声矢量阵目标估计的新方法

　　矢量传感器的阵列信号处理是将多个矢量传感器设置在水下不同位置组成阵列，并利用这一矢量阵列对空间信号场进行接收和处理。其目的是提取阵列所接收的信号及其特征信息，同时抑制干扰和噪声，具有灵活的波束控制、高信号增益、极强的抗干扰能力和超高的空间分辨能力等优点。

　　在实际环境中，矢量传感器阵列有时会接收到来自不同方向上的相干信号，而MUSIC算法无法分辨相干信号且阵列处理的运算量大，不利于工程化应用。为解决这一问题，本文提出了一种改进的MMUSIC算法，该算法将分辨相干信号的modified MUSIC(MMUSIC)算法与维纳滤波[1]相结合，计算机仿真和室外实验验证了该算法既能分辨相干信号，又不影响定向精度。

　　1 传感器阵列信号模型

　　假设信号源s(t)处于远场，来波信号满足窄带条件，入射角为θ0，阵列噪声为高斯白噪声。设有K个信号入射到N 个矢量传感器组成的均匀线阵上，快拍数为P，则矢量传感器线阵的阵元输出为[2]

　　其中，av(θ0) 是矢量传感器的方向矢量，且

　　式中为Kronecker 积，a(θ0)为均匀线列阵的响应向量，h(θ0=[1u(θ0) ]^T，其中，u(θ0)为从矢量传感器指向声源的单位向量。

　　2 MMUSIC算法

　　由式(1)知，N元阵列接收到的输入数据向量可以表示为K个入射波形与噪声的线性组合。对输入协方差矩阵Rv进行特征分解[3]，有

　　式中Vs为信号子空间，而Vn为噪声子空间。由文献[4]可知，MUSIC算法的归一化形式可表示为

　　为解决矢量阵分辨不同方向上相干信号的问题，做一变换矩阵JN，JN是N阶交换矩阵[5]，它除了副对角线上的元素为1外，其余元素为0，即

　　式中J 称为矢量传感器阵的置换矩阵，R*v为Rv的复共轭，对(正向)协方差矩阵 Rv和反向阵列协方差矩阵RB进行平均，便得到矢量阵正反向阵列协方差矩阵RFB

　　新的协方差矩阵通常具有满秩，将上述MUSIC算法中的协方差矩阵 Rv换成RFB就可以实现分辨相干信号的目的。

　　3 维纳滤波算法

　　一般情况下，MMUSIC算法对相干信号进行波达方向估计时，需要对矢量阵正反向阵列协方差矩阵RFB进行特征值分解并分离信号子空间与噪声子空间，然后再对信号到达角进行估计。对噪声子空间的提取需要大量运算，当阵元数较大时，运算量很大。基于减少运算量又不损失精度的考虑，考虑将多级维纳滤波[6]引入到 MMUSIC 算法中，利用它的分解特性降低算法的运算复杂度，能够在很大程度上减小运算量。