[发明专利]基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法

说明书

本发明公开了一种基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法，属于自水声阵列信号处理领域的波达方向估计技术。本发明首先根据接收端获取的水声信号，基于小波变换构建时频阵列模型；然后改进协方差矩阵特征，降低神经网络输入维度；最后训练基于双支路卷积神经网络的波达方向估计模型，精确获取水声信号波达方向。本发明可有效抑制复杂海洋环境下信号受到噪声和时变特性的影响，解决杂海洋环境中常见波达角估计方法性能退化问题，获取更加精确的目标入射角度。

技术领域

本发明属于水声通信技术领域，具体地说，涉及一种小波变换联合卷积神经网络的水声阵列信号波达方向估计方法。

背景技术

水下目标的波达方向估计通过水下多传感器阵列对空间信号进行采集，进而估计出其入射角度等信息，在战场侦察、水下导航及海洋开发等领域有着至关重要的作用。相较于光和电磁波，声波在水下具有得天独厚的优势，是目前唯一能够在海洋中远距离传播的媒介，近年来水声通信技术发展迅猛。然而我国海域环境复杂，且渔业、工业作业多，水声通信会受到复杂的噪声和干扰影响。

目前，以多重信号分类和旋转不变子空间为代表的空间谱算法在波达方向估计中使用较为普及，已经得到了广泛的应用和发展。但这类算法对信噪比极为敏感，在极其复杂多变的水声信道中，极易受到扰动，并不能保证有效、稳定的传输，因此，现有波达方向估计算法在复杂海洋环境下的应用效果并不理想。

发明内容

针对在实际海洋环境的时变特性和复杂噪声背景下，基于空间谱算法的波达方向估计方法性能严重退化，水声阵列信号波达方向估计精度低等问题，本发明的目的是提出了一种基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法，用以解决上述问题。

为实现上述发明目的，本发明采取下述技术方案予以实现：

一种基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法，包括以下步骤：

S1：建立水声阵列信号接收模型并接收信号；

S2：基于小波变换，对接收信号进行时频分析，计算小波系数，构建时频阵列模型；

S3：利用时频阵列模型，计算改进协方差矩阵特征；

S4：根据改进协方差矩阵特征，引入双支路卷积神经网络；

S5：利用S1-S3构建深度学习数据集，训练所述双支路卷积神经网络，得到波达方向估计模型；

S6：待测信号数据进行所述S2和S3处理，处理后的待测数据特征导入S5得到的波达方向估计模型，最终输出结果，实现信号波达方向估计。

进一步的，所述S1中：

S1-1：假设有频率为f、声速为v的远场窄带水声信号入射到有P个阵元的均匀线阵上，相邻阵元间隔为d，小于信号半波长，第一个阵元为参考阵元，则单一阵元的接收信号表示为：

式中，g_j表示阵元j接收增益，n_j(t)表示阵列j接收噪声，τ_j表示阵元j相对于参考阵元的时延，可以表示为：

S1-2：假设各阵元无方向性，且不存在阵间耦合，取各个阵元的接收增益为1，则将阵列在t时刻的接收信号可表示为：

S1-3：将S1-2所示接收信号用矩阵形式表示：

Y(t)＝AX(t)+N(t)