CN105954709A - 一种基于特征值多阈值修正的声矢量圆阵信源数检测方法 - Google Patents

Abstract

本发明属于声矢量传感器阵列信号处理领域，具体涉及涉一种应用于水下目标的远程被动探测的基于特征值多阈值修正的声矢量圆阵信源数检测方法。本发明包括：建立声矢量圆阵信号接收模型，获得声矢量圆阵接收声压数据、径向振速数据、切向振速，构造声矢量圆阵声压振速联合处理的协方差矩阵，对进行特征值分解；对协方差矩阵分解后得到的特征值集合进行多阈值划分处理，获得信号和噪声对应特征值集合。该方法将基于特征值多阈值修正的信息论检测方法与声矢量圆阵良好抗噪性能有机结合起来，明显地降低了检测算法的信噪比门限，克服了传统的MDL、对角加载MDL、GDE等检测方法对噪声特征值变化较为敏感的缺点。

Description

一种基于特征值多阈值修正的声矢量圆阵信源数检测方法

技术领域

本发明属于声矢量传感器阵列信号处理领域，具体涉及涉一种应用于水下目标的远程被动探测的基于特征值多阈值修正的声矢量圆阵信源数检测方法。

背景技术

信源数估计问题是阵列信号处理中的一个重要问题，高分辨空间谱估计技术一般需要先准确估计信源个数，否则将会导致方位估计算法性能下降，因此在雷达、声呐、通信等领域有着广泛的应用。

随着声矢量传感器技术的不断发展，矢量水听器被广泛地应用于水声工程各领域。矢量水听器阵列信号处理可有效提高水下目标远程探测能力，近年来，声矢量阵列的信源数估计问题也受到了人们的关注。李楠等人提出了一种基于核一致判别的声矢量阵信源数估计方法(李楠，程锦房，何光进，张炜.基于矢量阵列的信源数估计算法[J].武汉理工大学学报，2013，37(1):175-178.)，该方法利用并行因子分析方法表示信号协方差张量，通过计算该模型的秩来确定信源数；张锴提出了一种基于二阶盲源分离算法和解析振速模型的声矢量阵信源数目估计和方位估计算法(张锴.基于声矢量阵的信源数目检测和方位估计算法[J].现代导航，2015，3:269-275.)，该算法根据盲源分离得到的声压和解析振速波形之间的相似程度，实现对信源数目估计；但上述方法并未充分利用声矢量阵中声压与振速联合信息处理的抗噪能力，低信噪比的检测能力有限，还无法满足水下目标远程被动探测需要。

矢量水听器阵列信号处理与传统的声压水听器阵列信号处理本质上并没有区别，但其关键技术是如何充分利用声压与振速联合信息处理的抗噪能力。白兴宇等人提出了一种基于特征向量的声矢量阵信源数检测与子空间划分准则(白兴宇，姜煜，赵春晖.基于声压振速联合处理的声矢量阵信源数检测与方位估计[J].声学学报，2008，33(1):56-61.)，将子空间方法的高分辨能力与声矢量阵的抗噪能力有机结合起来，降低了可处理的信噪比门限，实现了远程目标的信源数检测与方位估计；张锴提出了基于声压、振速联合处理的声矢量阵正则相关技术的信源数目估计(张锴.基于声矢量阵正则相关技术的信源数目估计[J].舰船电子对抗，2013，36(2):69-77.)，该算法将正则相关技术与声压、振速信息联合处理有机结合起来，实现了信号源数目的有效检测。但上述方法仅适用于声矢量直线阵信源数估计，由于声矢量圆阵信号子空间与噪声子空间特征值分布特点，上述方法无法直接应用于声矢量圆阵。均匀圆阵具有360°全方位、无模糊的目标检测和方位估计性能，具有很大的优越性，因此在声呐和雷达***中有着比较广泛的应用。与声矢量线阵的研究成果相比，声矢量圆阵信源数检测方面研究成果未见报道。本发明提出了一种基于特征值多阈值修正的声矢量圆阵信源数检测方 法，该方法克服了传统最小描述长度准则(MDL)、对角加载MDL、盖氏圆检测准则(GDE)等检测方法对噪声特征值变化较为敏感，而无法应用声矢量圆阵声压振速联合处理方法的缺点。

发明内容

本发明的目的在于提出提高低信噪比条件下的信源数检测性能，可实现水下目标远程被动探测的基于特征值多阈值修正的声矢量圆阵信源数检测方法。

本发明的目的是这样实现的：

基于特征值多阈值修正的声矢量圆阵信源数检测方法，在声矢量圆阵声压振速联合处理的基础上，通过设置不同的阈值实现对协方差矩阵特征值的划分与修正，并通过信息论检测准则实现信源数检测，包括如下步骤：

(1)建立声矢量圆阵信号接收模型，获得声矢量圆阵接收声压数据P(t)、径向振速数据V_r(t)、切向振速构造声矢量圆阵声压振速联合处理的协方差矩阵R_pv，对R_pv进行特征值分解；

(2)对协方差矩阵R_pv分解后得到的特征值集合C_λ进行多阈值划分处理，获得信号和噪声对应特征值集合C_s、C_n；

(3)对噪声对应特征值集合C_n进行平均化修正处理，得到噪声对应修正后特征值λ_n；

(4)采用信息论检测准则MDL实现信源数检测。

所述的步骤(1)包括将声矢量圆阵阵元振速的径向和切向分量接收数据V_r(t)、投影到笛卡尔坐标系xOy平面内的x、y轴方向上，得到声矢量圆阵的振速x、y通道信号V_x(t)、V_y(t)，并通过电子旋转得到组合振速：

式中，φ为指定观测方向，可采用Givens变换确定；

根据声压与振速联合处理平均声能流概念，获得声矢量圆阵互协方差矩阵：

R_pv＝E[P(t)V_c ^H(t)]

对协方差矩阵R_pv进行特征值分解：

将特征值λ_i由小到大排列形成特征值集合C_λ。

所述步骤(2)包括，对协方差矩阵R_pv分解后得到的特征值集合C_λ进行多阈值划分处理，获得信号和噪声对应特征值集合C_s、C_n；其次对噪声对应的特征值集合C_n进行平均化修正处理，得到噪声对应修正后特征值λ_n；然后使用信息论检测准则MDL实现信源数检测，具体步骤如下：

(2.1)设置大小不同的两个阈值L_t1、L_t2，对特征值集合C_λ进行划分，得到信号特征值集合C_s1(λ_i≥L_t1)、争议区域C_Dis(L_t1＞λ_i≥L_t2)以及噪声特征值集合C_n2(L_t2＞λ_i)；

(2.2)定义待修正特征值集合C_Rev＝C_Dis∪C_n2，将C_Rev中特征值由小到大排列；设置一个新阈值L_ti，若阈值L_ti＞L_t2，则可通过阈值L_ti对待修正特征值集合C_Rev的特征值进行重新划分，形成两个特征值集合C_si和C_ni，则可得特征值集合C_λ经过多阈值修正后的信号和噪声对应特征值集合C_s＝C_s1∪C_si、C_Rev＝C_ni；若阈值L_ti≤L_t2，则修正结束；

(2.3)若阈值L_ti＞L_t2，重复步骤(2)进行多次划分，形成信号对应特征值集合C_s与噪声对应特征值集合C_n＝C_Rev；

(2.4)对噪声对应的特征值集合C_n进行平均化修正处理，求特征值集合C_n中的特征值的平均值对平均值进行加载处理，得到噪声对应修正后特征值

(2.5)使用信息论检测准则MDL实现信源数检测。

本发明的有益效果在于：该方法将基于特征值多阈值修正的信息论检测方法与声矢量圆阵良好抗噪性能有机结合起来，明显地降低了检测算法的信噪比门限，克服了传统的MDL、对角加载MDL、GDE等检测方法对噪声特征值变化较为敏感的缺点；另外，本发明在多目标检测及阵列接收各信源的功率存在一定的差异时仍具有良好的检测性能。

附图说明

图1声矢量圆阵信源数检测方法流程图；

图2声矢量圆阵布放示意图；

图3声压、矢量处理方法对检测性能的影响分析结果；

图4不同算法检测性能的仿真分析结果；

图5多目标检测性能的仿真分析结果；

图6声压、矢量处理方法的试验分析结果；

图7不同算法检测性能的试验分析结果。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明涉及一种基于特征值多阈值修正的声矢量圆阵信源数检测方法，该方法构造了声矢量圆阵声压与振速联合处理的协方差矩阵，将协方差矩阵进行特征值分解得到特征值集合；基于声矢量圆阵信号子空间与噪声子空间特征值分布特点，通过设置大小不同的阈值对特征值集合进行划分，得到信号特征值集合与噪声特征值集合；对噪声特征值集合进行平均化修正处理，得到修正后噪声特征值；然后使用信息论检测准则MDL实现信源数检测。该方法将基于特征值多阈值修正的信息论检测方法与声矢量圆阵良好抗噪性能有机结合起来，明显地降低了检测算法的信噪比门限，而且克服了传统的MDL、对角加载MDL、GDE等检测方法对噪声特征值变化较为敏感的缺点。理论仿真和试验结果表明本发明具有更好的噪声抑制能力与目标检测性能，在水下远程目标被动探测方面具有良好的优越性。

该方法首先构造了声矢量圆阵声压与振速联合处理的协方差矩阵，并对协方差矩阵的特征值进行多阈值修正处理，然后利用信息论检测准则实现了声矢量圆阵的信源数检测。

本发明解决其技术问题所采用的技术方案包括以下步骤：

(1)建立声矢量圆阵信号接收模型，获得声矢量圆阵接收声压数据P(t)、径向振速数据V_r(t)、切向振速构造声矢量圆阵声压振速联合处理的协方差矩阵R_pv，对R_pv进行特征值分解；

(2)对协方差矩阵R_pv分解后得到的特征值集合C_λ进行多阈值划分处理，获得信号和噪声对应特征值集合C_s、C_n；

(3)对噪声对应的特征值集合C_n进行平均化修正处理，得到噪声对应修正后特征值λ_n；

(4)采用信息论检测准则MDL实现信源数检测。

下面结合附图和实例对本发明进一步说明，本发明信源数检测方法流程图如图1所示，具体实施方案如下：

第一步，建立声矢量圆阵信号接收模型，获得声矢量圆阵接收声压数据P(t)、径向振速数据V_r(t)、切向振速构造声矢量圆阵声压振速联合处理的协方差矩阵R_pv，对R_pv进行特征值分解。具体步骤如下所述：

(1)假设M元声矢量圆阵位于xOy平面内，半径为r，以x方向作为圆阵的0°方向。声矢量传感器振速分量x、y通道正轴方向分别沿着圆阵的径向、切向方向布放，如图2所示。针对浅海远程目标探测，本文不考虑振速垂直分量，只考虑振速水平分量。假设有K个不相关的远场窄带声源信号S(t)入射到声矢量圆阵上，则声矢量圆阵接收数据：

式中，P(t)、V_r(t)、分别为声矢量圆阵接收的声压信号、径向振速信号和切向振速信号；N_p(t)、N_vr(t)、分别为声矢量圆阵接收的各向同性噪声的声压、径向振速和切向振速分量。它们可以表示为：

S(t)＝[s₁(t),…,s_K(t)]^T

式中：

式中，a_pm表示第m个声矢量传感器接收的声压信号的导向矢量，a_vrm、分别表示第m个声矢量传感器振速径向、切向分量对应的导向矢量；θ_i表示第i个声源信号的入射角 度(i＝1,2,…,K)，λ表示信号波长。

(2)将声矢量圆阵阵元振速切向和径向分量接收数据投影到笛卡尔坐标系xOy平面内x、y轴方向上，则第m个阵元接收振速信号变为：

式中，v_rm、分别表示第m个声矢量传感器振速径向、切向分量接收信号。经过投影变换后，声矢量圆阵接收数据变换为：

式中，V_x(t)、V_y(t)分别表示投影后声矢量圆阵的振速x、y通道信号。

通过电子旋转可得到组合振速V_c(t)、V_s(t)：

式中，φ为指定观测方向，可采用Givens变换确定。

(3)根据平均声能流概念，可得声压振速联合处理的互协方差矩阵：

R_pv＝E[P(t)V_c ^H(t)] (4)

对协方差矩阵R_pv进行特征值分解为如下形式：

式中，E[]表示取统计平均，λ_i和u_i为第i个特征值及对应的向量，并将特征值λ_i由小到大排列形成特征值集合C_λ。

第二步，对协方差矩阵R_pv分解后得到的特征值集合C_λ进行多阈值划分处理，获得信号和噪声对应特征值集合C_s、C_n。具体步骤如下：

(1)设置大小不同的两个阈值L_t1、L_t2，对特征值集合C_λ进行划分，得到信号特征值集合C_s1(λ_i≥L_t1)、争议区域C_Dis(L_t1＞λ_i≥L_t2)以及噪声特征值集合C_n2(L_t2＞λ_i)；阈值L_t1、L_t2分别为：

(2)定义待修正特征值集合C_Rev＝C_Dis∪C_n2。

(3)将C_Rev中特征值由小到大排列；设置一个新阈值L_ti为：

(i)若阈值L_ti＞L_t2，则可通过阈值L_ti对待修正特征值集合C_Rev的特征值进行重新划分，形成两个特征值集合C_si和C_ni，则可得特征值集合C_λ经过多阈值修正后的信号和噪声对应特征值集合C_s＝C_s1∪C_si、C_Rev＝C_ni；

(ii)若阈值L_ti≤L_t2，则修正结束。

(4)若阈值L_ti＞L_t2，重复步骤(3)进行多次划分，形成信号对应特征值集合C_s与噪声对应特征值集合C_n＝C_Rev。

第三步，对噪声对应的特征值集合C_n进行平均化修正处理，得到噪声对应修正后特征值λ_n。具体步骤如下：

(1)求特征值集合C_n中的特征值的平均值

(2)对平均值进行加载处理，得到修正后噪声对应特征值根据理论仿真及实验分析，获得加载值为：

Add＝fix(4·min{λ_i|λ_i∈C_n}) (8)

式中，fix()表示向下取整数。

第四步，采用信息论检测准则MDL实现信源数检测。

MDL检测准则计算公式如下：

式中，L为采样数，n为待估计的信号源数(自由度)，Λ(n)似然函数为：

上面对发明内容各部分的具体实施方式进行了说明。下面通过仿真实例和试验实例对本 发明具体实施做进一步描述。

仿真实例：

假设声矢量均匀圆阵元数为12元，阵半径r＝0.7λ，信源入射方向60°，快拍数1k，指定观测方向60°。盖式圆检测准则(GDE)的检测因子D(L)取值为1。

图3为声压、矢量处理方法对检测性能的影响分析结果，声压振速联合处理抗噪性能优于声压及矢量独立处理方法。图4为不同算法检测性能的仿真分析结果，本发明方法在低信噪比下检测性能优于其他方法。图5为多目标检测性能的仿真分析结果，本发明方法在该条件下检测性能优于基于对角加载的MDL方法。

试验实例：

在消声水池完成了水下远程目标信源数检测实验测试，实验用声矢量圆阵为8元声矢量圆阵(如图6所示)，阵半径为0.35m。每个声矢量传感器x和y正方向分别与该处的径向、切向重合。实验中目标声源发射单频信号，声源距声矢量圆阵约16m，位于6号声矢量传感器v_x方向。滤波器通带频率500～5000Hz。定义信噪比SNR为：

式中，和分别为声源和水池背景噪声功率。数据处理快拍数为1k，指定观测方向为220°。

图7为声压、矢量处理方法的试验分析结果。

仿真实例及试验实例的分析结果表明：(1)本发明利用采用了基于声矢量圆阵声压振速联合处理的P-V协方差矩阵构造方法，较传统的声压处理方法及将声矢量传感器振速通道作为独立阵元的处理方法有更好的抗各向同性噪声的能力；(2)本发明采用特征值多阈值修正的信息论检测方法与声矢量圆阵声压、振速联合处理的良好抗噪性能，明显地提高了声矢量圆阵信源数的低信噪比检测能力，在水下远程目标被动探测方面具有良好的优越性。

Claims (3)

1.一种基于特征值多阈值修正的声矢量圆阵信源数检测方法，其特征在于：在声矢量圆阵声压振速联合处理的基础上，通过设置不同的阈值实现对协方差矩阵特征值的划分与修正，并通过信息论检测准则实现信源数检测,包括如下步骤：

(1)建立声矢量圆阵信号接收模型，获得声矢量圆阵接收声压数据P(t)、径向振速数据V_r(t)、切向振速构造声矢量圆阵声压振速联合处理的协方差矩阵R_pv，对R_pv进行特征值分解；

(2)对协方差矩阵R_pv分解后得到的特征值集合C_λ进行多阈值划分处理，获得信号和噪声对应特征值集合C_s、C_n；

(3)对噪声对应特征值集合C_n进行平均化修正处理，得到噪声对应修正后特征值λ_n；

(4)采用信息论检测准则MDL实现信源数检测。

2.根据权利要求1所述的一种基于特征值多阈值修正的声矢量圆阵信源数检测方法，其特征在于：所述的步骤(1)包括将声矢量圆阵阵元振速的径向和切向分量接收数据V_r(t)、投影到笛卡尔坐标系xOy平面内的x、y轴方向上，得到声矢量圆阵的振速x、y通道信号V_x(t)、V_y(t)，并通过电子旋转得到组合振速：

$\left\{\begin{array}{c}{V}_c\left(t\right)=V_x\left(t\right)cos\mathrm{\φ}+V_y\left(t\right)sin\mathrm{\φ}\\ V_s\left(t\right)=-V_x\left(t\right)sin\mathrm{\φ}+V_y\left(t\right)\cos \mathrm{\φ}\end{array}\right.$

式中，φ为指定观测方向，可采用Givens变换确定；

根据声压与振速联合处理平均声能流概念，获得声矢量圆阵互协方差矩阵：

R_pv＝E[P(t)V_c ^H(t)]

对协方差矩阵R_pv进行特征值分解：

$R_{pv}=E\[P\left(t\right)V_c^H\left(t\right)\]=\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\λ}}_i{u}_i{u}_i^H=\underset{i=1}{\overset{K}{\Σ}}{\mathrm{\λ}}_i{u}_i{\mathrm{\μ}}_i^H$

将特征值λ_i由小到大排列形成特征值集合C_λ。

3.根据权利要求1所述的一种基于特征值多阈值修正的声矢量圆阵信源数检测方法，其特征在于：所述步骤(2)包括，对协方差矩阵R_pv分解后得到的特征值集合C_λ进行多阈值划分处理，获得信号和噪声对应特征值集合C_s、C_n；其次对噪声对应的特征值集合C_n进行平均化修正处理，得到噪声对应修正后特征值λ_n；然后使用信息论检测准则MDL实现信源数检测，具体步骤如下：

(2.1)设置大小不同的两个阈值L_t1、L_t2，对特征值集合C_λ进行划分，得到信号特征值集合C_s1(λ_i≥L_t1)、争议区域C_Dis(L_t1＞λ_i≥L_t2)以及噪声特征值集合C_n2(L_t2＞λ_i)；

(2.2)定义待修正特征值集合C_Rev＝C_Dis∪C_n2，将C_Rev中特征值由小到大排列；设置一个新阈值L_ti，若阈值L_ti＞L_t2，则可通过阈值L_ti对待修正特征值集合C_Rev的特征值进行重新划分，形成两个特征值集合C_si和C_ni，则可得特征值集合C_λ经过多阈值修正后的信号和噪声对应特征值集合C_s＝C_s1∪C_si、C_Rev＝C_ni；若阈值L_ti≤L_t2，则修正结束；

(2.3)若阈值L_ti＞L_t2，重复步骤(2)进行多次划分，形成信号对应特征值集合C_s与噪声对应特征值集合C_n＝C_Rev；

(2.4)对噪声对应的特征值集合C_n进行平均化修正处理，求特征值集合C_n中的特征值的平均值对平均值进行加载处理，得到噪声对应修正后特征值

(2.5)使用信息论检测准则MDL实现信源数检测。