本发明涉及声纳数字信号处理领域，特别涉及一种基于分布式多传感器阵列的弱声源定位方法。
背景技术：
在水声阵列信号处理中，主要采用匹配场处理实现声源定位。匹配场处理技术是利用海洋环境参数和声传播信道特性，利用水下声场模型计算所得的声源到接收阵列的幅度和相位，与阵列实际接收数据做相关匹配，通过功率估计方法实现声源的距离、深度估计。由于海洋环境的复杂性，基于声传感器阵列的匹配场处理的水下声源定位技术，探测性能在声源附近区域有离散噪声源干扰存在时，将削弱或完全丢失对声源的定位能力，尤其是强干扰条件下的弱声源探测更是如此。
分布式多阵列探测系统利用多个节点增加空间采样，能进一步改善声源位置估计的可信度。但如何采用分布式多阵列探测系统实现强干扰抑制及高精度的声源定位能力，是一个有待解决的技术问题。
技术实现要素：
本发明的目的在于提供一种能在分布式多传感器探测系统上实现的离散干扰噪声源抑制的弱声源定位方法。
为了实现上述目的，本发明提供了一种基于分布式多传感器阵列的弱声源定位方法，基于分布式多传感器阵列的多个节点间的相干处理，以实现对水下弱声源进行距离和深度的估计，所述方法包含：该方法包括：
步骤1a、根据所述分布式多传感器阵列的多个节点基阵接收的信号获取包含声源信息的互谱密度矩阵，所述互谱密度矩阵包含单个节点获取的非相干互谱密度矩阵和任意两个节点间获取的相干互谱密度矩阵；
步骤1b、根据节点基阵阵型和多个离散噪声源位置信息建立声场模型，分别求解基阵方向向量和每一个离散噪声源的拷贝向量，并对所述方向向量和所述拷贝向量设置约束条件；
步骤2、根据步骤1b所设置约束条件构建最优化问题，设计离散噪声源干扰抑制的最优权向量,使最优权向量对观测方位的信号响应无失真，而对离散干扰噪声源方位的响应为零，采用lagrange乘子法求解出离散干扰噪声源抑制的最优权向量；
步骤3、使用步骤2中的所述最优权向量构成离散干扰噪声源抑制的分布式多传感器阵列相干匹配处理器，对观测信号进行定位，从而实现在离散干扰噪声源存在情况下的弱声源定位。
上述技术方案中，所述步骤1a包括：
步骤1-1、由所述节点的基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到xl,f，其中xl,f＝[xl,f(1),xl,f(2),…,xl,f(ν)]t，n为所述节点基阵的阵元数；然后将xl,f与xl,fh相乘得到数据向量，其中的(·)h表示共轭转置；
步骤1-2、将步骤1-1获得的数据向量取多个快拍数据平均，获得互谱密度矩阵k，其计算公式表示为：
其中，l为所要平均的快拍的数目；
所述互谱密度矩阵有两种形式：kii和kij，其中kii为第i个节点的非相干互谱密度矩阵，xl,f由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到，xl,fh由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后共轭转置得到；kij为第i个节点与第j个节点间的相干互谱密度矩阵，xl,f由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到，xl,fh与由第j个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后共轭转置得到；
上述技术方案中，所述步骤1b包括：
步骤1-3、根据水声环境参数信息和基阵的几何形状建立声场模型，然后计算基阵的拷贝向量
所述水声环境参数信息包括介质声速c、介质密度ρ、衰减系数a；
所述基阵的拷贝向量
其中，
步骤1-4、根据步骤1-3获得的拷贝向量
其中，w为离散干扰噪声源抑制的最优权向量wmc-mfns。
上述技术方案中，在步骤1-3中，采用kraken声场模型软件计算基阵的拷贝向量
上述技术方案中，所述步骤2包括：
步骤2-1、由步骤1-2获取的互谱密度矩阵k、根据步骤1-4所得到的约束条件，求模糊度函数p的最小值约束，所述最小值约束的约束条件表示为：
步骤2-2、构造lagrange函数，该函数的表达式为：
其中，λm为lagrange乘子；
步骤2-3、由步骤1-3获取的拷贝向量
wmc-mfns＝k-1e[ehk-1e]-1dh(6)
其中
上述技术方案中，所述步骤3进一步包括：
步骤3-1、由步骤1-2获取的互谱密度矩阵k和步骤2-3计算所得的最优权向量wmc-mfns，计算分布式多传感器阵列相干匹配场处理器的模糊度表面pmc-mfns，表示为：
其中kii为第i个节点的互谱密度矩阵，kij为第i个节点与第j个节点间的互谱密度矩阵。
步骤3-2、将宽带声源的各个频点按照步骤3-1计算所得模糊度表面pmc-mfns做累加后取平均，得到分布式相干处理模糊度表面，其极大值点为声源的估计位置，所述估计位置包括分布式多传感器阵列与声源间的相对距离，以及所要观测的声源相对海平面的深度。
本发明的优点在于：
本发明将基于复杂海洋环境的分布式相干匹配场处理技术和最优传感器阵列处理技术结合在一起，设计最优权向量，使其对观测方位的波束响应无失真，而对离散干扰噪声源方位的响应为零，从而达到消除离散干扰噪声源对观测信号检测和定位的影响。
附图说明
图1是分布式多传感器阵列相干处理的示意图；
图2是分布式多传感器阵列相干处理的环境参数的示意图；
图3是分布式多传感器阵列线性匹配场相干处理模糊面的示意图；
图4是分布式多传感器阵列最小方差无畸变响应匹配场相干处理模糊面的示意图；
图5是分布式多传感器阵列离散噪声源抑制相干处理模糊面的示意图。
具体实施方式
现结合附图对本发明作进一步的描述。
本发明公开了一种基于分布式多传感器阵列的弱声源定位方法，所涉及的分布式多传感器阵列的节点数量、节点基阵阵型不限，节点基阵阵型可以是水平阵、垂直阵、离散阵等多种阵型。每个节点多传感器阵列中包括有多个阵元，这些阵元之间的距离没有要求，可以是等间距，也可以有不同的距离。在图1所示的一个实施例中，所述分布式多传感器阵列由三个节点组成，每个节点均为阵元数n为50的水听器均匀垂直线列阵，阵元间距为2米，海区深度为100m。各个阵元均匀分布在1m到99m水深中。在该实施例中，假设水面强干扰和水下声源都是点声源，水面强干扰声源级比水下声源大10db，距离分布式探测系统参考坐标原点的水平距离均为8km，水面强干扰声源的等效深度为7米，水下声源的声源深度为40米，两声源信号频带完全重叠，中心频率均为300hz，带宽为10hz。在图2中还给出了声速参数模型的示意图，从该声速剖面可以看出，声速剖面为微弱正梯度。声速参数模型还包括介质声速c、介质密度ρ以及衰减系数a，如图2底部所示的海底介质参数：海底介质声速c底、海底介质密度ρ底、海底介质衰减系数а底。假设水面强干扰声源为离散噪声源，采用本发明的方法可对其进行抑制，以消除水面强干扰声源对水下声源检测和定位的影响。
在图1所示的实施例中，本发明的方法包括：
步骤1、根据接收基阵阵型和离散噪声源位置信息建立声场模型，求解基阵方向向量和离散噪声源的拷贝向量，并对方向向量和噪声源拷贝向量设置约束条件。
该步骤可进一步包括：
步骤1-1、由多传感器阵列接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到xl,f，其中xl,f＝[xl,f(1),xl,f(2),…,xl,f(ν)]t，n为多传感器阵列中的阵元数，然后将xl,f与xl,fh相乘得到数据向量；其中的(·)h表示共轭转置。
例如，在本实施例中，所述某个频点为296hz～305hz中的每一个频点；所述l次快拍为24000次快拍，其中24000为节点线列阵的采样率。
步骤1-2、将步骤1-1获得的数据向量取多个快拍数据平均，获得互谱密度矩阵k，其计算公式表示为：
其中，l为所要平均的快拍的数目。
例如，在本实施例中，所述快拍数据有10个，对这10个快拍数据做平均，得到互谱密度矩阵k。分布式阵列相干处理的互谱密度矩阵有两种形式：kii和kij，其中kii为第i个节点的非相干互谱密度矩阵，xl,f由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到，xl,fh由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后共轭转置得到；kij为第i个节点与第j个节点间的相干互谱密度矩阵，xl,f由第i个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到，xl,fh与由第j个节点基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后共轭转置得到。
步骤1-3、根据水声环境参数信息和基阵的几何形状建立声场模型，然后计算基阵的拷贝向量
其中，
步骤1-4、根据步骤1-3获得的拷贝向量
其中，w为离散干扰噪声源抑制最优权向量wmc-mfns；
步骤2、根据步骤1所设置约束条件构建最优化问题，设计离散噪声源干扰抑制的最优权向量,使最优权向量对观测方位的信号响应无失真，而对离散干扰噪声源方位的响应为零，从而达到消除离散噪声源干扰对观测信号检测和定位的影响。
该步骤进一步包括：
步骤2-1、由步骤1-2获取的互谱密度矩阵k、根据步骤1-4所得到的约束条件，求模糊度函数p的最小值约束，所述最小值约束的约束条件表示为：
步骤2-2、构造lagrange函数，该函数的表达式为：
其中，λm为lagrange乘子；
步骤2-3、由步骤1-3获取的拷贝向量
wmc-mfns＝k-1e[ehk-1e]-1dh(6)
其中
步骤3、使用步骤2所设计的最优权向量构成离散干扰噪声源抑制的分布式多传感器阵列相干匹配处理器，对观测信号进行定位，从而实现在离散干扰噪声源存在情况下的弱声源定位。
该步骤进一步包括：
步骤3-1、由步骤1-2获取的互谱密度矩阵k和步骤2-3计算所得的最优权向量wmc-mfns，计算分布式多传感器阵列相干匹配场处理器的模糊度表面pmc-mfns，表示为：
其中kii为第i个节点的互谱密度矩阵，kij为第i个节点与第j个节点间的互谱密度矩阵。
步骤3-2、将宽带声源的各个频点按照步骤3-1计算所得模糊度表面pmc-mfns做累加后取平均，得到分布式相干处理模糊度表面，其极大值点为声源的估计位置，所述估计位置包括分布式多传感器阵列与声源间的相对距离，以及所要观测的声源相对海平面的深度。由于wmc-mfns包含对m-1个干扰噪声源的抑制，因此在本步骤中所求得的
总之，本发明的基于分布式多传感器阵列的弱声源定位方法能够有效地消除离散噪声源干扰对水下弱声源定位的影响。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
1.一种基于分布式多传感器阵列的弱声源定位方法，其特征在于：基于分布式多传感器阵列的多个节点间的相干处理，以实现对水下弱声源进行距离和深度的估计，所述方法包含：
步骤1a、根据所述分布式多传感器阵列的多个节点基阵接收的信号获取包含声源信息的互谱密度矩阵，所述互谱密度矩阵包含单个节点获取的非相干互谱密度矩阵和任意两个节点间获取的相干互谱密度矩阵；
步骤1b、根据节点基阵阵型和多个离散噪声源位置信息建立声场模型，分别求解基阵方向向量和每一个离散噪声源的拷贝向量，并对所述方向向量和所述拷贝向量设置约束条件；
步骤2、根据步骤1所设置约束条件构建最优化问题，设计离散噪声源干扰抑制的最优权向量,使最优权向量对观测方位的信号响应无失真，而对离散干扰噪声源方位的响应为零，采用lagrange乘子法求解出离散干扰噪声源抑制的最优权向量；
步骤3、使用步骤2中的所述最优权向量构成离散干扰噪声源抑制的分布式多传感器阵列相干匹配处理器，对观测信号进行定位。
2.根据权利要求1所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，所述步骤1a包括：
步骤1-1、由所述节点的基阵接收的时域信号中的某个频点的第l次快拍经过fft变换之后得到xl,f，其中xl,f＝[xl,f(1),xl,f(2),…,xl,f(ν)]t，n为所述节点基阵的阵元数；然后将xl,f与xl,fh相乘得到数据向量，其中的(·)h表示共轭转置；
步骤1-2、将步骤1-1获得的所述数据向量取平均，获得互谱密度矩阵k，其计算公式表示为：
其中，l为所要平均的快拍的数目；
所述互谱密度矩阵有两种形式：kii和kij，其中kii为第i个节点的非相干互谱密度矩阵，xl,f由第i个节点基阵接收的时域信号中某个频点的第l次快拍经过fft变换之后得到，xl,fh由第i个节点基阵接收的时域信号中某个频点的第l次快拍经过fft变换之后共轭转置得到；kij为第i个节点与第j个节点间的相干互谱密度矩阵，xl,f由第i个节点基阵接收的时域信号中某个频点的第l次快拍经过fft变换之后得到，xl,fh由第j个节点基阵接收的时域信号中某个频点的第l次快拍经过fft变换之后共轭转置得到。
3.根据权利要求1所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，所述步骤1b包括：
步骤1-3、根据水声环境参数信息和基阵的几何形状建立声场模型，然后计算基阵的拷贝向量
所述水声环境参数信息包括介质声速c、介质密度ρ、衰减系数a；
所述基阵的拷贝向量
其中，
步骤1-4、根据步骤1-3获得的拷贝向量
其中，w为离散干扰噪声源抑制的最优权向量wmc-mfns。
4.根据权利要求3所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，在步骤1-3中，采用kraken声场模型软件计算基阵的拷贝向量
5.根据权利要求3所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，所述步骤2包括：
步骤2-1、由步骤1-2获取的互谱密度矩阵k、根据步骤1-4所得到的约束条件，求模糊度函数p的最小值约束，所述最小值约束的约束条件表示为：
步骤2-2、构造lagrange函数，该函数的表达式为：
其中，λm为lagrange乘子；
步骤2-3、由步骤1-3获取的拷贝向量
wmc-mfns＝k-1e[ehk-1e]-1dh
其中
6.根据权利要求5所述的基于分布式多传感器阵列的弱声源定位方法，其特征在于，所述步骤3进一步包括：
步骤3-1、由步骤1-2获取的互谱密度矩阵k和步骤2-3计算所得的最优权向量wmc-mfns，计算分布式多传感器阵列相干匹配场处理器的模糊度表面pmc-mfns，表示为：
其中kii为第i个节点的互谱密度矩阵，kij为第i个节点与第j个节点间的互谱密度矩阵；
步骤3-2、将宽带声源的各个频点按照步骤3-1计算所得模糊度表面pmc-mfns做累加后取平均，得到分布式相干处理模糊度表面，其极大值点为声源的估计位置，所述估计位置包括分布式多传感器阵列与声源间的相对距离，以及所要观测的声源相对海平面的深度。
技术总结