基于核方法的阵列自适应噪声抵消技术研究

Combined with the application of Unmanned Underwater Vehicle (UUV) flank array and the demand of self-generated and ambient noises cancellation, we will focus on the adaptive noise cancellation techniques based on kernel methods to improve the performance of weak target signal detection with the increasing of signal-to-noise ratio (SNR). First, the kernel least mean p-power (KLMP) algorithm based on the fractional low order statistic will be proposed for the non-Gaussian impulsive noise modeled by the symmetric stable distribution. Then, the stochastic behavior analysis of KLMP in mean and mean square error sense will be investigated. The theoretical results are used to design the optimal KLMP filter satisfying the performance indexes. Next, the dynamic weighted multikernel least mean p-power (MKLMP) algorithm based on linear kernel and Gaussian kernel will be proposed for the nonstationary complex received noises composing of linear and nonlinear components. Finally, the correctness and effectiveness of proposed methods and technical scheme are validated and improved by the simulation results and lake experiments. All these achievements not only can reduce noises improving the capability of target detection, but also provide the significant principle and tools for adaptive noise cancellation of other arrays.

本项目密切结合无人水下航行器（UUV）舷侧阵对自噪声和环境噪声抑制的迫切需求，深入研究基于核方法的阵列自适应噪声抵消技术，通过对复杂噪声的抵消来改善信噪比提高阵列对微弱目标信号的检测性能。首先针对由对称稳定分布建模的非高斯脉冲状噪声，提出基于分数低阶矩误差准则的核最小平均p次幂（KLMP）非线性自适应滤波算法，对KLMP算法一阶均值和二阶均方误差统计收敛性能进行理论分析与推导，利用所推得的理论公式设计满足性能指标的最佳KLMP算法；然后针对线性与非线性分量混合的非平稳复杂相关噪声，提出对线性核函数与非线性高斯核函数动态加权的多核最小平均p次幂（MKLMP）自适应噪声抵消方法；最后通过数值仿真和实验验证项目中所提方法的正确性和有效性，并根据实验结果改进和完善所提技术方案。本项目研究成果可有效抑制噪声提高UUV舷侧阵对远程目标的探测能力，为其它阵列噪声抑制问题的解决提供重要理论基础和技术手段。

近年来无人水下航行器（UUV）由于其用途广泛、智能化程度高、续航时间长等优点得到了各国重视和快速发展，结合UUV舷侧阵对微弱目标探测和环境感知的迫切需求，开展了基于核方法的阵列自适应噪声抵消技术研究，本项目主要研究内容包括：1）针对阵列实测噪声数据进行统计特性分析，验证了水下噪声的非高斯脉冲统计特性，提出利用稳定分布对非高斯脉冲性噪声的建模方法；2）针对水下非高斯脉冲性噪声导致传统线性自适应噪声抵消算法性能下降甚至失效等问题，研究了基于分数低阶矩误差准则的鲁棒非线性核自适应滤波算法，提出了指数加权核迭代最小p次幂算法、基于随机傅里叶特征的近似高斯核函数扩展核迭代最小p次幂算法以及归一化核最小平均高阶误差算法；3）在鲁棒核自适应滤波算法设计的基础上，进行了算法误差收敛性能的理论分析研究，首先在非高斯脉冲性噪声干扰下，对基于高斯核函数的核符号误差算法针对时变非线性系统的跟踪性进行了理论分析推导，其次对分布式条件下基于信息融合的近似核最小均方p次幂算法的一阶均值稳定性进行了理论分析，然后对基于随机傅里叶特征的近似多高斯核最小均方自适应滤波算法在一阶均值和二阶均方意义下的误差收敛性能进行了理论分析推导，数值仿真实验结果验证了以上所推理论分析结果的正确性和有效性，并且可以用于核自适应滤波算法最佳参数的选择和不同算法间误差收敛性能的比较；4）针对线性与非线性混合噪声在无先验信息条件下的自适应抵消问题，提出了凸组合的多核自适应滤波算法。通过对实测阵列数据的仿真实验和硬件系统的搭建，验证了基于核方法的阵列自适应降噪技术的有效性，相关研究成果对UUV舷侧阵有效抑制非高斯脉冲性复杂噪声，从而改善信噪比提高对微弱目标的检测能力提供了重要的理论依据和良好的应用基础。