System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于民用和军用监视和侦察领域,具体涉及一种mimo声纳的混响抑制方法及装置。
技术介绍
1、多输入多输出(mimo)声纳系统可用于民用和军用监视和侦察,mimo声纳通过发射正交波形和利用发射和接收阵元的阵列结构,有效地利用了时域和空域的自由度。mimo系统具有集中式和分布式。本专利技术重点研究了集中式多输入多输出(mimo)声纳。水下运动目标探测和参数估计是mimo声纳系统最重要的任务。水下目标用距离、角度、速度和反射系数来度量。与传统的阵列声纳相比,mimo声纳具有更高的角度和距离分辨率。利用具有指定脉冲重复频率(prf)的多个脉冲,可以在多普勒域中估计运动目标的速度。低prf意味着各脉冲时间间隔过长,水下目标通常在时间间隔内产生运动偏移。运动目标的偏移引起的回波包络在多脉冲积累时间内的偏移,导致能量积累和检测性能下降。现代声纳通常使用高prfs,然而,当存在距离模糊时,高prfs会导致范围模糊,而目标的范围无法确定。近年来,为了减少距离模糊对目标检测的影响,频率分集阵列(fda)引起了广泛的关注。fda在阵列元素中使用一个小的频率增量,由于频率增量的存在,fda-mimo系无需进一步解决距离模糊问题。
2、在浅水声纳探测中,接收到的信号包含由水面反射和其他散射体反射引起的混响,因此,运动目标,特别是低速目标,将被严重扩散的混响多普勒所淹没。空时自适应处理(stap)技术被认为是抑制联合角度-多普勒域中多普勒扩展混响的有效方法。在过去的几十年中,许多统计类stap方法已经发展。它们主要依靠独立同分布(ii
3、而不需要大量样本的直接数据域方法,通常假设运动目标在空时谱中与混响能很好地分离,但混响空时谱严重展宽使得这一假设不成立,低速目标和扩展的混响谱出现融合,混响抑制效果差,给低速目标探测带来了巨大的挑战。因此,无法将现有的混响抑制方法直接应用于复杂水下环境中的低速目标检测。
技术实现思路
1、为解决的问题,本专利技术在以fda-mimo声纳系统为基础,提出了一种基于压缩感知的混响抑制方法。该算法以均匀圆阵(uca)为基础,构建了fda-mimo声纳目标信号模型和空时混响信号模型。基于加权压缩感知的空时谱估计算法在保持混响抑制优势的同时,利用多维信息对距离、角度和速度进行了高精度的估计。在优化过程中,利用恒虚警检测器和ml估计器对正则化参数进行估计,以保证对噪声参数具有一定的鲁棒性,包括:
2、使用mimo声纳发射并接收回波信号,对接收信号进行滤波和稀疏化处理,将振幅矩阵表示为稀疏系数a,并将接收信号表示为:s=ga+c+n;其中,为将振幅矩阵a按照列进行向量化的结果,表示在角度多普勒网格中每一点的响应向量,和分别表示混响和加性高斯白噪声,所述角度多普勒平面上的网格为h×k,其中mnk<hk,即目标数目远小于角度多普勒平面上的网格数,所述a为稀疏系数;
3、使用稀疏stap算法通过不含目标的距离单元信号估计混响协方差矩阵,根据混响协方差矩阵计算加权压缩感知的权重向量w,即w=r-1g;所述混响协方差矩阵用于描述混响信号的特性,所述权重向量w为使用混响协方差矩阵调整过的测量矩阵,用于恢复稀疏系数a时过滤混响;
4、使用加权w的范数优化问题求解稀疏系数a,将np难的l0范数优化问题转化为可解的l1范数优化问题;所述l1范数优化问题为
5、求解所述l1范数优化问题,并根据求解出的a对距离、角度和速度进行估计。
6、所述对接收信号进行滤波和稀疏化处理包括:
7、将接收信号进行匹配滤波;
8、对接收信号进行非均匀采样,表示为接收数据矩阵其中,a(i,r,θ,fd)为在第k次脉冲中(r,θ)位置点目标的接收信号振幅,为接收信号导向矢量;
9、使用h×k的角度多普勒网格表示接收信号,提取稀疏系数a,将接收信号表示为s=ga+c+n,a为将振幅矩阵a按照列进行向量化的结果,表示在角-多普勒网格中每一点的响应向量,和分别表示混响和加性高斯白噪声,其中h>mn。
10、所述根据混响协方差矩阵计算加权压缩感知的权重向量w包括:
11、对被测试单元两侧的距离单元使用l0范数优化问题求解稀疏系数a:
12、min||a||0,s.t.||s-ga||2≤ε
13、求解该l0范数优化问题,得到被测试单元两侧的距离单元的角度多普勒谱;
14、利用被测试单元两侧的距离单元的信号估计混响协方差矩阵:
15、r=ssh=gaahgh
16、根据混响协方差矩阵求出权重向量w:
17、w=r-1g
18、所述求解该l0范数优化问题可以使用包括但不限于贪心算法、迭代阈值算法的解决方法。
19、所述将np难的l0范数优化问题转化为可解的l1范数优化问题包括:
20、用laplace分布密度函数表示wa的稀疏性:
21、
22、表示s关于a,g,σ2的概率密度函数:
23、
24、将w的概率密度函数与s的概率密度函数代入使用最大后验概率方法的最大化a问题中:
25、
26、即可将l0优化问题转化为l1优化问题:
27、
28、所述求解l1范数优化问题包括:
29、利用cfar探测器和ml估计器在角度多普勒谱中估计正则化参数,所述正则化参数为η=2σ2γ,其中σ2是加性噪声的方差,γ是关于wa的laplace密度函数的尺度系数,为:
30、
31、通过延时叠加算法与快速傅立叶变换完成a的初始化;
32、利用稀疏恢复算法求解范数优化问题;
33、通过动态阈值法检测多目标峰,通过和获得检测到的目标信号角度和速度参数,通过求解估计目标的位置。
34、所述稀疏恢复算法求解范数优化问题可以为omp算法、focuss算法、自适应矩估计算法和bfgs法中的任意一种。
35、第二方面,公开一种针对频率分集mimo声纳的稀疏混响抑制装置,包括:
36、信号处理单元,用于对接收信号进行滤波和稀疏化处理,将振幅矩阵表示为稀疏系数a,并将接收信号表示为:s=ga+c+n;
37、权重向量计算单元,用于估计混响时空谱和协方差矩阵,并计算加权稀疏算法的权重向量;
38、转化优化问题单元,用于基于加权压缩感知的优化问题求解稀疏系数a,将np难的l0范数优化问题转化为本文档来自技高网...
【技术保护点】
1.一种MIMO声纳的混响抑制方法,其特征在于,包括:
2.根据权利要求1所述的混响抑制方法,其特征在于,所述对接收信号进行滤波和稀疏化处理包括:
3.根据权利要求1所述的混响抑制方法,其特征在于,所述根据混响协方差矩阵计算加权压缩感知的权重向量W包括:
4.根据权利要求3所述的混响抑制方法,其特征在于,所述求解该l0范数优化问题可以使用包括但不限于贪心算法、迭代阈值算法的解决方法。
5.根据权利要求1所述的混响抑制方法,其特征在于,所述将NP难的l0范数优化问题转化为可解的l1范数优化问题包括:
6.根据权利要求1所述的混响抑制方法,其特征在于,所述求解l1范数优化问题包括:
7.根据权利要求6所述的混响抑制方法,其特征在于,所述稀疏恢复算法求解范数优化问题可以为OMP算法、FOCUSS算法、自适应矩估计算法和BFGS法中的任意一种。
8.一种MIMO声纳的混响抑制装置,其特征在于,包括:
【技术特征摘要】
1.一种mimo声纳的混响抑制方法,其特征在于,包括:
2.根据权利要求1所述的混响抑制方法,其特征在于,所述对接收信号进行滤波和稀疏化处理包括:
3.根据权利要求1所述的混响抑制方法,其特征在于,所述根据混响协方差矩阵计算加权压缩感知的权重向量w包括:
4.根据权利要求3所述的混响抑制方法,其特征在于,所述求解该l0范数优化问题可以使用包括但不限于贪心算法、迭代阈值算法的解决方法。
5.根据...
【专利技术属性】
技术研发人员:吴敏,郝程鹏,
申请(专利权)人:中国科学院声学研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。