数据融合在矢量水听器目标定向估计中的应用

　　1 引言

　　矢量水听器将介质质点的振速测量与传统的声压测试相结合，因此获得更加丰富的水声场信息。目前，矢量水听器多采用声压和振速的联合信息处理方法，利用平均声强器实现水下目标的定向估计。已证明，该方法具有很好的抗各向同性非相干干扰的能力，是基于矢量水听器的极大似然检测[1-5]。但是，对时域平均声强器的应用研究发现，算法实现过程中包含了类似重复检测和算术平均滤波的数据处理技术，从统计理论来看，采用先进的数据处理技术必然可以得到更好的检测结果，这是本文的研究初衷。

　　数据融合是目前多传感器信息处理技术的重要研究领域[6-7]。加权平均是最简单和直观的融合方法，通过对大量检测数据根据其可信度灵活配置其权值，从而可以获得被测对象更加准确和一致的检测结果。该方法目前多用于同一参数的多传感器检测。本文就将这种数据融合方法灵活变形之后引入矢量水听器的目标定向估计研究当中。单只矢量水听器的重复检测数据分组后视为多传感器数据，用加权优化平均的数据处理方法替代传统的算术平均滤波，实现被测目标基=于检测方差的融合估计。

　　2 定向融合算法研究

　　2.1 平均声强器

　　矢量水听器通常探测远距离目标，满足远场条件。故平面波的理想情况下，考虑二维声场，矢量水听器测量的声场声压p与空间两个相互正交的质点振速分量vx和vy分别表示为：

　　式中：x(t)为声压波形;θ 为入射声波的水平方位角;φ为入射声波的仰角。当然，矢量水听器在实际测量过程中，海洋环境噪声和传感器本身的测量噪声都对目标的定向估计精度产生影响。背景为高斯白噪声情况下，矢量水听器的接收信号模型表示为：

　　式中：下标s表示信号;n表示噪声。严格地说，海洋环境噪声是各向异性的，但可以近似认为是各向同性的，声压和振速的不相关性是其联合信息处理抗干扰的基础，也决定了联合信息处理比单纯的振速定向具有更高的定向精度[1-2]。x、y方向的平均声强流分别为：

　　很容易得到时域内平均声强器的定向估计公式：

　　理论和实验已经证明，这种定向方法具有很好的抗各向同性非相干干扰的能力，是基于矢量水听器的极大似然检测。

　　从纯粹的数据处理角度来看，平均声强器就是将重复检测得到的声压和振速x、y方向的检测数据在时域内乘积，通过算术平均滤波得到被测目标的声强信息，最后，基于声强定向原理估计目标方向。