水声信号结构稀疏特性分析及相关重构方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
11574120
项目类别：
面上项目
资助金额：
62.0万
负责人：
王彪
依托单位：
江苏科技大学
学科分类：
A2302.水声和空气动力声学
结题年份：
2019
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2019-12-31

项目参与者：
朱志宇；曾庆军；张贞凯；李效龙；章飞；吴游；黄青鹤；严雨霞；蒋亚立；
关键词：
水声信号处理水声通信结构稀疏阵列信号处理压缩感知

项目摘要

Recently, compressed sensing has attracted lots of attentions in the field of underwater acoustic communication and positioning for its advantages over conventional underwater acoustic signal processing (UASP) techniques. For signal reconstruction with compressed sensing technique, only the sparsity of a signal is considered and the inherent relations between sparse signals are ignored. As a consequence, the accuracy as well as the robustness of the signal recovery is significantly reduced. Especially in ocean acoustics, other than the sparsity, the underwater signals possess correlation characteristics which can provide very useful information for high quality signal recovery. In this research project, the sparsity of various underwater signals under different acoustic fields are systematically studied in spatial, time and transform domains. A mathematical model of underwater signals with sparsity is proposed based on the Bayes’ theorem. Reconstructions of signals with structural sparsity and correlation characteristics are investigated in multidimensional parameter space. Eventually, experiments are conducted to validate the proposed theoretical model. This study can be a foundation for the developments of new UASP techniques.

随着压缩感知理论的提出，其在水声通信及定位等方面的应用研究成为热点，凸显其在水声信号处理方面较传统方法具有的优势。然而，受制于压缩感知理论仅利用信号稀疏特性实现重构的局限，其没有考虑信号稀疏性之间所隐含的固有结构特性，降低了信号恢复的精度和鲁棒性，而受到海洋声场结构及传输特性等因素影响，水声信号除过稀疏性之外往往还表现出潜在的结构特征并具有一定的关联特性，分析和有效利用这种固有特性将大大提高水声信号重构性能。针对此问题本项目研究分析不同水声信号以及在不同声场条件下其在空域、时域及变换域所具有的结构稀疏特性；在此基础上研究并建立基于贝叶斯理论框架的水声结构稀疏表示数学模型；研究多维参数结构稀疏相关重构方法；同时结合实际应用通过实验来验证理论研究成果，为水声信号处理应用提供新的理论基础和应用指导。

结项摘要

本项目围绕水声目标定位和水声通信，开展水声信号结构稀疏特性的研究与分析，在分析水声信号结构稀疏特性机理和分类的基础上，研究结构稀疏性之间的内在相关性，在此基础上研究并建立水声结构稀疏表示数学模型，以及多维参数稀疏相关重构方法。.围绕水声定位应用，结合海洋声场模型，在利用空间稀疏所表现出的相关结构稀疏特征，开展了基于空间结构稀疏的水声目标方位估计理论与模型研究工作，在块稀疏贝叶斯学习框架下，结合块稀疏贝叶斯学习原理研究了具有相关空间结构的水声目标DOA估计方法，并就模型的稀疏重构求解算法开展了一系列的研究工作，尤其是快速、高精度的重构方法方面，将定点算法结合稀疏贝叶斯算法，大大提高方位估计的计算效率；同时考虑到传统高分辨算法需要对整个空间谱进行搜索，谱搜索计算量大，为此开展了基于对称压缩谱的半谱索引研究，提出基于能量的稀疏化半谱搜索方法，更适于实际应用。在上述研究基础上，课题组进而又深入水声匹配场定位方法研究，将结构压缩感知理论与水下声源匹配场定位处理相结合，开展了一系列研究工作，提出了基于改进的平滑l0范数、稀疏贝叶斯学习等水声匹配场定位算法，到达了更高的定位精度。.众多实验数据表明水声信道存在明显的结构稀疏特性，非零抽头成块状结构稀疏分布，由于水声信道具有缓慢时变特征，因此水声信道的结构稀疏性势必也会体现出时变性，如何更好的利用水声信道这种结构稀疏来提高通信可靠性是项目组另外研究重点。为此开展了具有块状结构稀疏以及结构稀疏缓慢时变的水声信道估计理论研究，结合动态压缩感知理论，研究该种情况下水声信道的动态稀疏特性，并研究如何构建相应的动态稀疏数学模型。提出了基于动态压缩感知来构建时变水声信道模型，能够更准确的跟踪时变水声信道变化特性，将理论研究成果应用于水声多载波通信系统，通过仿真和实验验证该方法能有效提高水声通信的可靠性，得到了有意义的研究成果。