本發(fā)明涉及聲納信號處理領域，特別涉及一種基于特征子空間方位穩(wěn)定性的強弱目標檢測方法。

背景技術：

目標檢測與方位估計是陣列信號處理的一個重要分支。在強目標背景情況下，對于弱目標檢測和方位估計問題，現(xiàn)有技術中所采用的主要辦法包括：強干擾抑制方法、基于特征子空間方法、分子帶檢測方法。

現(xiàn)有的強干擾抑制方法可通過零點約束技術、陣列極化技術、干擾阻塞技術、逆波束形成技術、空域濾波技術等相關技術，先抑制掉強干擾，然后再對弱目標實現(xiàn)檢測和方位估計，但此方法要求確知哪些目標是強目標，否則需要進行分多方位區(qū)間進行強目標抑制，且在強/弱目標方位很近時，抑制強目標信號的同時也會衰減弱目標信號，存在一定方位區(qū)間和信干比下不能實現(xiàn)對弱目標的有效檢測和方位估計。

現(xiàn)有的基于特征子空間方法可通過如下方法實現(xiàn)對弱目標檢測和方位估計，一種通過設定較大特征值對應特征子空間為強目標子空間，該方法不需要確知強目標所在方位等先驗信息，但需要確知強目標個數(shù)；一種通過特征子空間對應空間譜的最大值與旁瓣譜峰平均值來判定強/弱目標及其方位值，該方法不需要確知強目標所在方位和強目標個數(shù)等先驗信息，但存在判別門限取值問題；另一種依據(jù)各子空間對應空間譜最大值位置的不同，通過判別最大值所在位置是否為所需位置來判別強/弱目標所在特征子空間，該方法不需要確知強目標有關的先驗信息，但需要確知弱目標所在方位位置，由于該方法判別比較簡單，使該法成為較為流行方法，但該方法怎么能實現(xiàn)對強/弱目標在同一方位歷程圖的顯示，還有待進一步研究。另外一種方法為利用特征矢量矩陣對陣元接收數(shù)據(jù)做變換，然后對變換后各通道數(shù)據(jù)用最大模值歸一化，最后采用特征子空間方法實現(xiàn)強/弱目標檢測和方位估計，但該方法方位估計性能存在受數(shù)據(jù)段最大值波動影響問題。

分子帶檢測方法則是通過對不同頻帶進行波束形成，然后再通過歸一化空間譜、加權各頻帶空間譜實現(xiàn)對本頻帶內(nèi)強/弱目標檢測和方位估計，不需要進行干擾抑制和特征分解，對頻帶不同的強/弱目標信號可實現(xiàn)較好檢測，但當強弱目標輻射信號在同一頻帶時，該方法性能會急劇下降，而實際應用中，對各子帶的劃分也存在一定最佳取值問題。

在強目標背景情況下，上述方法對弱目標檢測和方位估計問題提出的不同解決方法，并取得了一定的研究成果，得到了一定應用。尤其是近年來，在對多目標檢測與方位估計具有超分辨能力的基于特征子空間方法倍受研究學者關注，尤其是最近所提出的依據(jù)各子空間對應空間譜最大值位置的不同，通過判別最大值所在位置是否為所需位置，來判別強/弱目標所在特征子空間的方法，更是有待我們進行深入研究。但針對實際應用中，怎樣穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測和方位估計，并將檢測結果在同一方位歷程圖清晰地顯現(xiàn)出來，供操作人員直觀地查看和分析，現(xiàn)有技術還沒有提出較好的解決方法。

技術實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術中無法穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測和方位估計，并將檢測結果在同一方位歷程圖清晰地顯現(xiàn)出來的問題，從而提出一種基于特征子空間方位穩(wěn)定性的強弱目標檢測方法。

為了實現(xiàn)上述目的，本發(fā)明提供了一種基于特征子空間方位穩(wěn)定性的強弱目標檢測方法，包括：

首先對接收線陣中各陣元接收信號的協(xié)方差矩進行特征分解，得到特征值與對應的特征子空間，然后利用目標特征子空間對應空間譜的方位估計值較穩(wěn)定，背景噪聲特征子空間對應空間譜的方位估計值較隨機的特點，結合各特征子空間的空間譜對應方位估計值的離散程度對各特征子空間歸一化空間譜進行方位方差加權，得到一頻率所對應的空間譜，進而得到寬帶空間譜。

上述技術方案中，該方法進一步包括：

步驟1)、設置統(tǒng)計初始值m＝1，設置統(tǒng)計次數(shù)m的值；

步驟2)、接收線陣中的各個陣元接收數(shù)據(jù)；其中，

假設接收線陣為間距為d的n元等間隔水平線陣，有i個目標從θi入射，在第n個陣元接收數(shù)據(jù)中，第k組拾取的頻率wl對應數(shù)據(jù)表示為：

式中，為第i個目標輻射信號被第k組拾取的頻域表示，為第n個陣元接收數(shù)據(jù)的第k組拾取噪聲的頻域表示，其為加性高斯白噪聲，c為聲速；

則頻率wl對應的各陣元接收數(shù)據(jù)的向量表示形式為：

式中，為對應θi方位的目標信號陣列流形矢量，[]^t為矩陣轉(zhuǎn)置；為各陣元接收頻率為wl背景噪聲對應數(shù)據(jù)向量；

步驟3)、對各個陣元所接收的數(shù)據(jù)進行采樣，得到k組采樣數(shù)據(jù)，進而對k組采樣數(shù)據(jù)進行估計，得到的頻率為wl的協(xié)方差矩陣r(wl)；其中，

由k組采樣數(shù)據(jù)得到的協(xié)方差矩陣r(wl)表示為：

式中，[]^h表示共扼轉(zhuǎn)置；

步驟4)、對步驟3)所得到的協(xié)方差矩陣r(wl)進行特征分解，得到n個特征值λn，n＝1,2,…n，，及與其對應的特征子空間vn，n＝1,2,…n；其中，所述特征分解的表達式為：

式中，λn和vn分別表示r(wl)的第n個特征值及其對應特征子空間；

步驟5)、計算第n個特征子空間的空間譜bn(m,wl,θ)；其中，第n個特征子空間的空間譜為：

其中，θ表示目標相對于水平線陣的方位角,一般取值為θ∈[0,180]；

步驟6)、求第n個特征子空間的空間譜bn(m,wl,θ)中的最大值bn(m,wl,θmax)及其對應的方位估計值θmax(m,wl,n)；

步驟7)、更新接收數(shù)據(jù)，令m＝m+1，然后重復執(zhí)行步驟2)—步驟5)，直到m＝m為止；

步驟8)、求取之前步驟所得到的各特征子空間的空間譜對應方位估計值的離散程度，該離散程度記為其計算公式為：

其中的為第n個特征子空間對應方位估計值的均值，如下式所示：

步驟9)、利用步驟8)所得到的各特征子空間對方位估計值的離散程度對其所在特征子空間的空間譜進行不等權值加權統(tǒng)計，得到頻率wl對應空間譜；如下式所示：

式中，θ為波束形成掃描最大角，為各特征子空間的歸一化空間譜；通過權值因子進一步調(diào)整背景噪聲對應子空間的空間譜與強/弱目標對應子空間的空間譜在最終空間譜中的比重，當較小時，其對應的譜值在中數(shù)值較大；

步驟10)、由步驟9)得到的頻率wl對應空間譜進一步計算寬帶空間譜，其計算公式如下：

其中，l為分子帶數(shù)。

本發(fā)明的優(yōu)點在于：

本發(fā)明的方法無需強/弱目標個數(shù)和目標方位精確的先驗知識，無需對陣元接收信號協(xié)方差矩的特征子空間按特征值從大到小調(diào)整，無需通過構造判決因子實現(xiàn)對強弱目標的判決和分離，僅需估計出各特征子空間所對應的空間譜方位和方位離散程度，即可依據(jù)不同特征子空間方位穩(wěn)定性(或離散程度)削弱背景噪聲和強目標對弱目標檢測的影響，增強弱目標所在特征子空間的空間譜能量。該方法可穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測與方位估計，并在同一方位歷程圖中清晰地顯示出強/弱目標方位。

附圖說明

圖1是本發(fā)明方法所適用的拖線陣聲納的示意圖；

圖2是本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法的流程圖；

圖3是強、弱目標信號平均譜級分別為-53db，-60db，背景噪聲平均譜級為-50db時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法所得方位歷程圖；

圖4是強、弱目標信號平均譜級分別為-53db，-60db，背景噪聲平均譜級為-50db時，本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得方位歷程圖；

圖5是強、弱目標信號平均譜級分別為-53db，-60db，背景噪聲平均譜級為-50db時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法與本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得空間譜瞬時圖；

圖6是強、弱目標信號的平均譜級分別為-60db，-70db，背景噪聲的平均譜級為-50db時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法所得方位歷程圖；

圖7是強、弱目標信號的平均譜級分別為-60db，-70db，背景噪聲的平均譜級為-50db時，本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得方位歷程圖；

圖8是強、弱目標信號的平均譜級分別為-60db，-70db，背景噪聲的平均譜級為-50db時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法與本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得空間譜瞬時圖；

圖9是實測數(shù)據(jù)長度為250s，所用采樣率為fs＝5khz，濾波器頻帶為f＝20～120hz時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法所得方位歷程圖；

圖10是實測數(shù)據(jù)長度為250s，所用采樣率為fs＝5khz，濾波器頻帶為f＝20～120hz時，本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得方位歷程圖；

圖11是實測數(shù)據(jù)長度為250s，所用采樣率為fs＝5khz，濾波器頻帶為f＝20～120hz時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法與本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得空間譜瞬時圖；

圖12是實測數(shù)據(jù)長度為500s，所用采樣率為fs＝5khz。濾波器頻帶為f＝20～120hz時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法所得方位歷程圖；

圖13是實測數(shù)據(jù)長度為500s，所用采樣率為fs＝5khz。濾波器頻帶為f＝20～120hz時，本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得方位歷程圖；

圖14是實測數(shù)據(jù)長度為500s，所用采樣率為fs＝5khz。濾波器頻帶為f＝20～120hz時，基于分子帶檢測法的常規(guī)波束形成(cbf)方法與本發(fā)明的基于特征子空間方位穩(wěn)定性的強弱目標檢測方法所得空間譜瞬時圖。

具體實施方式

現(xiàn)結合附圖對本發(fā)明作進一步的描述。

在對本發(fā)明的方法做詳細說明前，首先對本發(fā)明的方法所適用接收陣加以描述。圖1為一拖線陣聲納結構示意圖，該拖線陣聲納包括6個部分，顯控與信號處理機1、甲板纜2、絞車3、導纜架4、拖纜5、接收線陣6。其中的接收線陣6通過拖纜5與位于絞車3上的甲板纜2連接，所述拖纜5還安裝在導纜架4上；接收線陣6所接收的信號傳輸給顯控與信號處理機1。

參考圖2，本發(fā)明的方法包括以下步驟：

步驟1)、設置統(tǒng)計初始值m＝1，設置統(tǒng)計次數(shù)m的值；

步驟2)、接收線陣6中的各個陣元接收數(shù)據(jù)；其中，

假設接收線陣6為間距為d的n元等間隔水平線陣，有i個目標從θi入射，在第n個陣元接收數(shù)據(jù)中，第k組拾取的頻率wl對應數(shù)據(jù)可表示為：

式中，為第i個目標輻射信號被第k組拾取的頻域表示，為第n個陣元接收數(shù)據(jù)的第k組拾取噪聲的頻域表示，為加性高斯白噪聲，c為聲速。

則頻率wl對應的各陣元接收數(shù)據(jù)的向量表示形式為：

式中，為對應θi方位的目標信號陣列流形矢量，[]^t為矩陣轉(zhuǎn)置。為各陣元接收頻率為wl背景噪聲對應數(shù)據(jù)向量。

步驟3)、對各個陣元所接收的數(shù)據(jù)進行采樣，得到k組采樣數(shù)據(jù)，進而對k組采樣數(shù)據(jù)進行估計，得到的頻率為wl的協(xié)方差矩陣r(wl)；其中，

由k組采樣數(shù)據(jù)得到的協(xié)方差矩陣r(wl)可以表示為：

式中，[]^h表示共扼轉(zhuǎn)置。

步驟4)、對步驟3)所得到的協(xié)方差矩陣r(wl)進行特征分解，得到n個特征值λn(n＝1,2,…n)及與其對應的特征子空間vn(n＝1,2,…n)；其中，所述特征分解的表達式為：

式中，λn和vn分別表示r(wl)的第n個特征值及其對應特征子空間。

步驟5)、計算第n個特征子空間的空間譜bn(m,wl,θ)；其中，第n個特征子空間的空間譜為：

其中，θ表示目標相對于水平線陣的方位角,一般取值為θ∈[0,180]。

步驟6)、求第n個特征子空間的空間譜bn(m,wl,θ)中的最大值bn(m,wl,θmax)及其對應的方位估計值θmax(m,wl,n)；

步驟7)、更新接收數(shù)據(jù)，令m＝m+1，然后重復執(zhí)行步驟2)—步驟5)，直到m＝m為止，m為統(tǒng)計前所設置的統(tǒng)計次數(shù)；

步驟8)、求取之前步驟所得到的各特征子空間的空間譜對應方位估計值的離散程度，該離散程度記為其計算公式為：

其中的為第n個特征子空間對應方位估計值的均值，如下式所示：

步驟9)、利用步驟8)所得到的各特征子空間對方位估計值的離散程度對其所在特征子空間的空間譜進行不等權值加權統(tǒng)計，得到頻率wl對應空間譜。如下式所示：

式中，θ為波束形成掃描最大角，為各特征子空間的歸一化空間譜。通過權值因子可以進一步調(diào)整背景噪聲對應子空間的空間譜與強/弱目標對應子空間的空間譜在最終空間譜中的比重。當較小時，其對應的譜值在中數(shù)值較大，便于檢測和估計。

步驟10)、由步驟9)得到的頻率wl對應空間譜進一步計算寬帶空間譜。其計算公式如下：

其中，l為分子帶數(shù)。

所得到的寬帶空間譜輸出值中，強/弱目標對應方位真值附近的值相近似，且遠大于其它位置的值。因此由寬帶空間譜能在同一方位歷程圖中顯示出強或弱目標的方位。

以上是對本發(fā)明方法的步驟描述。就理論而言，步驟5)計算得到的空間譜bn(wl,θ)的值代表了線陣接收數(shù)據(jù)在θ方向上對第n個特征子空間的貢獻。也就是說，空間不同方位的目標對每個特征子空間的貢獻可以直觀地由空間譜來體現(xiàn)，因此在本發(fā)明的步驟9)中通過構造合適的權值因子來配重每個特征子空間中主要貢獻的目標信號，從而達到削弱背景噪聲和強目標對弱目標檢測的影響，增強弱目標所在特征子空間的貢獻，實現(xiàn)同一頻帶下對強/弱目標的檢測與方位估計，并在同一方位歷程圖中顯示出強/弱目標方位。

以上是對本發(fā)明方法基本步驟的描述，下面對這些步驟做進一步的說明。

以頻率wl處理為例，由各特征子空間的空間譜所得最小和最大預成方位估計值為θmin、θmax，由強/弱目標對應特征子空間的空間譜所得最小和最大方位估計值分別為進行m幀統(tǒng)計，假設所有特征子空對應方位估計結果均服從均勻分布，噪聲和強/弱目標信號方位估計值離散程度分別為δn、δs1、δs2。

假設強/弱目標對應特征子空間各只占據(jù)其中一個特征子空間。由于對各特征子空間的空間譜進行了歸一化處理，則歸一化后的各特征子空間的空間譜最大值為1，即各特征子空間的方位估計值對應的空間譜值為1，可降低強目標對應特征子空間的空間譜對弱目標對應特征子空間的空間譜影響。

首先，對n-2個背景噪聲對應特征子空間的空間譜進行統(tǒng)計。對于噪聲特征子空間，每個預成方位估計值出現(xiàn)概率相等。

然后，將強/弱目標對應特征子空間的方位估計離散程度加入上式，可得到：

上式可簡化為：

當強/弱目標對應特征子空間的空間譜每幀方位估計結果均接近于目標方位真值時，δs1≈δs2＜＜δn，由(12)式可知：在最終寬帶空間譜輸出值中，強/弱目標對應方位真值附近的值相近似，且遠大于其它位置的值。從而達到了削弱背景噪聲和強目標對弱目標檢測的影響，增強了弱目標對應特征子空間的空間譜對線陣波束形成空間譜的貢獻，實現(xiàn)同一頻帶下對強/弱目標的檢測與方位估計，并在同一方位歷程圖中顯示出強/弱目標方位。

本發(fā)明的方法(簡稱本發(fā)明方法)與現(xiàn)有技術中的方法(簡稱cbf)相比具有明顯的優(yōu)點。為了能夠驗證本發(fā)明方法可穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測與方位估計，并在同一方位歷程圖中顯示出強/弱目標方位。

下面結合實例，對本發(fā)明方法與現(xiàn)有技術中相關方法的效果進行比較。

下面給出初步數(shù)值仿真結果。數(shù)值仿真中采用64元均勻線陣，陣間距為4m；強/弱目標信號、背景均為寬帶隨機信號，頻率范圍為100～200hz，強/弱目標信號的入射角度分別為40°、70°。

數(shù)值仿真示例1：強/弱目標信號平均譜級分別為-53db，-60db，背景噪聲平均譜級為-50db。圖3和圖4分別為基于分子帶檢測法的常規(guī)波束形成(cbf)與基于特征子空間方位穩(wěn)定性的強/弱目標檢測方法(本發(fā)明方法)所得方位歷程圖，圖5為兩種方法所得空間譜瞬時圖。

數(shù)值仿真示例2：強/弱目標信號的平均譜級分別為-60db，-70db，背景噪聲的平均譜級為-50db。圖6和圖7分別為現(xiàn)有技術中的cbf方法與本發(fā)明方法所得方位歷程圖，圖8為兩種方法所得空間譜瞬時圖。

由圖3至圖8可知，采用本發(fā)明所述的基于特征子空間方位穩(wěn)定性的強/弱目標檢測方法可以很好地凸顯出70°處的弱目標，好于基于子帶分解的常規(guī)波束形成方法對70°處的弱目標檢測效果。本發(fā)明方法可穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測與方位估計，并在同一方位歷程圖中顯示出強/弱目標方位。

數(shù)據(jù)處理實例1：處理實測數(shù)據(jù)長度為250s，所用采樣率為fs＝5khz。濾波器頻帶為f＝20～120hz，圖9和圖10分別為現(xiàn)有技術中的cbf方法與本發(fā)明方法所得方位歷程圖，圖11為兩種方法所得空間譜瞬時圖。

由圖9至圖11可知，采用本發(fā)明所述的基于特征子空間方位穩(wěn)定性的強/弱目標檢測方法可以很好地凸顯出20°、55°、110°、165°等處的弱目標，好于基于子帶分解的常規(guī)波束形成方法對20°、55°、110°、165°等處的弱目標檢測效果。另外，相比基于子帶分解的常規(guī)波束形成，本發(fā)明方法也可以較好地檢測到90°附近的雙目標。實測數(shù)據(jù)處理實例1的結果證實了本發(fā)明方法可穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測與方位估計，并在同一方位歷程圖中顯示出強/弱目標方位，同樣具有較好的分辨率。

數(shù)據(jù)處理實例2：處理實測數(shù)據(jù)長度為500s，所用采樣率為fs＝5khz。濾波器頻帶為f＝20～120hz，圖12和圖13分別為現(xiàn)有技術中的cbf方法與本發(fā)明方法所得方位歷程圖。圖14為兩種方法所得空間譜瞬時圖。

同樣，由圖12至圖14可知，采用本發(fā)明所述的基于特征子空間方位穩(wěn)定性的強/弱目標檢測方法可以很好地凸顯出80°、92°、138°等處的弱目標，好于基于子帶分解的常規(guī)波束形成方法對80°、92°、138°等處的弱目標檢測效果。另外，相比基于子帶分解的常規(guī)波束形成，本發(fā)明方法也可以較好地檢測到80°附近的雙目標(t＝1～100s)。實測數(shù)據(jù)處理實例2的結果同樣證實了本發(fā)明方法可穩(wěn)健實現(xiàn)同一頻帶下的強/弱目標檢測與方位估計，并在同一方位歷程圖中顯示出強/弱目標方位，同樣具有較好的分辨率。

最后所應說明的是，以上實施例僅用以說明本發(fā)明的技術方案而非限制。盡管參照實施例對本發(fā)明進行了詳細說明，本領域的普通技術人員應當理解，對本發(fā)明的技術方案進行修改或者等同替換，都不脫離本發(fā)明技術方案的精神和范圍，其均應涵蓋在本發(fā)明的權利要求范圍當中。