[发明专利]一种畸变拖曳阵线谱特征增强方法及系统

说明书

本发明公开了一种畸变拖曳阵线谱特征增强方法及系统，其中方法包括：1、获取观测阵列信号x_i(t)；2、基于理想波束形成粗略估计目标方位为目标信号波束能量最大时的引导角；3、检测目标信号的L个功率最大的频率计算L个强线谱的阵列相对时延差向量Γ_l；4、使用加权的卡尔曼滤波，减小阵列相对时延差向量Γ_l的影响得到估计的阵列相对时延差Γ′；5、基于估计时延获取目标跟踪波束通过傅里叶变换获得保真增强的线谱特征。该方法能够校正拖曳线列阵的畸变以及低信噪比情况下时延向量野值对波束形成影响，在多目标强干扰水声环境下实现对畸变拖曳阵的线谱特征增强。

技术领域

本发明属于属于声呐信号处理技术领域，具体涉及一种在强干扰水下环境实现对畸变拖曳阵的线谱特征增强的方法以及系统。

背景技术

在人们迄今所熟知的各种能量形式中,以声波在水中的传播性能为最好。人们一直利用声波对水下或水面目标进行定位、跟踪和识别,具有这种功能的设备称为声纳。目前声纳系统主要分为水听器岸基阵声纳和水听器拖曳线列阵声纳。水听器拖曳线列阵声纳简称拖曳阵,是拖曳在舰船尾部一定距离的声探测系统,通过接收航行目标自身的辐射噪声或反射的主动信号,来检测目标的有无并估计目标的有关参数。它具有探测能力强,探测频率低,水文适应能力强和无盲区的特点。理想状态下，阵列是直线阵，然而，拖船的横向运动，海流的扰动，以及水动力的影响，都使得阵列偏离直线运动。同时，阵列的质量密度不均匀也会带来横向运动。这势必会导致声呐探测性能的下降以及目标特征畸变。

现有的拖曳阵阵形估计方法主要可以分为两类：一类是声学计算的方法，它是利用水听器阵列的接收信号来反推出阵列流形，将阵形估计转化为一个参数估计问题；另一类是非声辅助测量的方法，主要是在水听器拖曳阵上安装若干个深度或航向传感器，利用这些传感器的测量值来估计出阵形，该方法实现难度大、成本高，不适合实际应用。

自20世纪90年代以后，各种阵形校正算法不断提出，通常可以分为有源校正类和自校正类。自校正类算法通常根据某种优化函数对空间信源的方位与阵列的扰动参数进行联合估计，优化函数的建立通常以特征子空间定向算法对阵列误差的敏感性为基础，进一步就是以信号子空间与噪声子空间的正交关系为基础。由于自校正算法可以在线完成辅助信源实际方位的估计，消除了算法对信源方位精确度依赖的影响，所以其校正的精度相对有源算法较高。但对于某些阵列结构，如等间距线列阵，参数估计的唯一辨识往往无法得到保证。更为重要的是自校正算法中的参数联合估计对应的高维、多模、非线性优化问题带来了庞大的运算量，参数估计的全局收敛性往往无法保证。而对于自校正类算法，还存在着因为某些低信噪比的阵元会在阵元时延中存在野值，进而导致波束形成性能下降。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供了一种畸变拖曳阵线谱特征增强方法，该方法通过挑选强线谱得到对应阵列时延向量，使用加权的卡尔曼滤波去除时延中的野值得到阵列时延估计，进行时延估计来校正拖曳线列阵的畸变以及低信噪比情况下时延向量野值对波束形成影响，在多目标强干扰水声环境下实现对畸变拖曳阵的线谱特征增强。

技术方案：本发明一方面公开了一种畸变拖曳阵线谱特征增强方法，包括：

(1)获取观测阵列信号x_i(t)，i＝1,2,...,M，M为拖曳阵中阵元数目；

(2)基于理想波束形成粗略估计目标方位为目标信号波束能量最大时的引导角；

(3)检测目标信号的L个功率最大的频率计算L个强线谱的阵列相对时延差向量Γ_l，l＝1,…,L；L为估计线谱的数目；

(4)使用加权的卡尔曼滤波，减小阵列相对时延差向量Γ_l的影响得到估计的阵列相对时延差Γ′；

(5)基于估计时延获取目标跟踪波束通过傅里叶变换获得保真增强的线谱特征。