[发明专利]加窗二维解卷多波束功率谱估计算法

说明书

本发明属于声纳信号处理领域，公开了加窗二维解卷多波束功率谱估计算法，其步骤包括根据阵列结构、处理频段预先计算、存储每一个扫描指向(θ,F)的导引向量全集，即点扩展函数；采用k点阵元时域数据进行加窗傅里叶变换，得到第n批阵元频域数据；采用预存的导引向量集进行加窗波束形成器处理得到多波束功率谱估计结果；用离散二维积分形式的R‑L迭代算法对空域‑时域加窗的多波束功率谱二维解卷处理，估计出目标的真实能量分布估计PB_out；在完成解卷处理之后，对PB_out进行二维谱峰搜索，以极值点中最小值作为背景估计，对所有非极值点背景平滑，得到新的多波束功率谱估计。本发明方法有效改善了被动声纳窄带警戒的性能，具有较强的工程实践意义。

技术领域

本发明属于声纳信号处理领域，具体涉及被动声纳的窄带线谱检测技术。

背景技术

受强干扰能量、特征在空域、频域泄露影响，被动声纳对弱目标特征检测性能下降。为了避免强线谱干扰的空域、频域旁瓣泄露导致的关注目标线谱特征提取误差，推导了多波束功率谱的二维积分表达形式，提出对多波束功率谱输出结果在方位-频率二维解卷处理，以此降低空域、频域旁瓣泄露的影响。同时，为了避免弱目标在低信噪比条件下，强干扰旁瓣过强，导致解卷迭代处理可能存在的弱目标无法正确检测的问题，提出首先采用空域-时域二维加窗的波束形成技术，得到加窗处理之后的多波束功率谱，然后对处理结果在二维解卷得到本发明方法的多波束功率谱估计结果。所提算法，继承了加窗处理的低旁瓣优势，具有更好的弱目标检测能力。同时，由于采用二维解卷处理，削弱了加窗导致的主瓣展宽问题，提高了波束分辨率和频率分辨率，具有更好的分辨率和弱目标检测能力。最后，对输出结果背景合理平滑即可对关注目标波束提取线谱特征，得到净化掉线谱泄露的目标特征。仿真验证表明，所提算法能够有效抑制强干扰的空域、频域泄露，提高关注目标特征的检测能力和提取正确率，有效改善了多波束功率谱估计的实际性能。

被动声纳对目标的能量、特征检测常采用频域空间处理，即对阵元接收时域数据傅里叶变换至频域，然后划分出若干满足窄带假设的子带，对每个窄子带进行频域波束形成得到多波束功率谱结果。在合理设置检测域的条件下，对目标的方位、线谱进行检测。在声纳的实际使用环境中，存在渔船、水面舰船等干扰，其能量、特征在空域、频域泄露严重，这就影响着被动声纳对关注目标的有效检测、跟踪及特征提取。针对强干扰条件下的弱目标检测问题，Capon提出了MVDR处理器，其可以自适应的在干扰方向形成零陷，进而抑制干扰的旁瓣泄露。但是其对各类失配敏感，在各类失配严重的声纳实际使用环境中性能严重下降。针对提高自适应波束形成器稳健性的问题，研究人员开展了一系列稳健自适应算法研究，包括对角加载类、特征空间类、协方差矩阵重构类方法，但是由于声纳系统的特殊性，实际使用环境中，阵元误差、幅度相位误差相较雷达、无线通信等阵列信号处理领域更为严重，这就使得稳健自适应类算法性能下降。T C yang在2016年最先指出，在cosθ空间域，常规波束形成器的输出是波束图(点扩展函数)和空间δ函数的卷积结果[Deconvolvedconventional beamforming for a horizontal line array,IEEE Journal of oceanicengineering,2016]，如此可以采用R-L迭代算法解卷出目标的真实空间能量分布。由于目标能量的空间分布类似于δ函数，故此削弱了空域能量泄露，在缩小主瓣的同时压低了旁瓣级，由于是对常规波束形成器的输出进行后置处理，解卷处理继承了其在各类失配条件下的稳健性，获得了良好的弱目标检测和多目标分辨能力。

文献[High-resolution power spectral estimation method usingdeconvolution,IEEE Journal of oceanic engineering，2018]讨论了空域加窗解卷积对主瓣宽度的影响，随着迭代次数增加，不同加窗处理的主瓣宽度逐渐趋于一致。但是，忽略了空域加窗对强干扰影响下弱目标检测性能的改善。在强干扰条件下，其空域旁瓣泄露的能量可以远大于弱目标的主瓣输出，由于解卷积的迭代处理存在噪声、导引向量失配等影响产生的误差，在此条件下单纯提高迭代次数无法对弱目标、弱线谱有效检测。