CN101470187A - 一种用于线列阵的高精度测向方法 - Google Patents

Abstract

本发明公开一种用于线列阵的高精度测向方法，包括：对线列阵接收的时空二维信号，进行频域传统波束形成，在波束域内扫描得到粗测目标角度；将所述线列阵划分为若干个子阵，在所述粗测目标角度范围内，对各子阵接收的时空二维信号分别进行频域传统波束形成并聚焦形成频域－波数数据；对所述频域－波数数据在所述粗测目标角度范围内根据宽带聚焦最小方差无失真方法进行处理，获取目标信号方位。通过应用本发明，计算速度快，能实现实时处理，算法稳健性高，目标探测精度高。

Description

一种用于线列阵的高精度测向方法

技术领域

本发明涉及声纳信号处理技术领域，更具体地，本发明涉及一种用于线列阵的高精度测向方法。

背景技术

声纳信号处理的一个基本问题就是测向，以确定感兴趣的空间信号的方向。高精度测向技术，是指采用某种算法，对阵列接受到的目标辐射或反射的时空二维信号进行处理，从而得到目标方位的高精度估计。高精度测向技术在声纳、雷达等领域有着广泛的应用。

在目前典型的用于线列阵的高精度测向算法包括：“J.Capon，High-Resolution Frequency-Wavenumber Spectrum Analysis，Proceedingsof the IEEE，Vol.57，No.8，August 1969”中的Capon法，“孙长瑜等，二维频域波束形成方法，应用声学，1995”中的窄带二维频域波束形成法，“James.A.Cadzow，Direction-of Arrival Estimation Using SignalSubspace Modeling，IEEE transaction on aerospace and electronicsystems，Vol.25，No.1，January 1992”中的多重信号分类(MUSIC)法，“ShahramShahbazpanahi，Robust Adaptive Beamforming for General-Rank SignalModels，IEEE transactions of signal processing，vol.51，no.9，September2003”中的自适应波束形成法以及“Roy R等，ESPRIT-A Subspace Rotationapproach to estimation of parameters of cissoids in noise，IEEETrans.ASSP，1986”中的旋转不变量信号参数估计方法(ESPRIT)法。

Capon法，是指通过保持目标信号位置输出功率不变，最小化***总输出功率，在目标信号位置形成极大响应，其它方位输出最小。表示为： $\underset{w}{\min }(w^H*R*w),w^H*a=1,$ 其中，a为指定方向的方向矢量，R是阵列输出协方差矩阵，w为加权向量。对于此方法，如果输入信号的长度为N，则相应的要计算N*N维矩阵的逆矩阵，随着N的增长，计算量会急剧增加，对整个***的计算能力要求极高，而一般的线列阵的阵元个数N是几十乃至几百，如此巨大的矩阵求逆导致该方法实用性差。

窄带二维频域波束形成法在窄带目标信号输入的条件下，在时间域和空间域对输入阵列数据进行快速傅立叶变换(FFT)，在频域得到波束形成。该方法只能处理窄带信号，与测向时经常遇到的宽带信号不匹配，实用性差。

MUSIC法，是一种典型的空间谱估计测向方法，首先估计出信号源的个数，其次对信号输出协方差矩阵进行特征值分解，最后对信号方位进行扫描，找到对应信号源个数的谱峰。该方法对阵列模型失配十分敏感，存在阵列误差时其估计性能明显下降。此方法要求信号源是非相关的，而且噪声为具有相同功率的空间白噪声，这两点在实际应用中一般难以满足，导致***性能不稳定，***稳健性差，另外该方法需要对信号输出协方差矩阵进行特征值分解，涉及到大矩阵求逆的问题，也带来计算量巨大的问题。

自适应波束形成法，是指***根据环境噪声场的变化，不断的自动调节本身的参数以适应周围环境，抑制干扰并检测出有用信号。该方法的***性能稳定性较差，而且不断调整参数也带来计算量大的问题，实际应用困难。

ESPRIT法，是指利用阵列传感器分组所得的信号子空间中隐含的旋转不变量实现测量来波方向的方法。子空间的不变量通过建立自相关和互相关矩阵来实现。将原阵列分解为两个子阵，通过最小二乘(Least Square，LS)或总体最小二乘(Total Least Square，TLS)拟合来估计子阵列的相移矩阵，得到目标信号方位估计。在计算中涉及元素间互相关值的估计时，从自相关和互相关矩阵中扣除估得的噪声方差有时却很致命，并使整体效果不佳，使得***的稳定性差，实用性能较差。

总体而言，由于水声工作环境的恶劣性(例如，噪声模型易失配、海洋传播信道的复杂、阵形易失配等)，以上方法在现阶段的实际应用中，或者计算量巨大，***难以负荷，或者实用性差，稳健性不高，难以在实际的应用中得到采用。

发明内容

为克服现有高精度侧向技术中的实用性差、稳健性不高并且难以处理宽带目标信号的缺陷，本发明提供一种用于线列阵的高精度测向方法。

根据本发明的一个方面，提出了一种用于线列阵的高精度测向方法，包括：

步骤10)、对所述线列阵接收的时空二维信号，进行频域传统波束形成，在波束域内得到粗测目标角度；

步骤20)、将所述线列阵划分为若干个子阵，在所述粗测目标角度内，对各子阵接收的时空二维信号分别进行频域传统波束形成并聚焦形成频域-波数数据；

步骤30)、对所述频域-波数数据在所述粗测目标角度范围内根据宽带聚焦最小方差无失真方法进行处理，获取目标信号方位。

其中，步骤10)进一步包括：

步骤110)、获取各阵元的所述时空二维信号的频域数据，对所述频域数据进行空间域补零，并对每一个频点在空间域上做快速傅立叶变换和谱移，得到频点和波束对应数据；

步骤120)、在所述每一个频点，依据频率-波数网格对所述频点和波束对应数据进行校正，得到频率-波数数据矩阵；

步骤130)、对所述频率-波数数据矩阵在频域做反快速傅立叶变换，并进行波束形成处理，获得各搜索方位上的输出功率；

步骤140)、确定大于设定阈值的各方位的输出功率的信号为具有所述粗测目标角度的信号。

其中，步骤20)包括：

步骤210)、将线列阵在逻辑上划分为多个子阵，使用所述各子阵接收时空二维信号；

步骤220)、对所述时空二维信号在时间域上做快速傅立叶变换，获得各阵元的频域数据，并且生成在粗测角度范围和处理带宽内各个频率分量上的子阵间延时表；

步骤230)、对子阵的频域数据，在空间域上补零，并在目标频段内的每一个频率分量上做空间域的快速傅立叶变换和谱移，得到频点和波束对应数据；

步骤240)、在处理带宽内的每一个频点上，对所述频点和波束对应数据进行校正，得到频率-波数数据矩阵，通过反快速傅立叶变换，得到时间-波数数据矩阵。

其中，步骤30)包括：

步骤310)、在所述粗测目标角度范围的每一个角度，将所述时间-波数数据矩阵重组为处理带宽×子阵数维的数据矩阵；

步骤320)、计算所述处理带宽×子阵数维的数据矩阵的协方差矩阵及其逆矩阵，并且根据导向矢量为全“1”矢量的宽带聚焦最小方差无失真算法，获得粗测角度范围内的输出功率；

步骤330)、搜索所述输出功率，将大于设定阈值的信号确定为目标信号，输出所述目标信号方位。

其中，步骤110)还包括：对所述时空二维信号在时间域上做快速傅立叶变换，获得各阵元的频域数据。

其中，步骤110)中，所述空间域补零可以在原数据后直接补零，也可以在原数据中插值补零。

其中，步骤210)中，对线列阵在逻辑上进行划分的方式包括：子阵不重叠、子阵重叠和子阵交叉。

其中，步骤230)中，所述空间域补零可以在原数据后直接补零，也可以在原数据中插值补零。

其中，步骤240)还包括：在处理带宽的每一个频点上，依据频率-波数网格和所述子阵间延时表对所述二维信号校正，得到频率-波数数据矩阵。

其中，对于所述接收到的时空二维信号的长度较长，分为多个长度较短的信号。

通过应用本发明的方法，采用频域波束形成，充分利用快速傅立叶变换，计算速度快，便于DSP工程实现，能实现实时处理；采用快速傅立叶变换，在频域上运算，将宽带信号分解为多个频点信号，对每一个频点进行处理，适应于宽带噪声目标测向；采用计算效率高的频域常规波束形成进行目标方位的粗测，然后采用降低维数及计算复杂度的高精度分子阵的MVDR算法进行目标方位精测，算法稳健性高，目标探测精度高。

附图说明

图1是现有技术中的常规线列阵示意图；

图2是高精度测向方法的总体流程图；

图3是线列阵子阵划分示意图；

图4是本发明高精度测向方法的具体流程图；

图5是频率-波数网格的示意图；

图6是根据一个实施例的声纳数据处理和显控***。

具体实施方式

下面结合附图和具体实施例对本发明提供的一种用于线列阵的高精度测向方法进行详细描述。

图1示出现有技术中的常规线列阵，如图1所示，用于接收空间信号的线列阵102由32个常规的无指向性水听器101组成，水听器101的接收信号中心频率为5000KHz，任意两个水听器之间间隔半个波长，线列阵012的声振段的总长度是4.65米，线列阵102可以安装在潜艇或无人潜航器上。

在根据本发明的实施例所提供的方法中，如图2所示，通过利用快速傅立叶变换计算的高效性，对整个线列阵接收到的时空二维数据在频域实现快速的常规波束形成，在波束域扫描后得到宽带目标信号的粗测方位；然后在粗测方位附近利用宽带聚焦MVDR算法进行宽带目标方位的高精度估计，获取高精度目标方位估计输出。考虑到常规MVDR算法涉及到计算N*N维矩阵的逆矩阵的问题，将线列阵在逻辑上进行划分为若干个子阵，在每一个子阵内进行快速的频域常规波束形成，将每一个子阵视为一个虚拟阵元，再进行宽带聚焦MVDR算法，大大降低了计算的复杂性，同时也能获得高精度的宽带目标方位估计。

线列阵的子阵划分方式有很多种，其中，有三种常见的子阵划分方式，如图3所示，方式201为子阵不重叠的划分方式，若各个子阵中心之间的距离过大，会导致出现栅瓣，但对于不很长的线列阵，不会出现该问题；方式202为子阵重叠的划分方式，由于阵元的重叠，可以避免栅瓣的出现，但相应增加了计算量；方式203为子阵交叉的划分方式，虽然保留整条线阵的分辨率，但是如果子阵数过多，将出现栅瓣现象，在以下根据本发明的实施例中，采用201子阵不重叠的划分方式。本领域内的普通技术人员可以理解，使用其它两种划分方式也同样可以实现本发明的方法，并达到所要求的技术效果。

在根据本发明的一个实施例中，图4详细示出一种用于线列阵的高精度测向方法的流程。

如图4所示，对单个线列阵接收到的时空二维信号，进行频域传统波束形成(传统波束形成延时相加波束形成，频域传统波束形成是将延时相加波束形成方法在频域实现)在波束域内扫描得到粗测的目标角度。

步骤501：用单个线列阵接收时空二维信号，从该线列阵的各阵元获得时域数据。

步骤502：对线列阵中的每个阵元，分别取一段接收数据在时间域上做快速傅立叶变换(FFT)，得到各阵元的频域数据，组成一个频域-空间域数据矩阵。

本步骤中，需要注意，因为取的数据长度越长，即数据矩阵维数越大，则运算速度会相应减慢。为了保证运算速度能够满足实时处理的要求，数据长度不宜过大。一般FFT运算点数在1024点及以下均能满足要求。

步骤503：在空间域上对步骤502获取的数据补零，然后对处理带宽内的每一个频点在空间域上做快速傅立叶变换，得到频域-波数矩阵；将获得数据的零频分量移至谱中心，得到一组与各频点和波束相对应的数据，即频率-波数数据矩阵；

由于线列阵总阵元数M一般不大，为了在空间域上做FFT后频率-波数网格(如图5所示)中有更“稠密”的分布，使得样本点能接近任意的导向角，在空间域上对数据补零至N_p点，N_p远远大于M。

空间域补零可以有多种选择，既可以在原数据后直接补零，也可以在原数据中插值补零，只要补零后的数据长度满足要求即可。

本领域的普通技术人员可以理解，将零频分量移至谱中心是一种常用的处理方法，在许多文献中都有说明。

步骤504：为以下所做的校正，需要预先产生频率-波数网格。

具体地说，本步骤中，预先产生的频率-波数网格由以下各式定义：

t(k，m)＝round(N_P*f_k*τ(θ_m)+0.5)，f_k＝k*f_s/N，τ(θ_m)＝d*sin(θ_m)/c；

其中，k是频点，t(k，m)表示频率-波数网格中频点k和波数m位置的数据，f_s，f_k分别为采样频率和第k个频点频率，d是阵元间距，θ_m是扫描角，N_P是空间域补零后点数，N是FFT点数，round(x)表示取最接近x的整数，x(n，：)表示取矩阵x的第n行。

步骤505：在每一个频点上依据预先产生的频率-波数网格对由步骤503所得的频域-波数矩阵进行校正。

采用FFT实现频域波束形成所对应的角度是波数域上的值，不是真正的角度，为了得到对应真实的角度的值，一般需要对其进行插值，插值一般意味着巨大的计算量，本发明采用预先生成用来校正的频率-波数网格的方法进行校正，该方法可参考文献“Brian Maranda，Efficient digital beamformingin the frequency domain，1989，J.Acoustical Society of America”。

具体地说，本步骤中，频率-波数网格校正由下式定义：

P₂(k，：)＝P(k，t(k，：)+N_P/2)

其中，k是频点，P是空间域补零后FFT得到的数据，P₂是经频率-波数网格校正后数据，N_P是空间域补零后点数，x(n，：)表示取矩阵x的第n行。

步骤506：对步骤505获得的频率-波数数据矩阵在频域做反快速傅立叶变换，获得时间-波数数据矩阵；

步骤507：将步骤506获得的时间-波数数据矩阵的每一列的共轭转置与其自身相乘，得到在搜索方位上的输出功率；搜索各方位输出，大于设定阈值的，认为是目标信号位置，输出这些目标信号方位；本步骤是波束形成步骤，时间-波数数据矩阵的一列表示一个搜索方位，一行表示一个时间点的信号。

搜索角度的步长越小，输出的波束越多，探测的精度也越高。输出的目标信号方位估计即为粗测的目标方位，这些值用来确定下一步宽带聚焦MVDR算法处理的角度范围。

对单个线列阵在逻辑上进行分割，分为上面结合图3所述的若干个子阵，在粗测目标角度范围内，对各子阵的时空二维信号分别进行频域传统波束形成，由于维数下降，降低了计算量，随后进行聚焦(延时各子阵波束形成结果)送往下一步；

步骤508：对单个线列阵在逻辑上进行分割，分割为N_sub个子阵，用各子阵接收时空二维信号；所划分的子阵参见图3所示；

步骤509)：根据步骤507)获得的粗测的目标方位，确定需要精测的角度区域；

本步骤中，精测区域的确定，要根据实际的项目要求和硬件条件来确定。本实施例中取粗测角度左右各3度为需要精测的角度区域，这也要求粗测的目标方位的误差不能超出±3度，一般而言频域常规波束形成能达到这个要求。

步骤510)：根据步骤508)确定的子阵划分方案和步骤509)确定的精测角度范围，生成子阵间的延时表；

具体的说，本步骤中子阵间延时表的生成由下式决定：

$\mathrm{delay}(i,j)=2\mathrm{\π}*i*\frac{f_s}{N}*\frac{M_0*d*\sin \left(j\right)}{c},$

其中，f_s为采样频率，d是阵元间距，i是处理带宽内的频点位置，j是精测区域内扫描角度，N是FFT的点数，M₀是子阵内的阵元数。

步骤511)：对所划分的每一个子阵进行频域常规波束形成；

本步骤中，对子阵数据进行频域常规波束形成与步骤502)至步骤506)基本一致，区别在于在进行步骤505)的处理时，进行校正时需要同时乘以一个延时量，该延时量由子阵序号与子阵延时表的乘积决定；另外各子阵数据的处理后的时间-波数数据矩阵均要存储；

具体的说，本步骤中，频率-波数网格校正后数据乘以一个延时量由下式定义：

P₂(k，：)＝P(k，t(k，：)+N_P/2)，

P₃(k，：)＝P₂(k，：)*exp(j*pp*delay(k，：))

其中，pp是子阵序号，k是频点，P是空间域补零后FFT得到的数据，P₂是经频率-波数网格校正后数据，P₃是经频率-波数网格校正后数据乘以一个延时量后的数据，N_P是空间域补零后点数，x(n，：)表示取矩阵x的第n行。

步骤512)：在粗测目标角度范围内，在每一个角度上，对上述步骤输出的各子阵的时间-波数数据矩阵，重组为频率-子阵数据矩阵；计算获得的频率-子阵数据矩阵的协方差矩阵，得到N_sub*N_sub的协方差矩阵；N_sub为子阵数；计算该协方差矩阵的逆矩阵；

513)按照导向矢量为全“1”矢量的宽带聚焦MVDR算法公式，在粗测角度范围内的每一个角度上，计算***功率输出。

本步骤中，全1导向矢量的出现是因为在前述的子阵频域常规波束形成中已经考虑了各阵元间、各子阵间的延时，所以此时的导向矢量无需在考虑延时问题，故取为全1的导向矢量，即意味着声波到达各阵元间是没有延时差的。

具体的说，本步骤中的导向矢量为全“1”矢量的宽带聚焦MVDR算法公式为：

s＝[1，1，1，……1]，N_sub个1；

$\mathrm{pMVDR}=\mathrm{abs}\left(\frac{1}{s*R^{-1}*s^T}\right),$

其中R^-1为步骤512)输出的协方差矩阵的逆矩阵；pMVDR为输出功率。

514)搜索步骤513)的输出，大于设定阈值的，即为目标信号位置，输出这些精测的目标信号方位。

对长度很大的数据，可以采取分段处理的方法，对每个分段数据进行上述用于线列阵的快速稳健的高精度测向，再积累输出各个分段的检测结果。

图6示出一种可以应用本发明所述方法的现有的声纳数据处理和显控***。其中，拖曳线列阵102和前置电路601从每个水听器接收到模拟信号。前置电路601包括前放、滤波和其它常规的电路。每个通道的模拟信号输入到A/D转换器602得到数字信号。从A/D转换器602出来的是多通道的数字数据流，每个通道的数据流对应于一个水听器接收到的模拟信号。将这些数据流输入到微型处理器603。经微型处理器603处理后的输出信息可以存储在数据存储器件605，比如磁盘存储设备中，或直接输出到显示设备606上显示。

微型处理器603首先将接收到的数据流存储到动态存取区604，在输入满足处理要求数量的数据流后就开始处理。执行上述图4的流程，包括时间域FFT 502，空间域补零后做FFT，并移零频分量至谱中心503，频率-波数校正505，频率-波数网格504，频域IFFT 506，波束形成507，产生子阵间延时表510，子阵频域常规波束形成511，子阵聚焦，求相关矩阵及其逆矩阵512，全“1”导向矢量的宽带聚焦MVDR算法513及目标方位搜索514。这些程序储存在动态存取区604中。

因为本发明中的A/D转换器602输出的是多通道的数据流，因此可以采用多片的微型处理器来并行处理。能够实现图6功能的其它一些硬件设备，比如专用硬件、基于应用的集成电路(ASIC)、DSP等都可以用来代替微型处理器603。

最后应说明的是，以上实施例仅用以描述本发明的技术方案而不是对本技术方法进行限制，本发明在应用上可以延伸为其他的修改、变化、应用和实施例，并且因此认为所有这样的修改、变化、应用、实施例都在本发明的精神和教导范围内。

Claims (10)

1、一种用于线列阵的高精度测向方法，包括：

步骤10)、对所述线列阵接收的时空二维信号，进行频域传统波束形成，在波束域内得到粗测目标角度；

步骤20)、将所述线列阵划分为若干个子阵，在所述粗测目标角度内，对各子阵接收的时空二维信号分别进行频域传统波束形成并聚焦形成频域-波数数据；

步骤30)、对所述频域-波数数据在所述粗测目标角度范围内根据宽带聚焦最小方差无失真方法进行处理，获取目标信号方位。

2、权利要求1的方法，其中，步骤10)进一步包括：

步骤110)、获取各阵元的所述时空二维信号的频域数据，对所述频域数据进行空间域补零，并对每一个频点在空间域上做快速傅立叶变换和谱移，得到频点和波束对应数据；

步骤120)、在所述每一个频点，依据频率-波数网格对所述频点和波束对应数据进行校正，得到频率-波数数据矩阵；

步骤130)、对所述频率-波数数据矩阵在频域做反快速傅立叶变换，并进行波束形成处理，获得各搜索方位上的输出功率；

步骤140)、确定大于设定阈值的各方位的输出功率的信号为具有所述粗测目标角度的信号。

3、权利要求2的方法，其中，步骤110)还包括：对所述时空二维信号在时间域上做快速傅立叶变换，获得各阵元的频域数据。

4、权利要求2的方法，其中，步骤110)中，所述空间域补零可以在原数据后直接补零，也可以在原数据中插值补零。

5、权利要求1的方法，其中，步骤20)进一步包括：

步骤210)、将线列阵在逻辑上划分为多个子阵，使用所述各子阵接收时空二维信号；

步骤220)、对所述时空二维信号在时间域上做快速傅立叶变换，获得各阵元的频域数据，并且生成在粗测角度范围和处理带宽内各个频率分量上的子阵间延时表；

步骤230)、对子阵的频域数据，在空间域上补零，并在目标频段内的每一个频率分量上做空间域的快速傅立叶变换和谱移，得到频点和波束对应数据；

步骤240)、在处理带宽内的每一个频点上，对所述频点和波束对应数据进行校正，得到频率-波数数据矩阵，通过反快速傅立叶变换，得到时间-波数数据矩阵。

6、权利要求5的方法，其中，步骤210)中，对线列阵在逻辑上进行划分的方式包括：子阵不重叠、子阵重叠和子阵交叉。

7、权利要求5的方法，其中，步骤230)中，所述空间域补零可以在原数据后直接补零，也可以在原数据中插值补零。

8、权利要求5的方法，其中，步骤240)还包括：在处理带宽内的每一个频点上，依据频率-波数网格和所述子阵间延时表对所述二维信号进行校正，得到频率-波数数据矩阵。

9、权利要求5的方法，其中，步骤30)进一步包括：

步骤310)、在所述粗测目标角度范围的每一个角度，将所述时间-波数数据矩阵重组为处理带宽×子阵数维的数据矩阵；

步骤320)、计算所述处理带宽×子阵数维的数据矩阵的协方差矩阵及其逆矩阵，并且根据导向矢量为全“1”矢量的宽带聚焦最小方差无失真算法，获得粗测角度范围内的输出功率；

步骤330)、搜索所述输出功率，将大于设定阈值的信号确定为目标信号，输出所述目标信号方位。

10、权利要求1的方法，其中，对于长度较长的所述接收到的时空二维信号，将其分为长度较短的多个信号。

Images