基于特征分解的自适应干扰抑制方法及其在水声目标定位中的应用研究

It is generally difficult for a passive sonar system to localize a weak source due to the complexity and variability of the ocean environment, especially in the presence of strong interferences. On the other hand, along with the development of the stealth technology, the sound level of the shipping radiated noise begins lower and lower. Therefore, an effective passive localization method should be adaptive to the complexity of the sound propagation and also have the ability of interference suppression. The project mainly addresses the weak target detection and localization methods in the presence of the multiple interferences environment. An robust eigenanalysis-based adaptive interference suppression method would be proposed, which could not only reserve the distortionless target signal but also remove the interferences and noise, to improve the signal-to-noise ratio (SNR) and signal-to-interference ratio (SIR) for the subsequent application. Considering the stability and predictability of the low frequency intensity striation, the relationship between the frequency and range of the intensity striation could be used to improve the processing gain in time and space domain. Importantly a reliable target localization system would be built to improve the localization precision. The effectiveness of the proposed methods would also be demonstrated using several experimental data sets.

由于海洋环境的时空多变性，水声传播的复杂性，尤其是强干扰和高背景噪声的存在，使得水下目标被动探测变得更为困难。另一方面，近些年来船舶减振降噪技术水平取得了显著的进展，目标辐射噪声越来越低，也对水声被动探测技术的发展提出了更高的要求。因此有效的水下探测系统不但要适应海洋环境的复杂性，还需要具有较强的干扰和噪声抑制能力。本项目针对强干扰环境中弱目标的检测和定位问题进行研究。水声干扰抑制方面，拟提出一种适用于水声环境的、具有稳健性的基于特征分解的自适应干扰抑制方法，保持目标信号特征的同时有效抑制干扰信号，为后续目标定位提供更高质量的目标信号；目标定位方面，考虑利用低频声场频率空间干涉结构的稳定性和可预测性，提高声纳系统的时间处理增益和空间处理增益，进而建立一套干扰环境下的目标定位跟踪系统，通过理论研究、仿真分析和实验验证，提高水声被动探测的作用距离和定位精度。

本项目针对多信源强干扰环境下的被动目标探测问题，在充分研究相关干扰抑制方法的基础上，提出了有效的自适应干扰抑制方法，并将其应用于目标声场频率空间干涉结构的提取以及目标距离的估计。主要成果如下：.1、根据子空间理论，提出了一种基于特征分析的自适应干扰抑制（Eigenanalysis-based Adaptive Interference Suppression, EAAIS）方法，并进行了海试数据验证。EAAIS方法首先假设一个所关心的目标角度范围，然后根据互谱密度矩阵（CSDM）单个特征向量的空间方位谱，构造可靠稳健的判决因子和判决门限，去除目标方向范围外所有干扰对应的特征子空间，最终实现干扰和噪声抑制，提高信噪比和信干比，为后续应用提供高质量的目标信号。.2、根据压缩感知理论，提出了一种基于稀疏表示的自适应干扰抑制（Sparse-representation-based adaptive interference suppression，SRAIS）方法。SRAIS方法首先基于阵列流形构建一个超完备稀疏字典，字典中原子的数目远远大于信源数目，从而多信源阵列接收数据可以由该字典中的一组原子重构，求解稀疏表示即为求解这一组原子对应的稀疏系数；其次根据1范数约束求解方式，获得多信源幅度或能量对应的稀疏系数，其中非零系数对应的角度即为多信源的角度；然后根据所关心的目标角度范围，选择对应的稀疏系数和原子重构目标接收数据，实现干扰抑制，为后续处理提供高质量的目标信号。.3、基于干扰抑制后获得的声场干涉结构，并根据不同声源深度声场干涉结构的差异，提出了一种利用warping变换提取接收信号简正波相关项的深度判别方法。.4、基于干扰抑制后获得的声场干涉结构，并根据浅海波导简正波的频散公式，提出了利用接收信号的能量密度函数进行warping 变换的被动测距方法。.仿真分析和实验结果表明，EAAIS方法先验信息要求较少，具有稳健可靠的干扰抑制能力；SRAIS方法可以很好的分离临近角度并且信干比等于0dB的干扰，同时目标信号能量损失较小，也可以处理单次快拍和信源相干情况；两种干扰抑制方法都可有效提升目标声场干涉结构的信噪比，应用于声场特征匹配测距可减少目标被动定位误差。