碧波液压网 欢迎你,游客。 登录 注册

单传感器声纳浮标场的盲分离算法

版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。

  

  1 引言

  目前, 声纳浮标的配置基本上分为两种: 一种声纳浮标本身就含有多个传感器, 构成一个多传感器阵列, 这类声纳浮标大多采用拖曳声纳和舰壳声纳的信号处理方法, 比如用波束形成技术对目标进行波形恢复和定位跟踪; 另一种声纳浮标本身只含有一个传感器, 与第一种声纳浮标相比它只能提供一路观测信号输出和自身的位置信息, 目前单个单传感器声纳浮标只具有警戒功能。为了克服单传感器声纳浮标应用上的这一缺陷, 本文尝试综合多个单传感器声纳浮标提供的信息来恢复目标的辐射波形, 为后续的目标识别和定位服务。在文献[1, 2]中K.Yao在无线电领域中用盲波束形成算法解决随机分布传感器的目标定位与跟踪的问题, 借鉴这种传感器的分布方式, 本文将多个单传感器声纳浮标组成的声纳浮标场看作是一种特殊的随机分布传感器, 建立如图1所示的浮标场模型。然后用盲分离技术处理浮标场的输出。

  2 单传感器声纳浮标场信号模型

  如图1所示, 各个声纳浮标不仅随机分布, 而且距离较远。把各个声纳浮标定义为分布在一个平面内相隔几公里的点, 每个声纳浮标的坐标是已知的,同时目标也分布在这一平面内, 并以其中一个声纳浮标为参考原点建立一个平面坐标系。通过目标到各个浮标与参考浮标的距离差计算得到各个时延值, 然后根据窄带信号的特点把时延差转化为相位差来构造各个声纳浮标的混合信号[3]。将单传感器声纳浮标场的输出表示为:

  式中, S=(S1S2… SN)T, Sk(k=1, …N)是第k个源信号的采样向量; A=[a1a2…aN], 其中, ak=a(θkN)=,Dk1代表第k个目标到从第一个浮标到参考浮标的距离差, C是当时水中的声速, fk是窄带信号中心频率, n是各个阵元上的加性高斯白噪声。

  3 单元声纳浮标场的盲源分离算法

  盲分离技术以各个目标源相互独立为前提假设, 采用去相关的方法在没有先验知识的前提条件下恢复原信号。水声环境中的各种声源是符合这一假设的, 因此虽然单传感器声纳浮标场的结构特殊,但是理论上是符合盲分离技术的前提条件的。本文以两种成熟的盲分离算法为例, 分析了单传感器声纳浮标场的目标信号盲分离的可能性。

  第一种算法: 时延去相关的盲分离(TDSEP)算法[4], 该算法总体思想是首先通过预白化, 然后对若干时延的信号协方差矩阵进行雅克比旋转以同时得到这组二阶累积量的联合对角化, 这样就可以得到混合矩阵A的估计值Aθ=W-1Q, 其中W是白化矩阵, Q是旋转矩阵。用A的逆矩阵乘上阵元输出就可以得到分离后的目标信号: Sθ=HX, 其中H是A的逆。

你没有登陆,无法阅读全文内容

您需要 登录 才可以查看,没有帐号? 立即注册

标签: 传感器
点赞   收藏

相关文章

发表评论

请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。

用户名: 验证码:

最新评论