论文部分内容阅读
声矢量传感器可以同时获取声场中共点的声压和振速信息,它的应用为水声探测、定位以及识别等方面问题提供了一种新的解决方式。相比于常规声压阵,单个声矢量传感器就可以实现目标的方位估计,基于声矢量传感器阵列的信号处理算法则具有更好的参数估计性能,因此受到了国内外学者广泛的关注。在此背景下,本文从阵列信号处理目标方位估计和分辨的角度出发,结合声矢量传感器的矢量模型,对Eigenspace算法在单矢量传感器以及声矢量传感器阵列的应用进行理论研究,并与Bartlett算法、Capon算法、传统子空间类高分辨率算法进行了仿真对比。最后提出改进的Eigenspace算法,在基本不增加运算量的条件下,提高了谱估计算法的空间分辨性能。本文首先描述了单矢量传感器的输出数据模型,通过对比基于单个声矢量传感器的Bartlett、Capon和MUSIC算法,得知MUSIC算法具有更好的方位估计性能。但是MUSIC算法在单矢量传感器多目标估计时使用分频段处理条件下的空间分辨性能有所下降,因此引入了单矢量传感器Eigenspace算法。并对该算法进行了MATLAB仿真分析和实验数据处理,结果表明该算法在分频段处理的条件下谱峰更尖锐,方位估计精度更高。与标量阵相比,声矢量阵空间谱估计算法有更好的方位估计性能,本文分析了基于矢量阵的MUSIC算法与ESPRIT算法的方位估计性能。针对两种算法在低信噪比条件下方位估计性能下降的问题,引入矢量传感器阵列Eigenspace算法,并对其进行仿真分析。仿真结果表明,在低信噪比条件下,矢量阵Eigenspace算法具有更尖锐的谱峰,更低的旁瓣,更好的方位估计性能。最后,为了提高矢量阵Eigenspace算法空间分辨性能,本文提出了基于维纳后置滤波的矢量阵Eigenspace谱估计算法。通过维纳后置滤波系数优化Eigenspace算法的输出结果,使波束输出能量更加接近真实信号能量。对于信噪比较低的情况,该算法可以较大程度的抑制噪声的干扰,改善谱估计算法的输出结果。然后本文对该算法进行了仿真分析,结果表明,该算法在基本不增加运算量的条件下,提高了Eigenspace算法的空间分辨性能。