论文部分内容阅读
目标辐射噪声中的线谱信号对于探测低噪声、安静型的水下目标具有重要意义。本论文以水下无人航行器(Underwater Unmanned Vehicle,简称UUV)上搭载的声传感器阵列为物理基础,对水下未知目标所辐射的线谱信号进行自主被动检测。UUV平台具有自主性高、机动灵活等特点,上述特点会增加目标线谱的检测难度。本论文针对UUV平台目标线谱检测的难点,重点对宽带波束形成技术和时域线谱检测算法进行研究,以提出适用于UUV平台的目标线谱自动检测方法,为实现基于UUV平台的水下目标被动检测奠定基础。针对线谱目标方位信息缺失情况下的预成宽带波束形成问题,提出了一种针对线谱目标的自导向宽带波束形成算法。首先,将线谱增强器的自调整特性引入宽带波束形成器,实现波束方位的自导向特性。之后,通过分子频带波束形成处理以缓解自导向波束形成器的收敛速度与稳态权噪声之间的矛盾,并将波束形成器的权矢量投影到感兴趣的观测空间以抑制非感兴趣空间内的干扰。所提方法使宽带波束能够自动导向线谱目标方位,降低了后续线谱自动检测的复杂程度,有利于实现基于UUV平台的目标线谱检测。最后,通过仿真实验及海上试验进一步验证所提方法的有效性。离散傅里叶变换(Discrete Fourier Transform,简记为DFT)为经典的线谱检测方法。因目标线谱频率未知且往往存在多普勒频移,不可避免地出现DFT频域离散取值点偏离真实线谱频点的现象,继而引起线谱能量损失即粗糙损失。针对上述DFT离散取值偏差所引起的粗糙损失问题,提出了一种能够抗粗糙损失的DFT基线谱自动检测方法。在分段DFT基础上,利用相邻两DFT频率单元上的复序列构建假设检验问题,推导出一种广义似然比线谱检测器。所推导的检测器能够使泄露到相邻频率单元上的信号能量得到汇聚,降低了离散取值偏差所引起的DFT基线谱检测器性能损失,适用于基于UUV平台的目标线谱自动检测。通过仿真实验及湖上试验对所提算法的有效性进行了验证。UUV平台辐射噪声及环境噪声通常为色噪声,色噪声背景的起伏不利于目标线谱的自动提取。此外,UUV或目标机动所引起的目标波达方位快速变化及线谱频率偏移,限制了系统的有效积分长度,而积分时长的缩短会降低线谱频率的物理分辨力。针对色噪声背景下的高分辨力线谱自动提取问题,提出了一种基于稀疏重构的色噪声背景下线谱自动提取方法。该方法利用稀疏重构方法进行线谱估计以获得较高的频率分辨力,并通过分子频带处理来解决色噪声背景的起伏破坏线谱频域稀疏性的问题。利用估计得到的噪声功率构造自适应门限来提取线谱信号。所提方法在获得较高频率分辨力的同时,实现了色噪声背景下的线谱自动提取。通过仿真实验及湖上试验对所提算法的有效性进行了验证。