[发明专利]一种基于DSP的水听器阵测向系统及其DOA估计方法

说明书

本发明公开了一种基于DSP的水听器阵测向系统及其DOA估计方法。本发明的测向系统由水听器基阵，前端放大模块，滤波模块，多通道数据采集传输模块，数据处理模块、显示模块，控制模块等部分组成。6个水听器构成的均匀线型阵列，实现6通道同步采样传输，工作频段为200Hz至50kHz，处理器为ADSP‑21562，可设置运算参数，显示运算结果。为提升测向系统稳定性和测向精度，本发明设计公开了一种基于贝叶斯学习的稳健、高精度DOA估计信号处理方法，该方法在水听器基阵阵元间存在未知互耦，且入射信号方向与离散网格存在误差的情况下，可以稳健的实现入射信号的方位估计，且估计精度优于常规处理方法。

技术领域

本发明涉及的是一种基于DSP的水听器阵测向系统及其DOA(Direction ofArrival)估计方法，具体的说一种基于DSP的水听器阵测向系统利用水听器阵列接收采集水下目标的辐射信号，并对信号进行处理，估计出目标的方位，通过显示系统直观的呈现估计结果和相关参数；基于该系统，本发明提供了一种稳健的基于稀疏贝叶斯学习的DOA估计方法，具体的说是在水听器阵列的阵元间存在互耦时，且入射方向与离散网格存在误差情况下的一种基于稀疏贝叶斯学习的稳健高精度DOA估计方法。

背景技术

波达方向估计问题在很多领域受到极大的关注，例如，雷达、声呐，生物医学等。在过去几十年已经提出了许多高分辨的DOA估计算法，例如，多重信号分类算法(MultipleSignal Classification,MUSIC)、求根MUSIC算法(Root-MUSIC)、旋转不变子空间算法(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)等，但上述高分辨算法在低信噪比、少快拍数的情况下，估计性能会严重下降，甚至失效。

随着压缩感知(Compress Sensing，CS)理论和稀疏重构技术的不断发展和成熟，许多学者将其与DOA估计联系起来，使DOA估计技术进入了新的发展阶段。相较于传统的高分辨算法，基于CS和稀疏重构技术的DOA估计方法，在低信噪比、少快拍的情况下表现出良好的估计性能。该种方法大致分为三类：凸优化方法、贪婪方法、稀疏贝叶斯学习方法。D.Malioutov研究了稀疏信号的表示以及DOA估计问题，提出L₁范数奇异值分解(L₁norm-Singular Value Decomposition,L₁-SVD)方法，把测向问题转化为求解L₁范数的问题，但是其优化问题受到模型正则化参数的影响，影响估计的精度。王伟东、张群飞等人提出的基于稀疏信号功率迭代补偿的DOA估计算法，该算法基于补偿原理，使信号的稀疏表示近似于L₀范数，把DOA估计问题转化为求解L₀范数问题。相比于L₁-SVD算法，这种方法不需要设置正则化参数，对非相干源具有较高的估计精度。然而，凸优化方法的计算效率限制了其进一步发展。