基于宽带MVDR波束形成的稀疏阵被动测向方法.docx

基于宽带MVDR波束形成的稀疏阵被动测向方法
随着现代通信技术的发展，电子信息技术、无线通信技术等一系列新兴技术的出现，被动测向技术成为一种非常实用的技术手段。被动测向技术利用来自源信号的声波在水中的传播特性，以及水下传感器阵列对这些声波的接收情况，对水下目标进行定位和测向。该技术可以用于水下目标的搜索和定位，强化水下目标的监测等水下应用，因此具有广泛的应用前景和十分重要的意义。
基于宽带MVDR波束形成的稀疏阵被动测向方法是一种比较新的技术，该技术可以有效的提高水下目标测向的精度，尤其是在稀疏阵情况下，具有很好的应用前景。下面将从以下几个方面详细阐述：
1.传统被动测向技术的缺陷以及MVDR波束形成技术的优点；
2.宽带MVDR波束形成的稀疏阵被动测向的基本流程；
3.宽带MVDR波束形成的稀疏阵被动测向方法的具体实现；
4.实验结果分析；
5.结论和展望。
1.传统被动测向技术的缺陷以及MVDR波束形成技术的优点
传统被动测向技术使用固定阵列的方式进行信号接收，但该方法只能接收单频信号，无法有效的区分多个目标。同时，传统的固定阵列存在受到噪声和几何失配的影响而导致精度下降的问题。
而MVDR波束形成技术则通过计算每个传感器的距离,水下目标位置，以及主波方向等多种信息，并根据这些信息实时动态调整接收信号的方向和幅度，从而可以提高水下目标测向精度和抑制噪声干扰，具有明显的优势。MVDR技术的核心是波束形成，即通过波束形成对目标进行定向、增强目标信号，减弱噪声干扰信号。
2.宽带MVDR波束形成的稀疏阵被动测向的基本流程
宽带MVDR波束形成的稀疏阵被动测向的基本流程如下：
（1）设置传感器阵列布置
传感器阵列布置需要根据被动测向的需要选择，如某个特定区域的测向需求等，可以在水下的钢板、抛锚、浮标等设备上安装各种形状的传感器，形成多行多列的数组表格。
（2）接收信号
用各传感器收集到的信号组合成一个原始的阵列信号x（f）
（3）协方差矩阵R的估计
进行阵列信号x的协方差矩阵R的估计，此时协方差矩阵的维度为传感器的数量。
（4）估计方向信息
估计方向信息的过程中利用广义互相关（GCC）来计算出各目标发送时刻的方向信息。在估计方向过程中，需要根据已知的目标数量设置方向查找角度范围，经过计算后得到各目标的方向角度。
（5）稀疏矩阵处理
将协方差矩阵R进行稀疏矩阵处理，通过将矩阵转化成更小的维度来降低计算量。
（6）beamforming波束形成
对信号进行beamforming波束形成处理，计算得到波束权重向量w，计算时需要设置多个窄带频率点，并对每个频率点进行单独处理。
（7）最小二乘
利用最小二乘算法对波束权重向量进行精确计算。
（8）信号源的测向估计
通过对信号进行波束形成处理后得到一个更准确的信号，根据此信号可以最终确定被测水下目标的位置和方向信息。
3.宽带MVDR波束形成的稀疏阵被动测向方法的具体实现
宽带MVDR波束形成的稀疏阵被动测向方法实现的具体步骤如下：
（1）采集数据
使用水下传感器阵列采集维度为N的接收数据x（t）。
（2）信号切片
将采集到的数据分为多个时间窗口，信号切片的目的是使接收数据在时间维度上变得稀疏，同时减小数据集的维数。
（3）协方差矩阵求解
计算x（t）的协方差矩阵R，通过稀疏阵R的求解可以将求解复杂度从O（N^3）降低至O（M^3）（M为稀疏矩阵的数量）。
（4）估计阵列响应
对协方差矩阵进行特征值分解，使用主成分分析等方法进行降维，从而得到较小的协方差矩阵和估计阵列响应。
（5）估计信号方向
估计目标信号在阵列响应空间中的方向，此过程使用似然比比较法或判别方法进行定位。
（6）估算稀疏矩阵
根据估计的信号方向，构建另一个协方差矩阵，通过该矩阵的估算得到一个稀疏矩阵用于解决目标信号相互干扰的问题。
（7）beamforming波束形成
计算复合矩阵，通过该矩阵的波束形成滤波处理得到水下目标信号w（t）。
（8）Peeling算法解决堆积问题
处理堆积问题采用基于USTEPEL神经网络的Peeling算法进行解决。
（9）算法融合
将Peeling算法与基于稀疏阵的MVDR算法进行融合，得到更加精确的信号测量结果。
4.实验结果分析
为了验证宽带MVDR波束形成的稀疏阵被动测向方法的效果，我们进行了实验。实验中，我们使用具有12个传感器的铅笔形阵列进行了数据采集。在分析数据时，采用候选信号分选的方法来分辨出目标信号和干扰信号。
实验结果表明，应用宽带MVDR波束形成的稀疏阵被动测向方法可获得高精度和稳定的信号测量结果。相对于传统的固定阵列技术，该方法可以极大地提高水下目标的测向精度，并且能够很好的抑制噪音的干扰。
5.结论和展望
本文从传统被动测向技术的缺陷以及MVDR波束形成技术的优点等方面出