学位论文 > 优秀研究生学位论文题录展示

时延—多普勒最小互熵空间谱分析主动声纳情景成像和目标定位

作　者: 徐豫西
导　师: 宫先仪
学　校: 浙江大学
专　业: 信息与通信工程
关键词: 主动探测成像时延多普勒互模糊度函数最小互熵空间谱分析
分类号: TN911.7
类　型: 硕士论文
年　份: 2014年
下　载: 22次
引　用: 0次
阅　读: 论文下载

内容摘要

主动探测面临的问题可以分为三类：第一类是目标信号存在于白噪声或者各向均匀同性噪声信号中,此时可以用常规波束形成和常规匹配滤波的方法检测和估计目标。第二类是目标信号存在于噪声信号和干扰信号中,但是目标信号较强且类目标干扰数量远小于接收阵阵元数,此时可以采用MVDR波束形成和匹配滤波的方法探测目标。上述两种情况均属于目标定位,此时只考虑目标信号,而.目标信号是低维的,所以是解过定问题,有唯一解,可以正向求解。第三类问题也是目标信号存在于噪声信号和干扰信号中,但是目标信号较弱,且类目标干扰的数目远大于阵元的数目,此时是解欠定逆问题,解不唯一,前述方法均不再适用。第三类问题的解决办法就是在观察中引入成像这一前处理环节,在像中搜索和跟踪目标。所谓成像是指对目标所在的情景成像,此时同时需要考虑情景信号和目标信号。情景信号复杂且高维,情景成像是从低维观测数据中估计高维的情景信息,为了增加观测维数,成像系统中阵要运动起来并发射脉冲串信号,以增加空域和时域采样点。本文研究时延-多普勒情景成像和目标定位,其中时延对应距离,多普勒对应径向速度。时延和多普勒是模糊度函数关注的两维参量,模糊度函数在表征信号的特性上具有源头性的位置,所以它在时延-多普勒主动声纳情景成像和目标定位中都有重要作用。目标定位可以看成情景成像的特例。由于成像方程r(τ,v)=ρ(τ,v)**χ(τ,v),故可将成像看成对情景的时延-多普勒二维滤波,其中r(τ,v)为输出,ρ(τ,v)为情景反射密度,χ(τ,v)为发射信号s(t)的模糊度函数,χ(τ,v)可以看成滤波过程的点扩展函数。由于成像的本质是解欠定逆问题,解不唯一,故要求最佳解。所谓的“最佳”是在一定原则意义下的最佳。成像信号处理有两大理论支撑——最小二乘发轫的估计理论和熵出发的信息理论,对应的方法分别是似然方法和信息熵方法。似然方法和熵方法具有等价性,一方面二者都基于概率分布,另一方面相同概率分布条件下二者会得到相同的估计结果。从似然方法的角度,我们可以用互模糊度函数匹配滤波实现时延-多普勒成像。由于采样互模糊度函数χr(τ,v)=ρ(τ,v)**χ(τ,v)刚好对应于成像方程,所以可以通过互模糊度函数和自模糊度函数的二维解卷得到情景反射密度ρ(τ,v),实现时延-多普勒成像。相比于似然方法,熵方法用熵来度量不确实性,寻求的是熵最大(或互熵最小),所以熵方法能够充分利用给定的信息,并避免使用任何没有给定的信息,从而最大程度地不倚靠不确实性。将最小互熵原理用于谱分析我们得到最小互熵谱分析方法,根据谱分析的空时等效性原理,把最小互熵谱分析从时域扩展到空域,可以实现最小互熵空间谱估计,用最小互熵空间谱分析的方法实现时延和多普勒信息的估计,进而实现时延-多普勒最小互熵空间谱分析成像。这正是本文重点研究的方法。由于目标定位是情景成像的特例,所以本文先从简单的目标定位入手,分别实现互模糊度函数匹配滤波方法和最小互熵空间谱分析方法的目标定位,进而把定位发展到成像。因而本文的研究内容分五个部分展开,第一部分对成像系统进行概述；第二部分介绍时延-多普勒反射定位；第三部分研究最小互熵空间谱分析方法；第四部分从定位发展到成像；第五部分介绍时延-多普勒最小互熵空间谱分析定位和成像的实现及实验研究。最后,仿真和实验数据分别证实了上述研究内容的可行性。

全文目录

致谢  4-5
摘要  5-7
Abstract  7-10
目录  10-12
第1章成像系统概述  12-32
  1.1 定位和成像  12-13
  1.2 时延-多普勒作用  13-15
  1.3 最小二乘/最大似然和最大熵/最小互熵原则  15-28
    1.3.1 线性逆问题的建模及求解方法  15-16
    1.3.2 最小二乘估计  16-18
    1.3.3 最大似然估计  18-19
    1.3.4 最大熵/最小互熵原则  19-28
  1.4 成像系统结构  28-32
第2章时延-多普勒滤波反射定位  32-46
  2.1 脉冲(串)信号和模糊度函数  32-38
    2.1.1 模糊度函数  32-34
    2.1.2 脉冲串信号  34-38
  2.2 主动声纳空时阵设计  38-40
    2.2.1 时域波形设计  38
    2.2.2 空间阵形设计  38-40
  2.3 互模糊度函数  40-41
  2.4 Chirp脉冲串采样互模糊度函数的计算  41-46
第3章最小互熵空间谱分析  46-68
  3.1 信息理论谱分析  46-50
    3.1.1 最大熵谱分析(MESA)  46-47
    3.1.2 最小互熵谱分析(MCESA)  47-49
    3.1.3 MESA和MCESA性能分析  49-50
  3.2 空间谱分析  50-62
    3.2.1 空间谱分析概念  50-56
    3.2.2 空时谱估计的等效性  56-57
    3.2.3 线性预测空间谱估计方法  57-60
    3.2.4 多重信号分类(MUSIC)算法  60-62
  3.3 最小互熵空间谱分析  62-68
    3.3.1 信号建模  62-63
    3.3.2 倒谱法  63-64
    3.3.3 仿真分析  64-68
第4章从定位发展到成像  68-90
  4.1 成像方程  68-71
    4.1.1 接收信号  68-70
    4.1.2 二维滤波成像方程  70-71
  4.2 成像分辨力  71-73
  4.3 成像声纳聚焦补偿和运动补偿  73-76
  4.4 互模糊度函数匹配滤波成像仿真  76-88
  4.5 最大似然原则和最大熵原则的等效性研究  88-90
第5章时延-多普勒最小互熵空间谱分析定位与成像实验研究  90-104
  5.1 时延-多普勒最小互熵空间谱分析成像的实现  90-91
  5.2 时延-多普勒反射成像实验设计  91-92
    5.2.1 实验目的  91
    5.2.2 实验原理  91
    5.2.3 实验设计  91-92
  5.3 莫干山湖实验  92-104
    5.3.1 莫干山湖实验环境及实验系统构成  92-95
    5.3.2 莫干山湖时延-多普勒成像实验  95-104
第6章总结与展望  104-106
  6.1 论文总结  104-105
  6.2 研究方向展望  105-106
参考文献  106-110
作者简历  110

时延—多普勒最小互熵空间谱分析主动声纳情景成像和目标定位

内容摘要

全文目录

相似论文