[发明专利]一种抗压制类水声干扰多通道自适应检测方法及系统

说明书

本发明公开了一种抗压制类水声干扰多通道自适应检测方法，所述方法包括：获取多阵元线阵接收的服从独立同分布的待检测数据；基于待检测数据，对预先构建的二元稀疏假设检验的参数进行估计；将估计的参数输入预先建立基于稀疏学习的抗压制类水声干扰检测器，完成目标的自适应检测。本发明提出的方法和系统实现了对稀疏信息的充分挖掘，通过采用迭代最小化稀疏学习算法对稀疏表示后的待检测数据进行求解，不仅实现对水声干扰目标有效检测，还能对干扰能量、数量、波达角度等关键参数进行准确估计，更便于实际应用。

技术领域

本发明涉及水声技术领域，具体涉及一种抗压制类水声干扰多通道自适应检测方法及系统。

背景技术

在声纳检测系统中，天线阵列通过多个阵元通道接收回波信号，接收到的常见干扰源除混响外，还包括高斯白噪声和人工干扰。白噪声是随水声信道存在的固有干扰，人工干扰由人为活动产生，以有源人工水声干扰为主(包括压制性干扰和欺骗性干扰两种)，实现对来袭声自导鱼雷的先期报警和软杀伤。其中，压制类干扰可视为一种与目标信号非相干的类噪声干扰，而欺骗类干扰是一种与目标信号强相关的相干干扰。总之，这类干扰可在脉冲发射之前或高距离单元内获得，不受环境非均匀性的影响，其中“均匀”指辅助数据与待检测数据具有相同的混响协方差矩阵。基于现代水下环境的复杂性，多通道自适应检测实现了对干扰抑制和目标检测的一体化，有效利用了观测数据，可获得检更优的检测性能。

针对均匀背景下抗压制类水声干扰的多通道自适应检测问题，产生了许多解决方案，主要包括基于最大似然比检验(GLRT)、两步GLRT、模型阶数选择(MOS)等准则的多种检测方法。值得注意的是，这些检测方法均未考虑水下数据的稀疏性。在实际的水下抗干扰应用中，干扰源的个数通常远远小于潜在声源可能存在的位置总数，所以抗干扰多通道自适应检测问题具有强稀疏性。意大利尼古拉·库萨诺大学Danilo Orlando教授团队以机载雷达为对象对抗压制性干扰多通道自适应检测模型给予了关注，他利用压制性干扰会改变干扰协方差矩阵秩的特性，采用两步GLRT和MOS设计准则，提出了均匀环境下抗压制类干扰的多通道自适应检测器(DA-1)。研究表明，贝叶斯信息准则下的DA-1检测器具有更高的稳健性，提高了小样本下的检测性能。

现有水下抗压制类干扰多通道自适应检测方法存在的不足之处是在建模中仅考虑对干扰目标的检测和噪声抑制，忽略了水下数据的稀疏性，没有采用基于稀疏学习的信号恢复算法对数据中所蕴含的信息进行充分挖掘获取，相应的不具有对压制类干扰目标的能量、数量和波达角度等关键参数的准确估计能力，进而不能满足运动声呐的实际应用。

发明内容

为解决现有技术的缺点，本发明提出一种基于稀疏学习的抗压制类水声干扰多通道自适应检测方法。为了实现对稀疏信息的充分挖掘，设计基于两步GLRT检验准则，通过采用迭代最小化稀疏学习算法对二元稀疏假设检验进行求解，实现对水声干扰目标有效检测的同时，还能对干扰能量、数量、波达角度等关键参数进行准确估计，进而大幅提高小数据样本情况下对干扰目标的检测能力，更便于实际应用。

为了实现上述目的，本发明提出了一种抗压制类水声干扰多通道自适应检测方法，所述方法包括：

获取多阵元线阵接收的服从独立同分布的待检测数据；

基于待检测数据，采用迭代最小化稀疏学习算法对预先构建的二元稀疏假设检验的参数进行估计；

将估计的参数输入预先建立基于稀疏学习的抗压制类水声干扰检测器，完成目标的自适应检测。

作为上述方法的一种改进，所述二元稀疏假设检验的构建包括以下步骤：

步骤1-1)对压制类干扰目标检测建立如下二元假设检验：