[发明专利]圆形声矢量传感器阵列近场源多参数估计方法

摘要

圆形声矢量传感器阵列近场源多参数估计方法，步骤如下：对声矢量传感器阵列的输出信号进行采样，利用直接采样数据和延时采样数据构成接收信号全数据，通过数据相关矩阵的特征分解获取信号子空间和噪声子空间，利用延时前后数据间的旋转不变关系获取信号阵列导向矢量和信号频率估计，将信号导向矢量分成四个子阵导向矢量，并利用子阵导向矢量间的比值关系获得到达角和声源距离的粗略估计值，通过MUSIC算法在粗略估计值附近区域搜索信号到达角和距离的精确估计值，本发明充分利用声矢量传感器本身所固有的旋转不变结构，利用ESPRIT算法进行粗估并与MUSIC小区域精搜方法相结合实现到达角和距离的精确估计，本发明方法具有计算量小、算法简单、使用方便的优点。

主权项

1.圆形声矢量传感器阵列近场源多参数估计方法，其特征在于：所述声矢量传感器阵列由M个等间隔布置于半径为R的圆周上的阵元构成，以圆周的圆心为坐标原点且在坐标原点放置相同的声矢量传感器作为参考阵元，圆形声矢量传感器阵列的相邻阵元间的间隔为λ_min/(8sin(π/M))，阵列的阵元是由声压传感器和x轴、y轴和z轴方向振速传感器构成的声矢量传感器，其中，λ_min为入射信号的最小波长；近场源多参数估计方法的步骤如下：阵列接收K个不同频率、互不相关窄带、随机平稳近场源信号，步骤一、利用圆形声矢量传感器阵列获取近场声波信号的接收数据；该圆形声矢量传感器阵列接收信号的N次快拍数据构成直接采样数据Z₁，接收信号延迟ΔT后的N次同步快拍数据构成延时采样数据Z₂，由Z₁和Z₂这两组数据构成接收信号全数据其中f_s为奈奎斯特采样频率；步骤二、利用接收信号全数据获取信号子空间和噪声子空间；估计全数据相关矩阵其中，A是全数据信号导向矢量矩阵，R_s为入射信号相关矩阵，σ²是高斯白噪声的功率，I是8M×8M的单位矩阵，根据子空间理论，对数据相关矩阵R_Z进行特征分解获取信号子空间U_s和噪声子空间U_N，其中，EVD表示特征分解，λ_i是特征分解得到的第i个特征值，v_i是特征值对应的第i个特征矢量，U_s＝[v₁，…，v_K]为K个大特征值对应的特征矢量构成的信号子空间，U_N＝[v_K+1，…，v_8M]为8M‑K个小特征值对应的特征矢量构成的噪声子空间；步骤三、估计信号导向矢量矩阵和信号频率将8M×K的信号子空间U_s分成上下两块4M×K的矩阵U₁和U₂，利用时间旋转不变关系结构，由U₁和U₂通过矩阵运算得到ΨT＝ΩT，其中对矩阵Ψ进行特征分解，特征值构成矩阵特征矢量构成矩阵其中是Ω的估计值，是T的估计值，从而得到信号导向矢量矩阵和信号频率的估计：其中，arg(·)表示取幅角，表示矩阵取的第k行第k列元素，U_s＝AT，U₁＝A₁T，U₂＝A₂T，A就是步骤二中的全数据阵列导向矢量矩阵，A₁是直接采样数据阵列导向矢量矩阵，A₂是延时采样数据阵列导向矢量矩阵，T是K×K的非奇异矩阵，是矩阵U₁的伪逆矩阵，步骤四、根据信号导向矢量的构成和阵列排布，获得第k个信号的x轴、y轴振速和声压对z轴振速的归一化矢量，并利用归一化矢量获得到达角和声源距离的粗略估计值；根据声矢量传感器的结构和阵列的排布形式，将信号导向矢量估计值的第k(1≤k≤K)列分成每个阵元对应的矩阵块，表示的第k列，表示第m个阵元的第k列，的x轴、y轴方向振速和声压三个分量都与z轴方向振速分量相比得到归一化矢量由M个阵元的归一化矢量平均得到第k个信号的归一化矢量从而得到信号到达角粗略估计值和声源距离粗略估计值第k个信号的归一化矢量为：从而得到到达角和距离的估计值：其中，为第k个信号与坐标原点阵元之间的距离，λ_k为第k个信号的波长，ρ₀是环境流体密度，c是声波传播速度，向量Γ_k的第1、2、4个元素，exp(·)为求指数运算，tan(·)和arctan(·)分别表示求正切和反正切运算；步骤五、利用MUSIC算法在粗略值附近搜索信号到达角和距离的精确估计值；利用圆形声矢量传感器阵列的结构形式，给出粗略估计值附近的小区域内的全数据阵列导向矢量利用MUSIC谱峰搜索方法在粗略值附近搜索得到信号的精确估计值；其中，是信号到达阵元m和参考阵元的相位差构成的空域导向矢量，为入射声源信号到达阵元m和参考阵元的相位差，U_n是步骤二得到的噪声子空间，单位能量信号的x轴、y轴和z轴方向的振速分量和声压标量为：θ，φ，r是搜索变量，和分别是步骤四中的方位角、俯仰角和距离的粗略估计值，ε_θ、ε_φ和ε_r分别用来设置俯仰角、方位角和距离的搜索区间长度；前述步骤中的k＝1，...，K，m＝1，...，M，n＝1，...，M，j表示虚数单位。