一种基于特征子空间判决的自适应干扰抑制方法

本发明涉及的是一种水声阵列信号处理方法，具体地说是水下声纳阵列信号处理方法。

背景技术：

1、复杂的水下环境中，水听器阵列接收到的弱目标信号往往被强干扰和背景噪声所淹没，使其水下的弱目标方位估计变得尤为困难。为了更好的实现弱目标信号方位的准确估计，需要采用自适应强干扰抑制方法，提高目标信号的信噪比和高分辨。

2、目前国内外学者针对强干扰抑制问题进行深入研究和分析，提出了较多切实可行的技术方案。文献1[matrix filter design for passive sonar interferencesuppression[j].acoustical society of america journal,2004,115(6):3010-3020.]和文献2[矩阵空域预滤波目标方位估计[j].声学学报,2007,32(2):7.]提出基于矩阵空域矩阵滤波器的干扰抑制方法，通过设计空域的矩阵滤波器，尽量保证通带范围内的信号无失真通过，抑制阻带范围内的干扰和噪声，但是该类方法需要知道目标信号的大体方位，且较难选取通带、阻带以及过渡带的方位范围。除了矩阵空域器类的干扰抑制方法，学者们也提出了一些关于子空间类的干扰抑制方法。2004年，brian f.harrison在文献3[theeigencomponent association method for adaptive interference suppression[j].journal of the acoustical society of america,2004,115(5):2122-2128.]提出基于特征分量关联的干扰抑制方法，该方法在已知目标信号方位的情况下能够保持很好的干扰抑制性能，但是无法处理移动目标信号，也未给出明确的判决阈值；文献4[基于特征分析的自适应干扰抑制[j].声学学报,2013,38(3):9.]、文献5[eigenanalysis-based adaptiveinterference suppression and its application in acoustic source rangeestimation[j].ieee journal of oceanic engineering,2015,40(4):903-916.]和文献6[eigenanalysis-based adaptive interference suppression for underwater targetestimation[j].journal of the acoustical society of america,2017,142(4):2728-2728.]提出一种基于特征分析的自适应干扰抑制方法，该方法只需要知道目标的大体方位，通过自适应的判决条件，能够很好的实现强干扰的抑制，但是该方法没有明确功率比值和判决阈值的条件。

3、为此，实际使用中，需要一种能够抑制强干扰，实现弱目标信号方位准确估计的处理方法。

技术实现思路

1、本发明的目的在于提供可应用于水下强干扰抑制和水下弱目标方位估计的一种基于特征子空间判决的自适应干扰抑制方法。

2、本发明的目的是这样实现的：

3、本发明一种基于特征子空间判决的自适应干扰抑制方法，其特征是：

4、(1)将由n个水听器按照d的间距均匀分布组成的水平阵列放置在设定深度的海水中，从不同方向θ＝[θ1,θ2,…,θk]处接收k个窄带信号，其中包含1个目标信号和k-1个干扰信号，且目标信号的信噪比最弱，阵列接收的信号模型可写成：

5、x(t)＝a(τ)s(t)+n(t),t＝t1,…,tt

6、a(τ)＝e-j2πfτ，τ＝dsinθk/c，f为信号频率，c为水下声速，s(t)＝[s1(t),…,sk(t)]为入射信号分量，n(t)为高斯白噪声，θk∈(0°,180°)，k＝1,2,…,k；

7、样本协方差矩阵是利用有限快拍数为l条件下的采样数据估计得到的，即

8、

9、其中，上标h表示共轭转置，为n×n的复数矩阵；

10、(2)通过将样本协方差矩阵进行特征分解，得到：

11、

12、其中，λ1,λ2,…,λn和e1,e2,…,en分别为样本协方差矩阵特征分解得到的特征值和特征向量，且特征向量之间相互正交；

13、将特征值按照从大到小顺序分布为：

14、λ1＞…＞λd＞λd+1＞…＞λn

15、根据特征值的大小分布，将前d个大特征值对应的特征向量组成主子空间uz，剩余n-d个小特征值对应的特征向量组成噪声子空间un，分别表示为：

16、uz＝[e1,e2,…,ed]，un＝[ed+1,e2,…,en]；

17、(3)根据波束形成cbf方法预估目标信号方位θ0，选取其所在方位，设为[θs1,θs2]，满足0°≤θs1＜θ0＜θs2≤180°，方位区间的网格大小为0.1°，共q＝(θs2-θs1)/0.1+1个值，构造q个导向矢量，即：

18、

19、其中，a(θsi)为n×1的复数向量，[θs1,θs2]区间内可形成波束扫描的导向矢量矩阵：

20、a＝[a1,a2,…,aq]

21、其中，a为的n×q复数矩阵，ai为n×1的复数向量，i∈[1,…,q]；

22、在预估目标信号范围内，构造一个判决因子，通过q个导向矢量在n个特征向量之间遍历，寻找主子空间和噪声子空间内的目标信号分量，形成的判决因子如下表示：

23、

24、其中，dfi表示目标信号大体方位对应的导向矢量遍历子空间内的特征向量的结果；a(θk)表示目标信号大体方位对应的导向矢量，为n×q的复数矩阵，e(n)表示样本协方差矩阵特征分解得到的n个特征分量，每个特征向量为n×1的复数矩阵，上标h表示共轭转置；

25、根据目标信号导向矢量与对应的特征向量关系，设置判决阈值为其中n是阵元数，γ是判决系数，表示目标信号导向矢量与对应特征向量之间的关联程度；

26、通过判决因子来对主子空间和噪声子空间内每个特征向量进行遍历判决，并对其进行分离，得到干扰和噪声子空间ui+n和信号子空间us：

27、如果dfi＜η，则e(n)∈ui+n；如果dfi≥η，则e(n)∈us；

28、(4)利用正交投影的方式将得到的干扰和噪声子空间ui+n，从样本协方差矩阵中去除，且重构样本协方差矩阵即：

29、

30、其中，p⊥为干扰和噪声子空间的正交投影矩阵，即i为单位矩阵，上标h为共轭转置；

31、将重构样本协方差矩阵代入cbf的空间功率谱估计，得到空间谱输出结果：

32、

33、其中，ω(θ)＝a(θ)/n，θ∈[0°,180°]。

34、本发明还可以包括：

35、1、步骤(1)中的n的取值范围为8～256，阵元间距为0.25～16m，快拍数l取值范围为100～1000，水下声速取值为1500m/s。

36、2、步骤(2)中d的取值为2～7，为干扰和目标信号个数。

37、3、步骤(3)中γ的取值范围为0.5～1，根据预估目标方位θ0选取目标范围，取值[θs1,θs2]∈θ0-5°<θ0<θ0+5°。

38、4、步骤(3)中：

39、如果dfi≥η，表示主子空间和噪声子空间内有目标信号对应的特征向量，此时的特征向量是目标信号对应的特征向量；

40、如果dfi＜η，表示主子空间和噪声子空间内无目标信号对应的特征向量，即只有干扰和噪声信号对应的特征向量，主子空间和噪声子空间内只有干扰信号和噪声信号对应的特征向量。

41、本发明的优势在于：本发明利用信号特征向量是信号导向矢量的标准基这一性质和子空间正交投影的概念，结合构造的判决因子和判决阈值的定义，通过对样本协方差矩阵scm的重构处理，实现强干扰抑制，准确估计弱目标方位，相比于已有的子空间类抑制方法，(1)无需计算干扰和目标信号的功率，计算效率更高；(2)受环境失配影响较小，稳健性更高；(3)适用于目标声源运动场景，实际海试数据证实其有效性，有较强的工程实用价值。