参数模型的三个参数，决定了该连续谱的形状；ωt为频率，ωm为尖锐度因子，决定谱锋的尖锐程度和高度，ωc决定谱锋的位置，λ为决定功率谱高、低频端幅度的相对比例的系数，σ表示平稳连续谱信号的能量；步骤1.a2，建立p阶AR滤波器，其Yule-Walker方程为：其中，a[l]，l∈{1,2,…,p}和b0为p阶AR滤波器系数，δ[k]为冲击函数；rx[k]为Gxf(ωt)的自相关函数rc(τ)的采样值；步骤1.a3，采用Levison-Durbin算法求解式(2)方程，得到p阶AR滤波器系数；高斯白噪声通过该AR滤波器后得到的信号，即为水声目标辐射噪声中的平稳连续谱分量sc(t)；所述线谱分量sl(t)的获取步骤如下：步骤1.b1，采用K个正弦信号来模拟目标信号的线谱分量，其中，Ak为正弦信号幅度，fk为正弦信号的频率，k＝1,2,...,K，t∈[0,T]为观测时间；步骤1.b2，在线谱位置fk处计算平稳连续谱分量sc(t)的能量PIk；步骤1.b3，根据已知的信号干扰比计算出各个正弦信号幅度Ak，即得到水声目标辐射噪声中的线谱分量sl(t)；所述干扰线谱信号I(t)的获取步骤如下：步骤1.c1，采用G个正弦信号来模拟目标信号的线谱分量，G<K，其中，Ag为正弦信号幅度，fg为正弦信号的频率，t∈[0,T]为观测时间；步骤1.c2，在线谱位置fg处计算平稳连续谱分量sc(t)的能量PIg，g＝1,2,...,G；步骤1.c3，根据已知的信号干扰比计算出各个正弦信号幅度Ag，即得到水声目标辐射噪声中的线谱分量I(t)。进一步地，步骤2包括如下步骤：步骤2.1，观测阵列采用拖曳阵，将拖曳阵中第一个阵元设置为参考阵元，其阵元数据为：s1(t)＝s(t)+I(t)；步骤2.2，拖曳阵中其余M-1个阵元的阵元数据为：si(t)＝s[t-TartimeDelay(i)]+I[t-IftimeDelay(i)]，i＝2,…,M；其中，TartimeDelay(i)为第i个阵元相对于参考阵元的时延：tarDis(i)为声源与第i个阵元之间的距离，v是声音在水中的传播速度。其中，IftimeDelay(i)为第i个阵元相对于参考阵元的时延：IfDi本文档来自技高网...

【技术保护点】
1.一种基于主成分分析-密度聚类的畸变阵形线谱增强方法，其特征在于，包括如下步骤：/n步骤1，模拟水声目标辐射噪声s(t)以及干扰线谱信号I(t)；/n步骤2，模拟观测阵列信号x

【技术特征摘要】
1.一种基于主成分分析-密度聚类的畸变阵形线谱增强方法，其特征在于，包括如下步骤：
步骤1，模拟水声目标辐射噪声s(t)以及干扰线谱信号I(t)；
步骤2，模拟观测阵列信号xi(t)，i＝1,2,...,M，M为观测阵列中阵元数目；
步骤3，基于理想波束形成粗略估计目标方位为目标信号波束能量最大时的引导角；
步骤4，检测目标信号的L个功率最大的线谱位置
步骤5，将步骤4中提取的L个强线谱的阵列相对时延差向量使用主成分分析法提取特征，得到L个线谱的特征向量zl,l＝1,...,L；
步骤6，使用DBSCAN密度聚类算法对L个线谱进行分类，分类簇集合为C＝{c1,c2,....ck}，其中，ci表示第i类所包含的线谱阵列时延特征向量；
步骤7，选择分类结果中线谱最多的类，估计去除干扰的阵列相对时延差向量τ；
步骤8，基于时延差向量获取保真增强的目标跟踪波束


2.根据权利要求1所述的基于主成分分析-密度聚类的畸变阵形线谱增强方法，其特征在于，步骤1中水声目标辐射噪声s(t)包括平稳连续谱分量sc(t)和线谱分量sl(t)，还需要仿真干扰线谱信号I(t)；
所述平稳连续谱分量sc(t)的获取步骤如下：
步骤1.a1，采用三参数模型法模拟平稳连续谱的功率谱Gxf(ωt)：



其中，ωm，ωc和λ为三参数模型的三个参数，决定了该连续谱的形状；ωt为频率，ωm为尖锐度因子，决定谱锋的尖锐程度和高度，ωc决定谱锋的位置，λ为决定功率谱高、低频端幅度的相对比例的系数，σ表示平稳连续谱信号的能量；
步骤1.a2，建立p阶AR滤波器，其Yule-Walker方程为：



其中，a[l]，l∈{1,2,…,p}和b0为p阶AR滤波器系数，δ[k]为冲击函数；rx[k]为Gxf(ωt)的自相关函数rc(τ)的采样值；
步骤1.a3，采用Levison-Durbin算法求解式(2)方程，得到p阶AR滤波器系数；高斯白噪声通过该AR滤波器后得到的信号，即为水声目标辐射噪声中的平稳连续谱分量sc(t)；
所述线谱分量sl(t)的获取步骤如下：
步骤1.b1，采用K个正弦信号来模拟目标信号的线谱分量，其中，Ak为正弦信号幅度，fk为正弦信号的频率，k＝1,2,...,K，t∈[0,T]为观测时间；
步骤1.b2，在线谱位置fk处计算平稳连续谱分量sc(t)的能量PIk；
步骤1.b3，根据已知的信号干扰比计算出各个正弦信号幅度Ak，即得到水声目标辐射噪声中的线谱分量sl(t)；
所述干扰线谱信号I(t)的获取步骤如下：
步骤1.c1，采用G个正弦信号来模拟目标信号的线谱分量，G<K，其中，Ag为正弦信号幅度，fg为正弦信号的频率，t∈[0,T]为观测时间；
步骤1.c2，在线谱位置fg处计算平稳连续谱分量sc(t)的能量PIg，g＝1,2,...,G；
步骤1.c3，根据已知的信号干扰比计算出各个正弦信号幅度Ag，即得到水声目标辐射噪声中的线谱分量I(t)。


3.根据权利要求1所述的基于主成分分析-密度聚类的畸变阵形线谱增强方法，其特征在于，步骤2包括如下步骤：
步骤2.1，观测阵列采用拖曳阵，将拖曳阵中第一个阵元设置为参考阵元，其阵元数据为：
s1(t)＝s(t)+I(t)；
步骤2.2，拖曳阵中其余M-1个阵元的阵元数据为：
si(t)＝s[t-TartimeDelay(i)]+I[t-IftimeDelay(i)]，i＝2,…,M；
其中，TartimeDelay(i)为第i个阵元相对于参考阵...

【专利技术属性】
技术研发人员：武其松，张昊，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32