CN111323750B - 一种基于声矢量阵列网络的直接定位方法 - Google Patents

一种基于声矢量阵列网络的直接定位方法 Download PDF

Info

Publication number
CN111323750B
CN111323750B CN202010197246.8A CN202010197246A CN111323750B CN 111323750 B CN111323750 B CN 111323750B CN 202010197246 A CN202010197246 A CN 202010197246A CN 111323750 B CN111323750 B CN 111323750B
Authority
CN
China
Prior art keywords
array
positioning
sound pressure
calculating
spatial spectrum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010197246.8A
Other languages
English (en)
Other versions
CN111323750A (zh
Inventor
时胜国
张旭
杨德森
方尔正
莫世奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202010197246.8A priority Critical patent/CN111323750B/zh
Publication of CN111323750A publication Critical patent/CN111323750A/zh
Application granted granted Critical
Publication of CN111323750B publication Critical patent/CN111323750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种基于声矢量阵列网络的直接定位方法，属于目标被动定位领域。本发明首先对各阵列节点接收的声压和振速数据进行分段频域变换；而后在待测区域内逐点扫描，计算扫描点处引导方位和时延；对声压和振速数据加权求和，得到所有阵列的加权数据矩阵；利用频域定位模型，计算等效阵列流形；然后利用空间谱估计算法，计算各频率上的空间谱，累积得到所有频率的总空间谱；以合适的扫描步长，计算待测区域各点的空间谱，搜索空间谱谱值的峰值，即可得到待测目标位置。本发明把声矢量阵引入到多阵列目标直接定位方法中，利用声压振速联合处理技术，获得较标量阵更高的定位精度和空间分辨率，对低信噪比条件下的目标定位有着更好的适应能力。

Description

一种基于声矢量阵列网络的直接定位方法
技术领域
本发明涉及一种基于声矢量阵列网络的直接定位方法，属于目标被动定位领域。
背景技术
目标被动定位方法利用目标辐射或反射的信号进行定位和跟踪，其隐蔽性强、作用距离远，在区域警戒和环境监测等领域有着广泛的应用。多站被动定位***以传感器阵列为节点，形成分布式阵列网络，利用多个阵列提供的信息进行协同处理，获取目标位置参数，相较于单点定位具有更高的定位精度。
采用阵列网络的目标被动定位方法通常分为两步定位方法和直接定位方法。其中，两步定位法首先计算目标波达方向(AOA)、时延差(DTOA)、多普勒频移或信号强度等中间定位参数，再利用中间参数对目标位置进行解算。该方法只需向解算中心传输中间定位参数，对通信带宽和计算量要求低。然而，由于参数的估计由各节点孤立完成，必然会损失部分信息，降低精度，同时也会带来多目标参数匹配问题。相比于两步定位方法，直接定位方法(DPD)直接利用底层阵列输出的原始数据，通过单步计算估计位置信息，避免了两步定位方法的弊端，在低信噪比条件下性能优于两步定位法。
直接定位方法(DPD)由Weiss A J于2004年首先提出。该方法借鉴宽带谱估计中非相干子空间分解的处理思想，通过分段离散傅里叶变换(DFT)从频域上分离出时延信息，定义等效阵列流形矩阵，利用传统空间谱估计方法解算目标位置。如，针对波形已知情况的多目标最大似然直接定位算法(Amar A,Weiss A J.Direct position determination(DPD)of multiple known and unknown radio-frequency signals[C].2004 12th EuropeanSignal Processing Conference,Vienna,2004:1115-1118.)，以及针对波形未知情况下的基于MUSIC的直接定位算法(Weiss AJ,Amar A.Direct position determination ofmultiple radio signals[J].EURASIP Journal on Advances in Signal Processing,2005,2005(1):37-49)。2015年，Tom Tirer和Anthony J.Weiss又将最小方差无畸变响应(MVDR)空间谱估计算法引入直接定位方法中，(Tirer T,Weiss AJ.High ResolutionDirect Position Determination of Radio Frequency Sources[J].IEEE SignalProcessing Letters,2015,23(2):192-196)，该方法更适用于低信噪比环境，且空间分辨率较高。然而，上述直接定位算法涉及的阵列节点大都以标量传感器为基础，仅利用标量信息实现目标定位，没有考虑物理场中的矢量信息。
实际上，描述声场的物理量除了声压之外，还有介质质点振速矢量。由于技术条件的限制，传统声纳仅使用标量声压信息，忽略了矢量振速信息，而声矢量传感器可空间共点同步拾取声场的声压标量和振速矢量，对声场的描述更加准确和全面。相较于声标量阵，声矢量阵具有阵增益高、检测域低、抗噪声干扰能力强等优点。1994年，Arye Nehorai首次提出了声矢量传感器信号处理框架(Nehorai A,Paldi E.Acoustic vector-sensor arrayprocessing[J].IEEE Transactions on Signal Processing,1994,42(9):2481-2491.)，将声压、振速信息作为独立的阵元处理。国内学者惠俊英等人阐述了声压振速联合处理的概念和方法(惠俊英.矢量声信号处理基础[M].国防工业出版社,2009.)，从理论上论证了声压振速联合处理技术的抗噪优势。
发明内容
本发明提供了一种基于声矢量阵列网络的直接定位方法。本发明将声压振速联合处理技术与直接定位方法思想结合，利用空间谱估计方法，输出目标检测区域高分辨率的空间谱图。
本发明的目的是这样实现的：声矢量阵列网络的节点为多阵元声矢量传感器阵列，每个阵元均可输出同点声压标量和振速矢量信息，步骤如下：
步骤1，建立所述阵列网络的窄带信号阵列定位模型，获取第l个阵列节点的声压输出Pl(t)和振速矢量输出Vxl(t),Vyl(t)；
步骤2，将声压、振速数据均分为J段，对各段数据分别进行频域变换，得到第l个阵列的第j段观测信号在第k个频率分量的傅里叶变换Pl(k,j),Vxl(k,j),Vyl(k,j)；
步骤3，在待测区域内逐点扫描，在扫描点d处，计算该点到第l个阵列基准点位置的引导方位ψl(d)和时延τl(d)；
步骤4，利用引导方位ψl(d)对相同分段的声压Pl(k,j)和振速Vxl(k,j),Vyl(k,j)进行联合处理，得到Yl(k,j)，汇总所有L个阵列的Yl(k,j)得到总数据矩阵Y(k,j)；
步骤5，利用阵列定位频域信号模型，定义并计算等效阵列流形
Figure BDA0002418068600000021
汇总所有L个阵列的
Figure BDA0002418068600000022
得到总等效阵列流形矩阵
Figure BDA0002418068600000023
步骤6，抽取第k个频率分量下的J段数据的傅里叶变换Y(k,j),j＝1,…,J，组成Y(k)，利用空间谱估计算法，计算频率fk上的空间谱值Q(k,d)；
步骤7，得到累积K个频率的总空间谱Q(d)；
步骤8，设置适合的扫描步长，重复步骤3至步骤7，遍历整个待测区域并输出空间谱图，搜索谱值峰值，得到待测目标位置。
本发明还包括这样一些结构特征：
1.步骤4利用ψl(d)对相同分段的声压Pl(k,j)和振速Vxl(k,j),Vyl(k,j)求和，得到第j段声压振速和在第k个频率分量的傅里叶变换Yl(k,j)：
Yl(k,j)＝Pl(k,j)+Vxl(k,j)cosψl(d)+Vyl(k,j)sinψl(d)
汇总所有L个阵列的Yl(k,j)得到总阵列数据矩阵Y(k,j)＝[Y1(k,j)T,…,YL(k,j)T]T。
2.步骤5具体包括如下步骤：
步骤5-1，所述定位网络中阵列l输出Yl(k,j)的频域模型为：
Figure BDA0002418068600000031
式中，S(k,j),Nl(k,j)分别为信源和噪声的频域表示；
步骤5-2，根据如下公式定义并计算等效阵列流形
Figure BDA0002418068600000032
Figure BDA0002418068600000033
汇总所有L个阵列的
Figure BDA0002418068600000034
为总等效阵列流形矩阵
Figure BDA0002418068600000035
步骤5-3，令
Figure BDA0002418068600000036
由于bl为未知复标量，通常设定||b||＝1,b＝[b1,…,bL]T，则阵列定位频域信号模型可表示为：
Figure BDA0002418068600000037
所述频域信号模型与传统阵列信号模型形式一致。
3.步骤6涉及空间谱估计方法包括但不限于CBF、MVDR和MUSIC等，以MUSIC空间谱估计算法为例，具体包括如下步骤：
步骤6-1，抽取第k个频率分量下的J段数据的傅里叶变换Y(k,j),j＝1,…,J，组成Y(k)，Y(k)＝[Y(k,1),…,Y(k,J)]，利用Rk＝Y(k)·YH(k)J计算频率fk上协方差矩阵，Rk为LM×LM维协方差矩阵；
步骤6-2，对协方差矩阵Rk进行特征分解，得到较大的D个特征值对应的特征向量组成的信号子空间US(k)，以及由其他较小的特征值对应的特征向量组成的噪声子空间UN(k)，其中，D为目标个数；
步骤6-3，在频率fk上的MUSIC空间谱为：
Figure BDA0002418068600000041
式中，
Figure BDA0002418068600000042
IL为L×L维单位阵，JM为M×1维全1阵，
Figure BDA0002418068600000043
表示Kronecker积，上式等价于：
Figure BDA0002418068600000044
令
Figure BDA0002418068600000045
由于b＝1，则G(k,d)为该约束下的二次型，其特征值为G(k,d)特征值的最大值，Q(k,d)为：
Q(k,d)＝max(λmax(G(k,d)))
4.步骤7对所有频率空间谱Q(k,d)求和，总空间谱Q(d)为：
Figure BDA0002418068600000046
与现有技术相比，本发明的有益效果是：本发明将声矢量传感器引入到多阵列节点的目标直接定位方法中，提出了基于声矢量阵列网络的直接定位方法。该方法将声矢量阵的优越性能与直接定位方法的优势相结合，利用空间谱估计方法，获得目标检测区域高分辨率的空间谱图。该方法具有较高的定位精度和空间分辨率，对低信噪比条件下的目标定位有着更好的适应能力。
附图说明
图1为待测区域分布示意图；
图2a-b为信噪比为-15dB时，单信源直接定位的空间谱伪彩图，且(a)标量MUSIC-DPD算法；(b)矢量MUSIC-DPD算法；
图3a-b为信噪比为-15dB时，单信源直接定位的空间谱三维图，且(a)标量MUSIC-DPD算法；(b)矢量MUSIC-DPD算法；
图4a-b为-20dB时，单信源直接定位的空间谱伪彩图，且(a)标量MUSIC-DPD算法；(b)矢量MUSIC-DPD算法；
图5为信噪比为-20dB时，单信源直接定位的空间谱三维图，且(a)标量MUSIC-DPD算法；(b)矢量MUSIC-DPD算法；
图6a-b为信噪比为0dB时，双信源直接定位的空间谱伪彩图，且(a)标量MUSIC-DPD算法；(b)矢量MUSIC-DPD算法；
图7a-b为0dB时，双信源直接定位的空间谱三维图，且(a)标量MUSIC-DPD算法；(b)矢量MUSIC-DPD算法
图8不同信噪比条件下定位误差的变化曲线。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明将声压振速联合处理技术与直接定位方法的思想相结合，利用空间谱估计方法，输出目标检测区域高分辨率的空间谱图。该方法具有更高的定位精度和空间分辨率，对低信噪比条件下的目标定位有着更好的适应能力。
本发明解决其技术问题所采用的技术方案包括以下步骤：声矢量阵列网络的节点为多阵元声矢量传感器阵列，每个阵元均可输出同点声压标量和振速矢量信息，
步骤1，建立所述阵列网络的窄带信号阵列定位模型，获取第l个阵列节点的声压输出Pl(t)和振速矢量输出Vxl(t),Vyl(t)；
步骤2，将所述声压、振速数据均分为J段，对各段数据分别进行频域变换，得到第l个阵列的第j段观测信号在第k个频率分量的傅里叶变换Pl(k,j),Vxl(k,j),Vyl(k,j)；
步骤3，在待测区域内逐点扫描，在扫描点d处，计算该点到第l个阵列基准点位置的引导方位ψl(d)和时延τl(d)；
步骤4，利用引导方位ψl(d)对相同分段的声压Pl(k,j)和振速Vxl(k,j),Vyl(k,j)进行联合处理，得到Yl(k,j)，汇总所有L个阵列的Yl(k,j)得到总数据矩阵Y(k,j)；
步骤5，利用阵列定位频域信号模型，定义并计算等效阵列流形
Figure BDA0002418068600000051
汇总所有L个阵列的
Figure BDA0002418068600000052
得到总等效阵列流形矩阵
Figure BDA0002418068600000053
步骤6，抽取第k个频率分量下的J段数据的傅里叶变换Y(k,j),j＝1,…,J，组成Y(k)，利用空间谱估计算法，计算频率fk上的空间谱值Q(k,d)；
步骤7，得到累积K个频率的总空间谱Q(d)；
步骤8，设置适合的扫描步长，重复步骤3至步骤7，遍历整个待测区域并输出空间谱图，搜索谱值峰值，即可得到待测目标位置。
本发明步骤4利用ψl(d)对相同分段的声压Pl(k,j)和振速Vxl(k,j),Vyl(k,j)求和，得到第j段声压振速和在第k个频率分量的傅里叶变换Yl(k,j)：
Yl(k,j)＝Pl(k,j)+Vxl(k,j)cosψl(d)+Vyl(k,j)sinψl(d)
汇总所有L个阵列的Yl(k,j)得到总阵列数据矩阵Y(k,j)＝[Y1(k,j)T,…,YL(k,j)T]T。
本发明步骤5具体包括如下步骤：
步骤5-1，所述定位网络中阵列l输出Yl(k,j)的频域模型为：
Figure BDA0002418068600000061
式中，S(k,j),Nl(k,j)分别为信源和噪声的频域表示；
步骤5-2，根据如下公式定义并计算等效阵列流形
Figure BDA0002418068600000062
Figure BDA0002418068600000063
汇总所有L个阵列的
Figure BDA0002418068600000064
为总等效阵列流形矩阵
Figure BDA0002418068600000065
步骤5-3，令
Figure BDA0002418068600000066
由于bl为未知复标量，通常设定||b||＝1,b＝[b1,…,bL]T，则阵列定位频域信号模型可表示为：
Figure BDA0002418068600000067
所述频域信号模型与传统阵列信号模型形式一致。
本发明步骤6涉及空间谱估计方法包括但不限于CBF、MVDR和MUSIC等，以MUSIC空间谱估计算法为例，具体包括如下步骤：
步骤6-1，抽取第k个频率分量下的J段数据的傅里叶变换Y(k,j),j＝1,…,J，组成Y(k)，Y(k)＝[Y(k,1),…,Y(k,J)]，利用Rk＝Y(k)·YH(k)J计算频率fk上协方差矩阵，Rk为LM×LM维协方差矩阵；
步骤6-2，对协方差矩阵Rk进行特征分解，得到较大的D个特征值对应的特征向量组成的信号子空间US(k)，以及由其他较小的特征值对应的特征向量组成的噪声子空间UN(k)，其中，D为目标个数；
步骤6-3，利用如下公式计算频率fk上的MUSIC空间谱：
Figure BDA0002418068600000071
式中，
Figure BDA0002418068600000072
IL为L×L维单位阵，JM为M×1维全1阵，
Figure BDA0002418068600000073
表示Kronecker积，上式等价于：
Figure BDA0002418068600000074
令
Figure BDA0002418068600000075
由于||b||＝1，则G(k,d)为该约束下的二次型，其特征值为G(k,d)特征值的最大值，Q(k,d)可以表示为：
Q(k,d)＝max(λmax(G(k,d)))
本发明步骤7对所有频率空间谱Q(k,d)求和，总空间谱Q(d)可表示为：
Figure BDA0002418068600000076
结合附图对本发明进行详细描述：
步骤1，建立阵列网络的窄带信号阵列定位模型，考虑如图1所示的待测区域内，远距离分布L个可用网络节点，各节点为M元矢量传感器阵列，节点基准点位置为(xl,yl)，存在D个窄带信源目标，目标d位置坐标为(xd,yd)，假设各阵列阵元位置精确已知，且姿态坐标系一致、不存在幅相误差。信源入射到各阵列信号波前为平面，噪声为满足高斯分布的白噪声，各通道间噪声不相关，且信号和噪声互不相关。
则第l个阵列节点输出的声压数据Pl(t)和矢量振速数据Vxl(t),Vyl(t)可表示为
Figure BDA0002418068600000077
式中，Pl(t),Vxl(t),Vyl(t)分别表示第l个阵列接收的声压和x,y方向的矢量振速信号，S(t)为信源时域快拍矩阵，Npl(t),Nxl(t),Nyl(t)分别为声压和x,y方向振速通道的接收噪声；bl为衰减系数，αl(d)为M×D维阵列流形，τl(d)为自d位置信源传播至第l个阵列的时延；
Figure BDA0002418068600000081
Figure BDA0002418068600000082
为第d位置信源方向。
步骤2，将声压Pl(t)和振速Vxl(t),Vyl(t)等间隔划分成J段，每段长度为TJ，对每段数据分别做离散傅里叶变换(DFT)，得到阵列l的第j段观测信号在第k个频率分量的频域信号模型Pl(k,j)和Vxl(k,j),Vyl(k,j)：
Figure BDA0002418068600000083
式中，S(k,j),Npl(k,j),Nxl(k,j),Nyl(k,j)分别为S(t),Npl(t),Nxl(t),Nyl(t)的第j段数据在第k个频率的离散傅里叶变换；
步骤3，在待测区域内逐点扫描，在坐标为(xd,yd)的扫描点d处，利用如下公式计算扫描点d到第l个阵列基准点位置的引导方位ψl(d)和时延τl(d)：
Figure BDA0002418068600000084
式中，(xd,yd)为扫描点位置坐标，(xl,yl)为阵列l基准点位置坐标，C为声速。
步骤4，利用引导方位ψl(d)对相同分段的Pl(k,j)和Vxl(k,j),Vyl(k,j)进行求和，得到第j段声压振速和在第k个频率分量的傅里叶变换Yl(k,j)：
Yl(k,j)＝Pl(k,j)+Vxl(k,j)cosψl(d)+Vyl(k,j)sinψl(d) (4)
而Yl(k,j)也可以表示为：
Figure BDA0002418068600000085
式中，Nl(k,j)为Npl(k,j),Nxl(k,j),Nyl(k,j)的和；
汇总所有L个阵列的Yl(k,j)得到总阵列数据矩阵Y(k,j)＝[Y1(k,j)T,…,YL(k,j)T]T。
步骤5，定义并计算等效阵列流形
Figure BDA0002418068600000086
汇总所有L个阵列的
Figure BDA0002418068600000087
得到总等效阵列流形矩阵
Figure BDA0002418068600000088
令
Figure BDA0002418068600000089
bl为未知复标量，通常设定||b||＝1,b＝[b1,…,bL]T，则阵列定位频域信号模型可表示为：
Figure BDA0002418068600000091
公式(6)表示的频域信号模型与传统阵列信号模型形式一致。
步骤6，抽取第k个频率分量下的J段数据的傅里叶变换Y(k,j),j＝1,…,J，组成Y(k)，Y(k)＝[Y(k,1),…,Y(k,J)]，利用公式Rk＝Y(k)·YH(k)J计算频率fk上协方差矩阵，Rk为LM×LM维协方差矩阵；对协方差矩阵Rk进行特征分解，得到较大的D个特征值对应的特征向量组成的信号子空间US(k)，以及由其他较小的特征值对应的特征向量组成的噪声子空间UN(k)；
利用如下公式计算频率fk上的MUSIC空间谱：
Figure BDA0002418068600000092
式中，
Figure BDA0002418068600000093
IL为L×L维单位阵，JM为M×1维全1阵，
Figure BDA0002418068600000094
表示Kronecker积，上式等价于：
Figure BDA0002418068600000095
令
Figure BDA0002418068600000096
由于||b||＝1，则G(k,d)为该约束下的二次型，其特征值为G(k,d)特征值的最大值，Q(k,d)可以表示为：
Q(k,d)＝max(λmax(G(k,d))) (9)
步骤7，所有频率总空间谱Q(d)可表示为：
Figure BDA0002418068600000097
步骤8，设置适合的扫描步长，重复步骤3至步骤7，遍历整个待测区域并输出空间谱图，搜索谱值峰值，即可得到待测目标位置。
上面对发明内容各部分的具体实施方式进行了说明，下面对仿真实例进行分析。
实例一：单信源处理效果分析
实例参数设置如下：如图1所示，500m×500m待测区域，待测窄带信源位于(200,300)m，启用阵列节点数目为2，分别位于(0,0)m和(500,0)m位置，网络节点为8元均匀线阵，阵列的阵元间距为半波长，线阵水平方向与设定x方向一致，环境噪声为平稳窄带高斯白噪声。设定声速为1500m/s，***采样率为2kHz，快拍数为320，将接收数据均匀分为8段，每段40点。遍历整个待测区域，扫描步长为1m。
分析不同信噪比条件下，标量MUSIC直接定位算法和本发明所述的矢量MUSIC直接定位算法，对单信源的定位性能。图2和图3分别给出信噪比为-15dB时，两种直接定位算法对单信源定位的空间谱伪彩图和三维图；图4和图5分别给出信噪比为-20dB时，两种直接定位算法对单信源定位的空间谱伪彩图和三维图；
对比图2～图5可以看出，信噪比-15dB条件下，标量MUSIC直接定位算法受噪声影响，背景起伏明显，与之相比，矢量MUSIC直接定位法空间谱估计的背景较为平滑，谱峰更为明显突出，定位精度更优；信噪比为-20dB时，标量MUSIC直接定位算法基本失效，而使用矢量阵的矢量MUSIC直接定位法，对噪声的抑制能力更强，更低信噪比条件下，仍旧能对目标进行高精度的有效定位。
实例二：双目标分辨效果分析
参数设置与实例一中相同，设置两窄带信源位置为(250,245)m和(250,255)m，分析三种直接定位算法对两相距很近的信源的定位性能和分辨效果。
图6和图7分别给出了信噪比为0dB时，三种直接定位算法对双信源分辨效果的空间谱伪彩图和三维图；
经对比分析可以看出，两信源相距10m时，相同条件下，标量MUSIC直接定位算法两信源对应的空间谱峰已有部分重叠，很难辨识出两目标的存在；而本发明中提出的矢量MUSIC直接定位算法，空间分辨率更高，两临近目标完全分离，在伪彩图和三维图中均能明显的分辨出两目标的位置。
实例三：不同信噪比方法性能分析
参数设置与实例一中相同，信噪比由-30dB递增至20dB，每个信噪比处进行50次蒙特卡洛实验，分析比较两种直接定位算法在不同信噪比条件下的定位精度。图8给出了两种直接定位算法定位精度随信噪比变化的曲线。
从图中可明显看出，信噪比由-30dB递增至20dB时，矢量MUSIC直接定位的定位精度更优、定位误差更低，特别是在-10dB以下的低信噪比条件，矢量处理对目标的定位性能较标量有着明显提升，也就是说，矢量MUSIC直接定位算法对低信噪比条件下的目标定位有着更好的适应能力。
综上，本发明公开了一种基于声矢量阵列网络的直接定位方法，属于目标被动定位领域。本发明首先对各阵列节点接收的声压和振速数据进行分段频域变换；而后在待测区域内逐点扫描，计算扫描点处引导方位和时延；对声压和振速数据加权求和，得到所有阵列的加权数据矩阵；利用频域定位模型，计算等效阵列流形；然后利用空间谱估计算法，计算各频率上的空间谱，累积得到所有频率的总空间谱；以合适的扫描步长，计算待测区域各点的空间谱，搜索空间谱谱值的峰值，即可得到待测目标位置。本发明把声矢量阵引入到多阵列目标直接定位方法中，利用声压振速联合处理技术，获得较标量阵更高的定位精度和空间分辨率，对低信噪比条件下的目标定位有着更好的适应能力。

Claims (4)

1.一种基于声矢量阵列网络的直接定位方法，其特征在于：声矢量阵列网络的节点为多阵元声矢量传感器阵列，每个阵元均可输出同点声压标量和振速矢量信息，步骤如下：
步骤1，建立所述阵列网络的窄带信号阵列定位模型，获取第l个阵列节点的声压输出Pl(t)和振速矢量输出Vxl(t)，Vyl(t)；
步骤2，将声压、振速数据均分为J段，对各段数据分别进行频域变换，得到第l个阵列的第j段观测信号在第k个频率分量的傅里叶变换Pl(k，j)，Vxl(k，j)，Vyl(k，j)；
步骤3，在待测区域内逐点扫描，在扫描点d处，计算该点到第l个阵列基准点位置的引导方位ψl(d)和时延τl(d)；
步骤4，利用引导方位ψl(d)对相同分段的声压Pl(k，j)和振速Vxl(k，j)，Vyl(k，j)进行联合处理，得到Yl(k，j)，汇总所有L个阵列的Yl(k，j)得到总数据矩阵Y(k，j)；
利用ψl(d)对相同分段的声压Pl(k，j)和振速Vxl(k，j)，Vyl(k，j)求和，得到第j段声压振速和在第k个频率分量的傅里叶变换Yl(k，j)：
Yl(k，j)＝Pl(k，j)+Vxl(k，j)cosψl(d)+Vyl(k，j)sinψl(d)
汇总所有L个阵列的Yl(k，j)得到总阵列数据矩阵Y(k，j)＝[Y1(k，j)T，…，YL(k，j)T]T；
步骤5，利用阵列定位频域信号模型，定义并计算等效阵列流形
Figure FDA0003636000380000011
汇总所有L个阵列的
Figure FDA0003636000380000012
得到总等效阵列流形矩阵
Figure FDA0003636000380000013
步骤5-1，所述阵列网络中阵列l输出Yl(k，j)的频域模型为：
Figure FDA0003636000380000014
式中，S(k，j)，Nl(k，j)分别为信源和噪声的频域表示；
步骤5-2，根据如下公式定义并计算等效阵列流形
Figure FDA0003636000380000015
Figure FDA0003636000380000016
汇总所有L个阵列的
Figure FDA0003636000380000017
为总等效阵列流形矩阵
Figure FDA0003636000380000018
步骤5-3，令
Figure FDA0003636000380000019
由于bl为未知复标量，设定||b||＝1，b＝[b1，…，bL]T，则阵列定位频域信号模型可表示为：
Figure FDA0003636000380000021
所述频域信号模型与阵列信号模型形式一致；
步骤6，抽取第k个频率分量下的J段数据的傅里叶变换Y(k，j)，j＝1，…，J，组成Y(k)，利用空间谱估计算法，计算频率fk上的空间谱值Q(k，d)；
步骤7，得到累积K个频率的总空间谱Q(d)；
步骤8，设置适合的扫描步长，重复步骤3至步骤7，遍历整个待测区域并输出空间谱图，搜索谱值峰值，得到待测目标位置。
2.根据权利要求1所述的一种基于声矢量阵列网络的直接定位方法，其特征在于：步骤6涉及空间谱估计方法包括CBF、MVDR或MUSIC。
3.根据权利要求1所述的一种基于声矢量阵列网络的直接定位方法，其特征在于：步骤6涉及空间谱估计方法使用MUSIC空间谱估计算法具体包括如下步骤：
步骤6-1，抽取第k个频率分量下的J段数据的傅里叶变换Y(k，j)，j＝1，…，J，组成Y(k)，Y(k)＝[Y(k，1)，…，Y(k，J)]，利用Rk＝Y(k)·YH(k)/J计算频率fk上协方差矩阵，Rk为LM×LM维协方差矩阵；
步骤6-2，对协方差矩阵Rk进行特征分解，得到较大的D个特征值对应的特征向量组成的信号子空间US(k)，以及由其他较小的特征值对应的特征向量组成的噪声子空间UN(k)，其中，D为目标个数；
步骤6-3，在频率fk上的MUSIC空间谱为：
Figure FDA0003636000380000022
式中，
Figure FDA0003636000380000023
IL为L×L维单位阵，JM为M×1维全1阵，
Figure FDA0003636000380000024
表示Kronecker积，上式等价于：
Figure FDA0003636000380000025
令
Figure FDA0003636000380000031
由于||b||＝1，则G(k，d)为约束下的二次型，其特征值为G(k，d)特征值的最大值，Q(k，d)为：
Q(k，d)＝max(λmax(G(k，d)))。
4.根据权利要求2或3所述的一种基于声矢量阵列网络的直接定位方法，其特征在于：步骤7对所有频率空间谱Q(k，d)求和，总空间谱Q(d)为：
Figure FDA0003636000380000032
CN202010197246.8A 2020-03-19 2020-03-19 一种基于声矢量阵列网络的直接定位方法 Active CN111323750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010197246.8A CN111323750B (zh) 2020-03-19 2020-03-19 一种基于声矢量阵列网络的直接定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010197246.8A CN111323750B (zh) 2020-03-19 2020-03-19 一种基于声矢量阵列网络的直接定位方法

Publications (2)

Publication Number Publication Date
CN111323750A CN111323750A (zh) 2020-06-23
CN111323750B true CN111323750B (zh) 2022-08-02

Family

ID=71171826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010197246.8A Active CN111323750B (zh) 2020-03-19 2020-03-19 一种基于声矢量阵列网络的直接定位方法

Country Status (1)

Country Link
CN (1) CN111323750B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112578335B (zh) * 2020-11-29 2023-05-02 西北工业大学 一种强弱信号的直接定位与信源数估计方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166120A (zh) * 2014-07-04 2014-11-26 哈尔滨工程大学 一种声矢量圆阵稳健宽带mvdr方位估计方法
JP2015079080A (ja) * 2013-10-16 2015-04-23 日本電信電話株式会社 音源位置推定装置、方法及びプログラム
CN106066468A (zh) * 2016-05-25 2016-11-02 哈尔滨工程大学 一种基于声压、振速互谱法的矢量阵左右舷分辨方法
CN106199505A (zh) * 2016-06-28 2016-12-07 哈尔滨工程大学 一种声矢量圆阵模态域稳健方位估计方法
CN107290717A (zh) * 2017-05-19 2017-10-24 中国人民解放军信息工程大学 针对非圆信号的多目标直接定位方法
US9829565B1 (en) * 2016-02-19 2017-11-28 The United States Of America As Represneted By The Secretary Of The Navy Underwater acoustic beacon location system
US10042038B1 (en) * 2015-09-01 2018-08-07 Digimarc Corporation Mobile devices and methods employing acoustic vector sensors
JP2018146948A (ja) * 2017-03-03 2018-09-20 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 音源探査装置、音源探査方法およびそのプログラム
CN109283492A (zh) * 2018-10-29 2019-01-29 中国电子科技集团公司第三研究所 多目标方位估计方法及水声垂直矢量阵列***
CN109581291A (zh) * 2018-12-11 2019-04-05 哈尔滨工程大学 一种基于人工蜂群的直接定位方法
CN110501669A (zh) * 2019-09-25 2019-11-26 哈尔滨工程大学 一种中心对称声矢量圆阵快速空间谱压缩超分辨方位估计方法
CN110764055A (zh) * 2019-10-25 2020-02-07 哈尔滨工程大学 虚拟平面阵水下运动目标辐射噪声矢量测量***及测量方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9264809B2 (en) * 2014-05-22 2016-02-16 The United States Of America As Represented By The Secretary Of The Navy Multitask learning method for broadband source-location mapping of acoustic sources
CN107132503B (zh) * 2017-03-23 2019-09-27 哈尔滨工程大学 基于矢量奇异值分解的声矢量圆阵宽带相干源方位估计方法
CN110082712B (zh) * 2019-03-14 2022-12-13 哈尔滨工程大学 一种声矢量圆阵相干目标方位估计方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015079080A (ja) * 2013-10-16 2015-04-23 日本電信電話株式会社 音源位置推定装置、方法及びプログラム
CN104166120A (zh) * 2014-07-04 2014-11-26 哈尔滨工程大学 一种声矢量圆阵稳健宽带mvdr方位估计方法
US10042038B1 (en) * 2015-09-01 2018-08-07 Digimarc Corporation Mobile devices and methods employing acoustic vector sensors
US9829565B1 (en) * 2016-02-19 2017-11-28 The United States Of America As Represneted By The Secretary Of The Navy Underwater acoustic beacon location system
CN106066468A (zh) * 2016-05-25 2016-11-02 哈尔滨工程大学 一种基于声压、振速互谱法的矢量阵左右舷分辨方法
CN106199505A (zh) * 2016-06-28 2016-12-07 哈尔滨工程大学 一种声矢量圆阵模态域稳健方位估计方法
JP2018146948A (ja) * 2017-03-03 2018-09-20 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 音源探査装置、音源探査方法およびそのプログラム
CN107290717A (zh) * 2017-05-19 2017-10-24 中国人民解放军信息工程大学 针对非圆信号的多目标直接定位方法
CN109283492A (zh) * 2018-10-29 2019-01-29 中国电子科技集团公司第三研究所 多目标方位估计方法及水声垂直矢量阵列***
CN109581291A (zh) * 2018-12-11 2019-04-05 哈尔滨工程大学 一种基于人工蜂群的直接定位方法
CN110501669A (zh) * 2019-09-25 2019-11-26 哈尔滨工程大学 一种中心对称声矢量圆阵快速空间谱压缩超分辨方位估计方法
CN110764055A (zh) * 2019-10-25 2020-02-07 哈尔滨工程大学 虚拟平面阵水下运动目标辐射噪声矢量测量***及测量方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DEMON feature extraction of acoustic vector signal based on 3/2-D spectrum;Sichun, Li等;《ICIEA 2007: 2ND IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS, VOLS 1-4, PROCEEDINGS》;20071231;2239-2243 *
Direct position determination(DPD)of multiple known and unknown radio-frequency signals;Alon Amar等;《2004 12th European Signal Processing Conference》;20150406;1115-1118 *
Sequential Maximum-Likelihood Source Localization of a Near Field Emitter of Unknown Spectrum, Using an Acoustic Vector Sensor;Song, Yang等;《2016 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS-CHINA (ICCE-CHINA)》;20161231;全文 *
中心对称声矢量圆阵的相干双声源方位估计方法;时胜国等;《哈尔滨工程大学学报》;20190731;第40卷(第7期);1187-1193 *
基于广义逆波束形成的噪声源定位识别方法研究;田德艳;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20190115;C036-31 *
基于矢量水听器的声源定位算法研究;韩金金;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20190115;C028-242 *

Also Published As

Publication number Publication date
CN111323750A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN108375763B (zh) 一种应用于多声源环境的分频定位方法
CN111123192B (zh) 一种基于圆形阵列和虚拟扩展的二维doa定位方法
Bosse et al. A spatio-temporal array processing for passive localization of radio transmitters
CN111413666A (zh) 一种阵列测频测向联合接收机设计方法
CN111798869A (zh) 一种基于双麦克风阵列的声源定位方法
CN108398659B (zh) 一种矩阵束与求根music结合的波达方向估计方法
Cao et al. Direction of arrival estimation for monostatic multiple-input multiple-output radar with arbitrary array structures
CN109696657A (zh) 一种基于矢量水听器的相干声源定位方法
CN108828586B (zh) 一种基于波束域的双基地mimo雷达测角优化方法
CN111323750B (zh) 一种基于声矢量阵列网络的直接定位方法
CN108594165B (zh) 一种基于期望最大化算法的窄带信号波达方向估计方法
CN111273269A (zh) 基于ipso-bp的频率分集阵列的雷达目标定位方法
CN102062851A (zh) 基于改进l阵的星载宽带多目标的测向方法
CN115826004B (zh) 一种基于二维角度及时差联合的三星协同直接定位方法
CN114563760B (zh) 一种基于sca阵型的二阶超波束形成方法、设备及介质
CN114740434B (zh) 一种等距分布子阵列***及抗伴飞式干扰的方法
CN114755628A (zh) 非均匀噪声下声矢量传感器阵列波达方向估计方法
CN114167346B (zh) 基于协方差矩阵拟合阵元扩展的doa估计方法及***
Wan et al. A range-Doppler-angle estimation method for passive bistatic radar
CN114265004A (zh) 一种基于子空间对消的干扰下的目标角度估计方法
CN114371441A (zh) 虚拟阵列波达方向估计方法、装置、产品及存储介质
CN112698263A (zh) 一种基于正交传播算子的单基地互质mimo阵列doa估计算法
CN113589223A (zh) 基于互耦情况下嵌套阵列的测向方法
CN112649787B (zh) 一种基于低频圆环阵的目标方位估计方法
CN116224311B (zh) 一种利非相干子空间方法对水下多目标方位识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant