基于信号结构的水声目标探测

It is always a key problem in signal processing to detect the signals of targets of interest corrupted by interferences, reverberations (clutters) and noises, with applications in many areas, such as radar, sonar, wireless communications and location, etc. . The signals of targets of interest and interferences in the space domain have the sparse representation over a built redundant dictionary of functions to best match their structures. In this proposal, with the verified relationship between the basis functions and signals /interferences, then a contribution ratio for each basis function (also called atom in the redundant dictionary and sparse representation) is defined to identify and remove the interferences. Thus, the signals corrupted by interferences can be better detected for the parameter estimation and localization. . The low-rank and spare structure can be used to model the moving target signal and reverberation in the beam-space domain. In this proposal, the convex optimization is then taken for the low-rank and sparse matrix decomposition. The moving target signal is thus extracted from the raw beam-space data corrupted by the reverberation, which can be for the underwater target tracking then. . All of the above research work，involved algorithms and modeling will be verified with the experiments or experimental data.

干扰、混响(杂波)和噪声背景条件下的目标探测一直都是信号处理的核心问题，因此始终在信号处理相关应用领域（雷达、声呐、无线通信和定位等）受到广泛的关注和重视。. 本项目首先将基于我们前期研究成果中已经明确的基函数与信号和干扰之间可以建立对应关系的先验知识，通过构建冗余字典和采用稀疏优化算法在空域对目标信号和干扰稀疏表示，并利用判决因子剔除干扰以实现干扰背景下的目标探测并可应用于后续参数估计和定位等；另外，我们还基于信号和混响在波束空间的稀疏和低秩结构对其建模，并利用凸优化算法分解得到观测信号波束空间的稀疏和低秩分量，从而实现混响背景下的目标探测，并可以用于后续水下目标跟踪。. 上述研究内容、相关算法和模型都将经过实验或者实验数据的验证。

干扰和混响背景条件下的水声目标检测与跟踪一直都是水声工程中的核心问题，本项目主要研究了干扰背景下的弱目标检测和·混响背景下的目标检测，具体研究内容如下：..·干扰背景下的目标检测：本项目基于水声工程应用中目标信号和干扰的空域稀疏结构特性，采用稀疏优化算法计算得到信号和干扰更为简洁且有效的表示，进而利用相应场景下弱目标信号隐蔽在干扰阴影下的特性，在抑制干扰的同时实现弱目标检测。本项目提出的基于稀疏表示干扰抑制方法(SRAIS)有效解决了之前我们提出的基于特征分析干扰抑制方法(EAAIS)的自身缺陷，在处理增益和分辨能力方面，SRAIS有更好的干扰抑制能力。..·混响背景下的目标检测：本项目基于移动目标信号、混响信号和噪声物理特性在波束空间域表现出的不同数学结构特性，即：移动目标信号表现为稀疏特性，混响信号表现为低秩特性，而噪声作为剩余误差表现为满秩特性；对观测信号在波束域建立低秩稀疏模型。进而优化分解分别得到移动目标信号和混响信号，由此实现混响背景下移动目标检测。基于信号的物理特性在数学结构上表现出的差别，并由此实现目标信号与混响信号的分离，使得我们提出的方法可以在更低信混比条件下实现弱目标检测，在小目标入侵检测等安保场合，有广阔的应用前景。