[发明专利]一种声矢量阵方位估计方法

摘要

本发明公开一种声矢量阵方位估计方法，步骤是L个远程水声目标发送的信号是频率为f的窄带信号，接收信号阵列是含有M个矢量传感器阵元的均匀线阵，阵元间距为发送信号的半个波长；将整个水声目标空间划分为K个空间位置，使每个空间位置都对应一个方向角度；对信号采用稀疏贝叶斯学习的DOA估计算法，通过求解超参数的值，获得信号源的最大后验概率实现对目标的方位角估计，超参数通过迭代计算直至收敛，最后一次迭代计算出水声目标稀疏重构信号向量为确定非零行的位置，稀疏重构向量非零元素位置即对应实际的DOA角度，最终完成DOA估计。此方法可提高方位估计的精确性，得到更加尖锐的指向性波束和更低的旁瓣，实现全方位的方位估计。

主权项

一种声矢量阵方位估计方法，其特征在于包括如下步骤：(1)假设有L个远程水声目标，且其所发送的L个信号是频率为f的窄带信号，接收信号阵列是含有M个矢量传感器阵元的均匀线阵，阵元间距为发送信号的半个波长；(2)将整个水声目标空间划分为K个空间位置，且K>L，使每个空间位置都对应一个方向角度，在K个空间位置上阵列输出表示为：Yw=ΦS~w+Nw]]>其中，表示多次采样快拍的远程水声目标信号源，是K×1的矢量，中只有少数L个元素不为零，其余均为零，且每一个不为零的元素都对应一个目标，每一个不为零元素的位置都对应一个目标的方位角度，Nw表示多次采样快拍的零均值高斯噪声，Φ表示扫描矩阵；(3)对信号采用稀疏贝叶斯学习的DOA估计算法，通过求解超参数的值，获得信号源的最大后验概率实现对目标的方位角估计，超参数通过迭代计算直至收敛，最后一次迭代计算出水声目标稀疏重构信号向量为所述步骤(3)中，求解超参数的具体步骤是：步骤3‑1，初始化超参数λ,γ,B的值，令λ＝10‑3，γ＝1，B为主对角线全为1的M阶单位阵，M为信号源的个数；步骤3‑2，稀疏矢量γ，真实噪声方差λ通过最小化代价函数式得出：L|γ,B,λ|＝log|λI+ΦΣ0ΦT|+YT|λI+ΦΣ0ΦT|Y＝log|Σy|+YTΣy‑1Y其中Σy＝λI+ΦΣ0ΦT；步骤3‑3，采用最大期望算法求解上式，得出超参数γ,B,λ的学习规则，分别如下所示：γi=Tr[B-1(Σs~i+us~i(us~i)T)]L,i=1,...,K]]>B←1KΣi=1KΣs~i+us~i(us~i)Tγi]]>λ←||r-Φus~||22+λ[K×L-Tr(Σs~Σ0-1)]M×L]]>步骤3‑4，用MSBL算法推导得出如下结论：Ξs~=(Γ-1+1λΦTΦ)-1]]>S~=ΓΦT(λI+ΦΓΦT)-1Y]]>γi′=1L||S~i.||22+(Ξs~)ii,∀i]]>步骤3‑5，将的表达式进行变换如下式所示：us~=Σ0ΦT(λI+ΦΣ0ΦT)-1Y=(Γ⊗B)ΦT[λI+Φ(Γ⊗B)ΦT]-1vec(YT)≈(ΓΦT⊗B)[(λI+ΦΓΦT)-1⊗B-1]vec(YT)=[ΓΦT(λI+ΦΓΦT)-1]⊗I·vec(YT)=vec(YT(λI+ΦΓΦT)-1ΦΓ)=vec(S~T)]]>步骤3‑6，推导出最新的γ学习规则，表达式如下所示：γi←1LS~i.B-1S~i.T+(Ξs~)ii]]>将步骤3‑3中B的表达式重新改写为：B←1KΣi=1KΣs~i+S~i.TS~i.γi)]]>步骤3‑7，为了增加算法的鲁棒性，B的学习规则最终更新为：B~←Σi=1KS~i.TS~i.γi]]>B←B~/||B~||F]]>同时将λ学习规则进行简化，表达式如下：λ←1M×L||Y-ΦS~||F2+λMTr[ΦΓΦT(λI+ΦΓΦT)-1]]]>步骤3‑8，一直迭代该步骤直到各个超参数均收敛于一个比较稳定的值；(4)确定非零行的位置，即可由该位置对应中的角度估计出入射信号的DOA，稀疏重构信号向量非零元素位置即对应实际的DOA角度，最终完成DOA估计。