[发明专利]一种低信噪比下新型匹配场被动定位方法

说明书

本发明公开了一种低信噪比下新型匹配场被动定位方法，本发明具体实现步骤如下：(1)选择距离和深度网格，通过声场模型计算拷贝场向量，进而计算拷贝场矩阵；(2)时频分析接收数据获得声源频率，并计算对应频率的协方差矩阵；(3)基于黎曼流形中的测地线距离，构造出两种黎曼匹配场处理器(4)分析不同信噪比下协方差矩阵的迹，改进黎曼匹配场处理器；本发明优点在于：(1)提高了黎曼匹配场处理器在低信噪比环境下的性能；(2)小孔径阵列条件下，算法可以有效降低旁瓣级，提高主瓣分辨率；(3)阵元间距大于半波长条件下，算法可以有效降低旁瓣级，提高主瓣分辨率。

技术领域

本发明涉及一种水下声纳阵列信号处理算法，具体实施涉及一种低信噪比环境下的新型匹配场被动定位方法，可应用于无人平台的小孔径拖线阵或分布式短阵的联合定位，属于水声阵列信号处理领域。

背景技术

常规匹配场定位方法了利用声场的全部信息，需要充分地采样声场才能在模糊平面上获得尖锐的峰值(代表声源位置)。这需要使用与海深可比拟的大孔径阵列，这种阵列的工程实现较为困难，耗资巨大且易于暴露。由于小孔径阵列用常规匹配场算法时，存在模糊度较高的问题，很难利用小孔径阵列直接估计出声源位置。如何用更少的阵元在低信噪比环境下，实现对目标的被动定位，是需要解决的技术问题。

常规匹配场处理中的Bartlett处理器，原理为功率谱密度矩阵与拷贝场向量矩阵分别变换为列向量之间的直线距离线性相关。从数学关系上来看，Bartlett处理器在数学上是来测量功率谱密度矩阵与拷贝场向量矩阵的相似性。考虑到功率谱密度矩阵具有两个特点，一是埃尔米特共轭性和半正定性，可以根据非欧几里得几何的度量(如黎曼度量)测量两个矩阵的相似性。分析低信噪比条件下协方差矩阵迹的变化，构造出改进的黎曼匹配场处理器。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种能够在低信噪比和小孔径阵列的条件下实现对声源被动定位的低信噪比下新型匹配场被动定位方法。

为解决上述技术问题，本发明的一种低信噪比下新型匹配场被动定位方法，包括以下步骤：

步骤1：根据阵列实测数据，通过时频分析获得声源信号的频率信息，计算对应频点的协方差矩阵；

步骤2：根据阵列各个阵元布放深度，建立相应的拷贝场距离和深度网格，根据频率和海深选择声场模型，计算拷贝场向量和相应的拷贝场向量矩阵；

步骤3：根据黎曼几何中测地线理论，选择黎曼距离用以度量协方差矩阵和拷贝场向量矩阵之间的相似性，进而构造出黎曼匹配场处理器；

步骤4：根据不同信噪比对协方差矩阵的影响，优化改进黎曼匹配场处理器，得到改进后的黎曼匹配场处理器；

步骤5：对所有距离和深度网格进行遍历，寻找功率最小的网格位置，即矩阵间距离最短位置，该网格位置即为被动声源的定位位置。

本发明还包括：

1.步骤3中黎曼匹配场处理器输出功率满足：

其中，r_i为第i个拷贝场距离和深度网格，i＝1～M，M为全部网格个数，W和K分别为范数归一化后的拷贝场向量矩阵和协方差矩阵。

2.步骤4中改进后的黎曼匹配场处理器输出功率满足：

其中，W和K分别为范数归一化后的拷贝场向量矩阵和协方差矩阵。