復雜混響背景下聲吶基陣的目標方位估計算法

張國光

(昆明船舶設備研究試驗中心 昆明 650051)

復雜混響背景下聲吶基陣的目標方位估計算法

張國光

(昆明船舶設備研究試驗中心 昆明 650051)

在復雜混響背景下目標方位估計精度受到干擾限制較大,提出一種基于聲吶基陣多源信息跟蹤融合的復雜混響背景下目標方位估計算法。首先建立聲吶基陣的多傳感器分布式陣列信號處理模型,對聲吶傳感器陣列的傳輸信道模型進行空間重構和向量量化分解,建立Kalman濾波器進行混響抗干擾濾波,然后采用多源信息跟蹤融合方法進行聲吶基陣的目標方位和速度等信息的聯(lián)合估計。最后進行仿真測試,結果表明,采用該方法進行復雜混響背景下聲吶基陣的目標方位估計的精度較高,對水下目標的量化跟蹤性能較好,實現(xiàn)了對目標的準確定位和檢測。

混響; 聲吶基陣; 目標方位估計; Kalman濾波; 信息融合

Class Number TN911

1 引言

隨著水中兵器智能對抗技術的發(fā)展,水下目標對抗與反對抗的研究受到人們的極大重視,通過對水下目標的智能探測和方位估計,實現(xiàn)對目標的精確打擊和跟蹤識別。研究水下目標方位估計方法,將在研究智能水中兵器中具有重要的應用價值,相關的目標方位估計算法研究受到人們的關注。

采用聲吶基陣進行水下目標的輻射信號的檢測是實現(xiàn)目標量化跟蹤識別的可靠性技術,聲吶基陣堪稱水下的耳朵,它是通過多個水聲換能器組成的傳感器陣列,通過傳感器信號采集和處理方法,實現(xiàn)對監(jiān)測區(qū)域的目標信息識別和估計。當目標的信源靠近陣列Fresnel區(qū)域時,聲吶基陣將會發(fā)出探測脈沖進行目標信息的捕獲,將采集聲吶基陣信息輸送到信號處理單元,在DSP芯片的處理下實現(xiàn)對目標檢測信號的信息處理和識別,實現(xiàn)目標方位估計、速度估計以及其它信息特征的提取。由于水下環(huán)境惡劣,受到的海水混響等干擾因素較大,水下聲吶基陣在進行目標檢測和參量估計中的精度受到限制。針對上述問題,本文提出一種基于聲吶基陣多源信息跟蹤融合的復雜混響背景下目標方位估計算法。首先建立聲吶基陣的多傳感器分布式陣列信號處理模型,對聲吶傳感器陣列的傳輸信道模型進行空間重構和向量量化分解,建立Kalman濾波器進行混響抗干擾濾波,然后采用多源信息跟蹤融合方法進行聲吶基陣的目標方位和速度等信息的聯(lián)合估計。最后進行仿真測試,得出有效性結論,展示了本文方法在提高聲吶基陣對目標方位準確估計中的優(yōu)越性能。

2 聲吶基陣多傳感器分布式陣列信號處理模型

2.1 聲吶基陣多傳感器陣列模型

研究聲吶基陣多源目標方位估計的第一步是構建基陣傳感器分布陣列發(fā)射模型,通過信號模型構建為建立波束形成圖,并完成方位、速度等參量的估計,聲吶基陣多傳感器為近場源分布,假設為一個均勻線列陣模型,如圖1所示。

聲吶基陣作為陣元分布在均勻矩形網(wǎng)格中,陣列的邊界是矩形,目標相對于陣列中心的距離可近似為

r≤2D2/λ

(1)

其中,D表示聲吶傳感器基陣的最大孔徑,λ=c/f表示水下目標回波脈沖信號發(fā)射的中心頻率f對應的工作波長。

假定由N=2P個陣元組成的間距為d均勻線陣表示聲吶水聲傳感器基陣,在分布式陣列結構模型中,陣元間距dx,y軸方向的陣元間距為dy,滿足：

(2)

設聲吶傳感器基陣陣列中心處的陣元坐標為0,以遠場分布源為相位參考點,則第m個陣元的多源目標觀測信號模型為

(3)

其中,si(t)為第i個陣列的波束形成復包絡,xm(t)為傳感器基陣陣元m接收的水下目標的回波脈沖信號,nm(t)為陣元m上的干擾噪聲,φmi為陣元m相對于參考的傳感器聲吶基陣的相位差。

由Fresnel近似主動目標信號的頻率時延表達式為

≈γim+φim2

(4)

(5)

其中,d與λi滿足d≤λi/4。聲吶基陣多傳感器陣列的分布函數(shù)p(ek|vk)的方差和均值服從分布如下：

-∞≤t≤+∞

(6)

通過上述處理,實現(xiàn)了聲吶基陣多傳感器陣列模型構建,進而進行目標方位估計。

2.2 聲吶傳感器陣列的傳輸信道模型

對聲吶傳感器陣列的傳輸信道模型進行空間重構和向量量化分解,對聲吶基陣傳感器信道模型作如下假設：

2) 聲吶傳感器基陣的陣元噪聲nm(t)為零均值、白或色的高斯過程,可用多個點目標來模擬一個分布式目標；

4) 陣元間距d≤λi/4,而且N>L。

根據(jù)上述假設進行信道模型構建,得到復雜混響背景下聲吶基陣定位的目標軌跡特征：

M(k)=H(k)x(k)+V(k)

(7)

E[V(k)VT(k)]

(8)

采用多傳感器量化融合方法進行復雜混響背景下聲吶基陣的傳輸信道擬合,得到過程噪聲和聲吶傳輸信號的特征w(k)與V(k)的關聯(lián)維矩陣描述為

E[w(k)VT(k)]

(9)

其中RV(k)是一正定的實對稱陣,在多傳感器融合下,復雜混響背景下聲吶基陣的目標方位估計問題轉化為量化信息融合問題,采用協(xié)方差矩陣的特征分解方法,用點目標來模擬分布源以及基于一階近似的分布源模型,此時分布源矩陣RV(k)唯一地分解成：

RV(k)=L(k)R(k)LT(k)

(10)

(11)

其中

(12)

通過單觀測數(shù)據(jù)矢量融合,得到第m個陣元接收到的參量信息矩陣為

(13)

(14)

在上述構建的聲吶傳感器陣列的傳輸信道模型中,進行信號處理和目標方位估計。

3 混響抗干擾濾波及參量估計實現(xiàn)

3.1 問題的提出及混響抗干擾濾波處理

在上述進行了聲吶基陣多傳感器分布式陣列信號處理模型和信道傳輸模型構建的基礎上,進行復雜混響背景下目標方位估計改進設計,為了克服當前方法進行目標方位估計的精度較差,受到干擾限制較大的弊端,本文進行方位估計方法的改進設計,提出一種基于聲吶基陣多源信息跟蹤融合的復雜混響背景下目標方位估計算法,建立Kalman濾波器進行混響抗干擾濾波,Kalman濾波函數(shù)為

(15)

(16)

計算2q階矩陣Q*QH,得到復雜混響背景下聲吶基陣回波的濾波協(xié)方差矩陣為

Y(k|k-1)=P-1(k|k-1)

(17)

其中：

F(k-1) =λ-1(k)[Φ-1(k-1)]T

P-1(k-1|k-1)Φ-1(k-1)

=λ-1(k)[Φ-1(k-1)]T

Y(k-1|k-1)Φ-1(k-1)

(18)

回波脈沖信號的二階矩分別為

(19)

3.2 目標方位估計實現(xiàn)

={I-F(k-1)[F(k-1)+Q-1(k-1)]-1}

={I-F(k-1)[F(k-1)+Q-1(k-1)]-1}λ-1(k)

=λ-1(k){I-F(k-1)[F(k-1)+Q-1(k-1)]-1}

(20)

其中：

(21)

+R-1(k)-R-1(k)}

(22)

基于點目標假設的方位估計算法,結合多傳感信息融合跟蹤,得到聲吶基陣t時刻陣列的接收數(shù)據(jù)矩陣為

(23)

(24)

令

(25)

(26)

接收陣列數(shù)據(jù)可以表示為

(27)

×F(k-1)

(28)

(29)

(30)

(31)

在全局最優(yōu)解向量尋優(yōu)下,得到目標方位和速度的聯(lián)合估計運動參量輸出為

(32)

根據(jù)目標的初始距離和速度,計算出第i個分布源的角信號分布函數(shù),由此提高訪問估計的精度。

4 仿真實驗與結果分析

為了驗證本文算法在實現(xiàn)復雜混響背景下聲吶基陣的目標方位估計中的應用性能,進行仿真實驗法分析,聲吶基陣均勻線列陣陣元數(shù)N取值為20,水下運動目標方位是5°,兩個信源的方位角分別為10°,30°,陣元間距假設為1/2倍波長,假設水下運動目標為點目標時,復雜混響背景下水下干擾的信噪比定為10dB,波速為1500m/s,聲吶基陣陣元間距為最小波長的0.13倍,快拍數(shù)從200變化到2000,實驗次數(shù)為200次,其它參數(shù)設定為θ1=-5o,Δ1=4o;θ2=3o,Δ2=5o;采用均方根誤差作為目標方位估計的評價指標：

(33)

根據(jù)上述仿真環(huán)境和參數(shù)設定,得到聲吶基陣對運動目標的譜峰搜索結果如圖2所示。

根據(jù)圖2所示的譜峰搜索結果,在角度方向上進行等高線投影,確定方位估計的等高線,得到目標方位估計的等高線掃描結果如圖3所示。

從圖可見,采用本文方法進行目標方位估計,能準確定位水下運動目標的位置,方位估計的精度較高,為了定量對比性能,采用本文方法,以方位估計的均方根誤差為對比指標,得到結果如圖4所示。從圖可見,采用本文方法進行目標方位估計,誤差能快速收斂到零,在復雜混響背景對水下運動目標方位估計性能較好。

5 結語

為了實現(xiàn)對復雜混響背景下的聲吶基陣下運動目標的準確方位估計,本文提出一種基于聲吶基陣多源信息跟蹤融合的復雜混響背景下目標方位估計算法。首先建立聲吶基陣的多傳感器分布式陣列信號處理模型,對聲吶傳感器陣列的傳輸信道模型進行空間重構和向量量化分解,建立Kalman濾波器進行混響抗干擾濾波,然后采用多源信息跟蹤融合方法進行聲吶基陣的目標方位和速度等信息的聯(lián)合估計。仿真測試結果表明,采用該方法進行復雜混響背景下聲吶基陣的目標方位估計的精度較高,對水下目標的量化跟蹤性能較好,實現(xiàn)了對目標的準確定位和檢測,在水下制導武器設計中具有較好的應用價值。

[1] 鄭振,王麗媛,周勇.混沌理論研究及其在艦船目標識別中的應用[J].艦船電子工程,2013,33(5):48-50.

[2] 周勇,甘新年,胡光波,等.魚雷制導控制系統(tǒng)多通道控制加權算法設計[J].現(xiàn)代電子技術,2014,37(19):14-17.

[3] 葛立志.基于全彈道控制分析的水下航行器攻擊模型視景仿真[J].艦船電子工程,2015,35(3):137-141.

[4] 胡光波,梁紅,徐騫.艦船輻射噪聲混沌特征提取方法研究[J].計算機仿真,2011,28(2):22-24.

[5] 李春龍,劉瑩.一種高斯色噪聲混響背景的寬帶信號檢測算法[J].科學技術與工程,2011,11(3):480-483.

[6] 秦寧寧,余穎華,吳德恩.移動混合傳感網(wǎng)中節(jié)點自主部署算法[J].電子與信息學報,2016,38(7):1838-1842.

[7] MAHBOUBI H, MOEZZI K, AGHDAM A G, et al. Distributed deployment algorithms for improved coverage in a network of wireless mobile sensors[J]. IEEE Transactions on Industrial Informatics,2014,10(1):163-174.

[8] MAHBOUBI H. Distributed deployment algorithms for efficient coverage in a network of mobile sensors with nonidentical sensing Capabilities[J]. IEEE Transactions on Vehicular Technology,2014,63(8):3998-4016.

[9] 王潔,盧建朱,曾小飛.可及時確定受攻擊節(jié)點的無線傳感器網(wǎng)絡數(shù)據(jù)聚合方案[J].計算機應用,2016,36(9):2432-2437.

[10] 羅澤峰,單廣超.基于網(wǎng)絡和虛擬多媒體技術的海戰(zhàn)平臺視景仿真實現(xiàn)[J].物聯(lián)網(wǎng)技術,2015,5(3):91-92,94.

[11] BOUDIA O R M, SENOUCI S M, FEHAM M. A novel secure aggregation scheme for wireless sensor networks using stateful public key cryptography[J]. Ad Hoc Networks,2015,32(C):98-113.

DOA Estimation Algorithm of Sonar Array in Complex Reverberation Background

ZHANG Guoguang

(Kunming Shipborne Equipment Research and Test Center, Kunming 650051)

In complex reverberation background, DOA estimation precision is restricted by interference, this paper proposes an estimation algorithm based on multi-source information fusion tracking array complex reverberation sonar target azimuth. Firstly, the sonar array distributed multiple sensor array signal processing model, transmission channel model of sonar sensor array decomposition space reconstruction and vector quantization, reverberation anti interference filter Kalman filter is built, and then the joint estimation of multi-source information fusion tracking method for sonar array target range and speed information. Finally, simulation test is taken, simulation results show that it has high precision test, using the method of DOA estimation sonar array in complex reverberation background, it can quantify the tracking performance of the underwater targets, and realize accurate positioning and target detection.

reverberation, sonar array, DOA estimation, Kalman filter, information fusion

2016年7月10日,

2016年8月26日

張國光,男,碩士,助理工程師,研究方向：水下信號處理。

TN911

10.3969/j.issn.1672-9730.2017.01.006