一种新的声矢量阵最小范数算法

    声矢量传感器(AVS)可空间共点同步拾取声场一点处的声压p(t)和质点振速v(t)的3个正交分量{vx(t),vy(t),vz(t)},与传统的声压传感器相比,其获得的信息量大为增加.近年来,基于AVS的声矢量阵(AVSA)方位估计技术成为研究的热点,已发表的主要成果如文献[1-6]等.现有这些声矢量阵方位估计方法的一个共性是,都将AVS的振速分量仅仅作为独立的阵元来处理,并没有充分利用AVS中声压和振速的相干性,以及由此带来的抗各向同性噪声能力,所以可处理的信噪比门限较高,不适合远程DOA估计.实际上,在远程声场,尺度有限的点源信号的声压和振速是相干的,而对于各向同性噪声场,声压与振速是不相关的,所以基于平均声强概念的声压和振速联合信息处理技术具有较强的抗各向同性噪声能力[7].文献[8]基于湖试实验,确认了声能流处理的增益可达10~20 dB这一重要结论,进一步证明了对声压与振速进行相关处理的抗噪能力.基于此,提出了一种新的声矢量阵最小范数算法(以下简称新算法,与之相对应,称以文献[3]为代表的算法为现有算法).新算法充分利用了AVS的平均声强抗噪原理,可将AVS的抗各向同性噪声能力与MN(Min-i Norm)[9]算法的高分辨能力有机结合起来,大幅度降低了可处理的信噪比门限,提高了远程高分辨DOA估计能力.

    1 声矢量阵输出模型

    1.1 AVSA输出模型的标量形式

    设M个矢量传感器等间距排列成一线形声矢量阵,K个不相关的窄带远场点源信号投射到矢量阵上,以第一个阵元为参考点.不失一般性,可设声压与振速相等[3-5].则在第m个阵元上第t次快拍的采样值可表示为

    式中:uk= [cos

    1.2 向量形式的输出模型

    考虑浅海远场情况,不失一般性,下文将不考虑振速的Z分量.

    据式(1),可将矢量阵第t次快拍输出写成如下的向量形式:

    式中:yp(t)、yvx(t)和yvy(t)分别为声压传感器和X、Y振速传感器的输出向量,A(<)为AVSA的响应矩阵,s(t)为入射源在参考点处的声压复包络组成的向量,5vx和5vy是系数矩阵,ep(t)、evx(t)和evy(t)分别是声压传感器和X、Y振速传感器输出的噪声向量.相应的定义式如下:

    2 新的声矢量阵最小范数算法

    2.1 新算法的原理

    基于声场中声压与振速的相干性原理与平均声强抗噪原理[7-8].

    首先,将式(2)中的振速传感器输出投影到某观测方向上,即