论文部分内容阅读
本文以水下无人航行器(UUV)上的声纳基阵为平台,研究目标先验信息缺失及模型失配情况下的自主被动探测方法。由于水下运动目标辐射的声波通常包含宽带噪声与线谱两种分量,因此本文的研究工作将围绕这两种分量展开。针对宽带噪声分量的检测问题,提出一种导向自校正鲁棒自适应波束形成算法。该算法的基本思想是:首先根据预定义的感兴趣观测扇面构造一个子空间,并利用该子空间将导向矢量的失配向量分解成两个相互正交的分量,其中之一为失配向量在子空间之内的投影,另一个分量与子空间正交;然后,针对这两部分分量,分别采用子空间约束准则与主瓣畸变最小化约束准则进行搜索,以此来修正导向矢量;最后,利用修正的导向矢量设计自适应波束形成器权系数。理论分析与仿真研究表明,该算法无需确知目标的真实方位信息,其导向能够自适应地指向目标的实际方向,因此在整个感兴趣观测扇面内均可获得接近最优值的性能。此外,为提高运算效率,本文还推导了该算法的闭合形式解。针对线谱分量的检测问题,提出一种导向与频带联合自校正的时域宽带波束形成算法,通过时域宽带波束形成结合傅里叶变换提取目标信号的线谱特征。该时域宽带波束形成算法的基本思想是.:首先通过自适应波束域变换从所接收的基阵数据中提取感兴趣信号(SOI)的特征分量,然后利用该特征分量重构信号子空间,最后利用重构的信号子空间构造一组线性约束准则,以保证SOI分量近似无失真通过。理论分析与仿真研究表明,该算法在缺少SOI实际波达方向、信号频带等先验信息的情况下,其导向与工作频带均能够自适应地匹配SOI,因此在整个感兴趣的观测扇面之内,它都可获得接近最优值的性能。并且,该宽带波束形成算法的运算量与常规Frost宽带波束形成算法相当,将它应用到UUV无人声纳系统之中,可望显著改善该声纳在目标先验信息缺失情况下的自主被动探测性能。针对感兴趣子区域内的多源检测问题,还提出一种基于子空间矩阵滤波的多源检测算法。该算法将接收的基阵数据投影到子空间域,然后通过空域矩阵滤波从子空间中提取SOI的特征分量,最后以所提取的特征分量作为检测统计量对SOI进行检验判决。与现有文献介绍的基于观测数据空域滤波的算法相比,本文提出的多源检测算法具有三个非常突出的优点:首先,无论干扰强弱,该算法均能将干扰特征分量从所估计的子空间中有效滤除;其次,矩阵滤波不会降低子空间的维度,因此该算法能够从矩阵滤波器的输出中有效分辨多个SOI;此外,该算法所涉及的矩阵滤波器、检测门限等参数均可预先设计,且无需在线调整。这些特性使得其非常适合于UUV上的无人声纳系统,能够以“不变应万变”的方式自主工作。为了检验上述算法的性能,分别针对单目标与多目标情况进行了湖试试验。试验结果表明,无论是本文提出的波束形成算法还是多源检测算法,均能够有效可靠地检测到目标信号。