基于稀疏贝叶斯学习的水下机台被动声呐方位估计技术研究.pdfVIP

基于稀疏贝叶斯学习的水下机动小平台被动声呐方位估计技术研究

摘要

水下机动小平台由于具有灵活机动、隐蔽性高等特点，适合执行探测侦查任务，

是当前各国海军关注的热点。当利用固定安装于水下机动小平台的被动声呐阵列进行

方位估计时，阵列存在幅相误差、机动平台自噪声干扰、机动平台转向等客观情况会

对阵列方位估计产生较大影响。为了满足实际工作中机动平台被动声呐阵列的高精度

方位估计需求，本文结合稀疏贝叶斯学习方法在小孔径阵列、低信噪比、小快拍数等

条件下具有良好表现的特点，分别针对上述工况中存在的问题进行了研究。主要研究

内容如下：

1.针对水下小平台阵列受幅相误差影响导致方位估计性能下降问题，开展阵列自

校正方法研究。实现目标方位精确估计的前提是已知准确的阵列流型信息。然而，受

制作工艺水平、外部环境等因素的影响，水听器阵列往往会存在幅相误差，这会导致

方位估计方法出现性能下降。因此，为了保证后续方位估计性能，在进行方位估计前

需要对阵列幅相误差进行自校正。针对该问题，首先提出了一种基于稀疏贝叶斯学习

的幅相误差自校正方法，该方法利用稀疏贝叶斯学习得到目标方位估计，利用信号子

空间与噪声子空间的正交特性对幅相误差进行估计，通过交替迭代的方式得到方位与

幅相误差的联合估计结果。而后，在该方法的基础上，考虑到目标方位存在离网误差

的情况，提出了一种基于离网稀疏贝叶斯学习的幅相误差自校正方法。该方法利用一

阶泰勒级数展开引入网格偏移量，实现了离网目标方位与幅相误差的联合估计。仿真

结果表明，所提的两种方法避免了由幅相误差引起的伪峰，并具有较高的角度分辨力。

在存在离网误差的情况下，所提的第二种方法有着更精确的方位估计结果与幅相误差

估计结果。

2.针对平台自噪声干扰条件下目标方位估计性能下降问题，开展噪声不满足各向

同性假设条件下目标方位高精度估计方法研究。机动平台在航行过程中会产生较强的

自噪声。由于阵列接收的噪声不符合各向同性的假设，常规方法受其影响会出现方位

估计不准确、产生伪峰等情况。针对这一问题，提出了一种适用于平台自噪声背景的

稀疏贝叶斯学习方位估计方法。考虑到平台自噪声在远场阵列接收模型中呈现一定的

方向性，可以将其近似视为协方差矩阵未知的噪声。在此基础上，推导了在未知噪声

协方差矩阵下的稀疏贝叶斯学习框架来估计目标方位，并通过一种最大似然估计方法

将接收数据协方差矩阵投影至噪声子空间的方式得到自噪声协方差矩阵的估计，以联

I

哈尔滨工程大学博士学位论文

合迭代的形式获得最终方位估计结果。仿真实验结果表明所提方法可以有效避免出现

伪峰，同时与现有方法比较，所提方法在低信噪比、小快拍数时可以提供更精确的方

位估计结果。海试数据处理结果验证了方法的有效性与优越性。

3.针对平台转向时目标方位估计性能下降问题，开展航向变化条件下高精度方位

估计方法研究。在机动平台转向过程中，由于航向变化致使传统方法在利用多快拍数

据进行方位估计时，所得到的空间谱会出现谱峰展宽以及方位估计不准确的问题。针

对该问题，结合已知的航向变化信息，提出了两种适用于该工况的稀疏贝叶斯学习方

位估计方法。两种方法均利用了空域稀疏信号在大地坐标系下具有相同先验分布的特

性，其中，第一种方法通过纵向累积不同航向角下的接收数据得到融合方程，并利用

稀疏贝叶斯学习对该方程进行求解。为了避免第一种方法由于融合方程的纵向维度升

高导致计算复杂度升高的问题，第二种方法在稀疏贝叶斯学习的框架下采用多个过完

备字典联合的方式得到目标方位估计结果。仿真实验与海试数据处理结果表明，所提

的两种方法可以有效解决空间谱谱峰展宽等问题，在低信噪比等条件下具有较高的角

度分辨力和方位估计精度。同时，有效地利用航向变化信息提高了线阵抗左右舷模糊

能力。通过对比所提两种方法的计算时间，第二种方法可以适用于平台慢速转向的情

况。

关键词：水下机动小平台；阵列信号处理；方位估计；幅相误差校正；稀疏贝叶斯学

习

II

基于稀疏贝叶斯学习的水下机动小平台被动声呐方位估计技术研究

ABSTRACT

Duetoth