[发明专利]一种基于稀疏贝叶斯学习的源定位方法

说明书

本发明公开了一种基于可预测简正波的稀疏贝叶斯学习的源定位方法，属于信号处理技术领域。本发明的方法针对现有基于稀疏贝叶斯学习的匹配场处理方法存在环境失配的问题，利用不同简正波受到环境变化影响的差异，提取出受到环境变化影响较少的简正波来计算拷贝场字典。由于声场由简正波叠加而成，提取其中受到环境影响较小的简正波部分作为可预测简正波计算拷贝场字典，从而减少环境失配带来的定位误差，提升了对环境失配的鲁棒性。

技术领域

本发明涉及匹配场处理方法，具体涉及一种基于可预测简正波的稀疏贝叶斯学习的源定位方法，属于信号处理技术领域。

背景技术

在浅海中，匹配场处理相比于单信道模型，充分利用由于海底和海面反射产生的多途信号，不仅可以提高探测能力，还可以进行声源定位。

匹配场处理技术结合了信号处理技术和水声物理学，在处理接收到的水声信号时，极大程度地利用了水声信道模型、接收阵列设计以及窄带、宽带相关的处理技术，和传统淡化信道的信号处理有鲜明对比。作为一种广义的波束形成方法，匹配场处理技术将接收阵列数据和拷贝场向量字典进行匹配，从而进行一个或多个源定位，参见[Baggeroer AB,Kuperman W A,Mikhalevsky P N.An overview of matched field methods in oceanacoustics[J].Oceanic Engineering IEEE Journal of,1993,18(4):401-424.]。1972年，Hinich在[Hinich M J.Maximum‐likelihood signal processing for a vertical array[J].Journal of the Acoustical Society of America,1973,54(2):499-503.]中首先进行基于垂直阵列的匹配场处理的源定位，并给出了源深度的估计方法。1976年Bucker[Bucker H P.Use of calculated sound fields and matched‐field detection tolocate sound sources in shallow water[J].Journal of the Acoustical Society ofAmerica,1976,59(2):368-373.]通过实验进行了源距离和深度的估计。

作为浅海被动声源定位的主要方法之一，匹配场处理的研究热点主要是发展高分辨率、对环境失配具有一定鲁棒性的算法。其失配形式主要体现在波导或声源模型的不准确性。经典的匹配场处理算法，如Bartlett处理器和Capon处理器，存在分辨率不高、且模糊度表面旁瓣过多的问题，这在未知声源个数的情况下，无法分辨出声源的个数及真实位置，因此，进行匹配场处理时算法需要具有更高的分辨率。

匹配场处理过程中，当通过压缩采样获取观测数据时，观测数据的数目远小于信号的维度，声源定位问题为欠定方程求解问题，同时由于声源个数稀疏，待求解的信号具有可压缩性，声源定位问题最终可以转化成一个压缩感知中的稀疏信号重构问题。Peter等人提出基于稀疏贝叶斯学习的匹配场处理方法[Gemba KL,Nannuru S,Gerstoft P,etal.Multi-frequency sparse Bayesian learning for robust matched fieldprocessing[J].Journal of the Acoustical Society of America,2017,141(1):3411–3420.]，该方法作为一种压缩感知方法，能够不需要用户输入、自动决定解的稀疏性，并且对于系统上阵列倾斜的失配具有一定的鲁棒性。然而匹配场处理的失配问题除了系统上阵列的不准确性外，还包括环境的失配问题，如声速、沉积层种类、衰减系数的失配。因此需要对此进行改进，解决其在环境上的失配问题。

发明内容

发明目的：针对现有技术的不足，本发明提供了一种基于可预测简正波的稀疏贝叶斯学习的源定位方法，能够解决现有的稀疏贝叶斯学习在进行声源定位时由于环境失配导致的定位不准确问题，提升对环境失配的鲁棒性。