[发明专利]一种基于张量分解的矢量水听器阵列方位估计方法

说明书

本发明提供一种基于张量分解的矢量水听器阵列方位估计方法，步骤1：构建矢量水听器的声压和振速分量组成的方向矢量；步骤2：构建矢量水听器阵列的时延矢量；步骤3：将矢量水听器阵列的方向矢量以及时延矢量重构成新的阵列流形张量；步骤4：将矢量水听器阵列接收到的矢量信号重构成张量信号，并对张量信号进行分解和截断处理；步骤5：利用新的阵列流形张量和噪声子空间进行空间谱搜索，空间谱的峰值对应的角度就是入射信号的方位角和俯仰角。本发明解决了传统的方位估计方法在低信噪比时方位估计精度低的缺点，该侧向方法在低信噪比的条件下具有更好的噪声抑制能力，此测向方法具有较高的方位估计精度。

技术领域

本发明涉及一种基于张量分解的矢量水听器阵列方位估计方法，属于矢量水听器信号处理技术领域。

背景技术

现如今，对目标的方位进行精准测向是许多的领域中必须解决的问题。在矢量水听器信号处理技术领域，为了确定目标的方位，采用矢量水听器阵列对目标声场进行采样，通过相关算法得到目标的方位。

矢量水听器作为近些年来快速发展的声场测试设备，可以同时测量声场中的声压和振速分量，获取了声场中的多维信息，增加了水声信号处理的数据。传统的方位估计方法有多重信号分类(multiple signal classification，MUSIC)算法等。

传统的方位估计方法都是将声矢量阵的振速信息作为与声压相同的阵元信息来处理。将矢量水听器接收到的声压及振速信息排列成为矩阵形式进行后续的信号处理，使得矢量水听器蕴含的多维结构信息和声压以及振速各分量之间的正交关系在信号处理过程中没有得到充分的利用。

张量作为处理多维信号的一种统一语言，对高维代数运算具有不可比拟的优势，与矢量相比张量模型与真实信号的多维结构更为适配，能够充分利用矢量水听器中的声压以及振速分量的正交性。本发明运用了张量分解中的TUCKER分解，借鉴了张量分解在电磁矢量传感器阵列中的应用。

本发明提出了基于张量分解的矢量水听器阵列方位估计方法，可实现水下目标的高精度测向。

发明内容

本发明的目的是针对传统的方位估计方法在低信噪比时方位估计精度低的缺点而提供一种基于张量分解的矢量水听器阵列方位估计方法，用于在低信噪比的环境下，提高目标方位估计的精度。

本发明的目的是这样实现的：步骤如下：

步骤1：构建矢量水听器的声压和振速分量组成的方向矢量；

步骤2：构建矢量水听器阵列的时延矢量；

步骤3：将矢量水听器阵列的方向矢量以及时延矢量重构成新的阵列流形张量；

步骤4：将矢量水听器阵列接收到的矢量信号重构成张量信号，并对张量信号进行分解和截断处理；

步骤5：利用新的阵列流形张量和噪声子空间进行空间谱搜索，空间谱的峰值对应的角度就是入射信号的方位角和俯仰角。

本发明还包括这样一些结构特征：

1.步骤1中的方向矢量具体为：

当矢量水听器为三维矢量水听器时，矢量水听器的方向矢量为：

其中，a为矢量水听器的方向矢量，θ为入射信号的方位角，为入射信号的俯仰角，为X轴方向的方向余弦，为Y轴方向的方向余弦，为Z轴方向的方向余弦。

2.步骤2中，当矢量水听器为三维矢量水听器，矢量水听器阵列为L型阵列时，矢量水听器阵列的时延矢量为：

A＝[A_x A_y]