具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

根据已有分析，利用功率谱密度矩阵的共轭对称性和正定性的特点，可以根据非欧几何中的黎曼距离来度量矩阵间的相似性，引入基于黎曼距离的匹配场处理器。该处理器稳健性与常规匹配场Bartlett处理器相似，但主瓣宽度更窄，旁瓣级更低。为了解决环境失配问题，本发明将基于黎曼距离的匹配场处理器与环境扰动约束的匹配场处理器的思想结合，通过联合不同海洋环境参数条件下的拷贝场向量得到环境约束向量矩阵，对其进行共轭转置相乘获取约束矩阵，并通过奇异值分解对约束矩阵进行重构，计算接收阵列的协方差矩阵与重构约束矩阵之间的黎曼距离，构造出基于环境约束和黎曼距离的联合匹配场处理器，进而实现基于环境约束和黎曼距离的联合匹配场定位方法，可应用于声纳阵列在海洋声场环境参数失配条件下的被动声源定位，在环境失配条件下也可以实现声源的被动定位，大体步骤如下：(1)选择多个海洋环境参数，通过声场模型计算不同深度网格和距离网格处的拷贝场向量；(2)根据阵列接收数据计算协方差矩阵，并进行矩阵范数归一化；(3)将各个网格处的多个随机环境拷贝场向量联合并共轭相乘得到约束矩阵，对约束矩阵进行奇异值分解；(4)选取较大的奇异值和相应的左右奇异矩阵对约束矩阵进行重构；(5)计算归一化协方差矩阵与重构约束矩阵的黎曼距离，最短黎曼距离对应的位置即为声源位置。如图1所示，所述方法具体步骤如下：

步骤101：获取水声信号集合和海洋环境参数向量。所述海洋环境参数向量包括多个海洋环境参数，各海洋环境参数均不相同；所述水声信号集合为水声接收阵列(各个水听器阵元)获取水下声场的多个水声信号。

步骤102：计算所述水声信号集合的协方差矩阵。

步骤103：对水下声场进行网格划分得到多个网格。

步骤104：根据所述海洋环境参数向量和现有水声传播声场模型(如BELLHOP和KRAKEN等)得到各网格的联合矩阵。所述联合矩阵由网格在所有海洋环境参数下的拷贝场向量组成的。

步骤105：分别对各所述网格的联合矩阵进行重构得到各所述网格的重构约束矩阵。

步骤106：分别计算所述协方差矩阵与各网格的重构约束矩阵的黎曼距离，确定最短黎曼距离对应的网格为水下声源位置。

在实际应用中，步骤104具体包括：

将所述海洋环境参数向量中的各海洋环境参数分别输入声场模型得到各网格在所有海洋环境参数下的拷贝场向量。

对于任意一个网格，确定由所述网格在所有海洋环境参数下的拷贝场向量组成的一个矩阵为所述网格的联合矩阵。

在实际应用中，步骤105具体包括：

对于任意一个网格，对所述网格的联合矩阵进行奇异值分解得到左奇异矩阵、右奇异矩阵和对角线矩阵。

在所述对角线矩阵中选取设定个数的元素得到第一矩阵；所述第一矩阵中的每个元素均大于对角线剩余矩阵中的各元素；所述对角线剩余矩阵为所述对角线矩阵除去所述第一矩阵之后的元素组成的矩阵。

在所述左奇异矩阵中选取目标位置对应的列向量得到第二矩阵；所述目标位置为在所述对角线矩阵中选取的设定个数的元素的位置；

在所述右奇异矩阵中选取所述目标位置对应的列向量得到第三矩阵。

根据所述第一矩阵、所述第二矩阵和所述第三矩阵得到所述网格的重构约束矩阵。

在实际应用中，在所述对所述网格的联合矩阵进行奇异值分解得到左奇异矩阵、右奇异矩阵和对角线矩阵之前还包括：

对所述网格的联合矩阵进行共轭相乘得到所述网格的约束矩阵。

在实际应用中，所述计算所述水声信号集合的协方差矩阵，具体包括：

对所述水声信号集合中任一水声信号进行时频分析处理得到所述水声信号的频率，因为水声信号集合中的所有水声信号频率均相同，所以这里可以任选一个水声信号。

对所述频率进行傅里叶变换处理得到窄带频带。

根据所述窄带频带计算所述水声阵列信号的协方差矩阵。

本实施例提供了上述方法更加详细的步骤，具体流程图如图2所示。

步骤1：根据布放在水下的N元水听器阵列接收水声信号y，通过时频分析等技术分析获取声源信号的频率，对频率进行窄带滤波处理得到窄带频带(在浅海Saclant试验环境中(海深为127m、声源深度65m、收发水平距离5.9km、阵列孔径为94m、阵元间距为4m、信号频率为170Hz)进行实验时，根据图3-图6，可以看出接收信号中在60-70Hz中存在较强干扰，因此对接收信号进行了窄带滤波处理)，根据窄带频带得到窄带信号的单频信息，计算L个快拍下对应窄带中心频点f的协方差矩阵K，并对其进行矩阵范数归一化得到K_f，y_l表示第l个快拍下的接收信号向量，K_i,j表示矩阵K中第i行第j列的元素，H表示矩阵的共轭转置。

基于水听器阵列各个阵元布放深度，建立相应的拷贝场距离和深度网格(就是在水平和垂直方向上画网格，形成不同深度和距离的网格点)。随机选择多个海洋环境参数(如声速剖面、海底地形和海底底质特性参数等)，假设为第m个海洋环境参数，根据和声场模型得到某个网格r_i处的拷贝场向量为其中i＝1～N，N为全部网格个数。

步骤2：在网格r_i处构建一个约束向量矩阵包含全部海洋环境参数产生的拷贝场向量，其中M为海洋环境参数的个数。然后对矩阵进行共轭相乘得到约束矩阵R(r_i)，具体可由下式表示，其中E[·]代表期望，H表示矩阵的共轭转置：

步骤3：对各个网格r_i处的约束矩阵R(r_i)进行奇异值分解，得到左、右奇异矩阵U(r_i)、V(r_i)和对角线矩阵Λ(r_i)，在对角线矩阵Λ(r_i)中选取前J个较大的奇异值(一般J取3～5之间)和相应奇异向量构成的左右奇异矩阵(例如在对角线矩阵中选取的前J个较大的元素在对角线矩阵中的第1行1列和第2行2列，此时在选取相应奇异向量时是在左奇异向量矩阵的第1行1列和第2行2列所对应的列向量和右奇异向量矩阵的第1行1列和第2行2列所对应的列向量)，获得约束矩阵R(r_i)的重构约束矩阵R_a(r_i)，U_J(r_i)表示相应奇异向量构成的第二矩阵，V_J(r_i)表示在对角线矩阵中选取的前J个较大的奇异值组成的第一矩阵，Λ_J(r_i)表示相应奇异向量构成的第三矩阵，公式如下：

R(r_i)＝U(r_i)Λ(r_i)V(r_i)

R_a(r_i)＝U_J(r_i)Λ_J(r_i)V_J(r_i)

步骤4：计算不同网格r_i处重构约束矩阵和协方差矩阵的黎曼距离P(r_i)，如下式所示，其中trace(·)表示求解矩阵的迹。对所有网格进行遍历，寻找P(r_i)最小的网格位置(矩阵间距离最短)，即为被动声源的定位位置，在进行黎曼距离计算之前还可以对重构约束矩阵R_a(r_i)进行范数归一化。

P(r_i)＝trace(R_a(r_i))+trace(K_f)-2trace[(R_a(r_i)K_f)^1/2]

本实施例还提供了基于上述方法(环境约束和黎曼距离的联合匹配场处理器(RG-EPC处理器))、基于环境约束的匹配场处理器(MV-EPC处理器)、基于Bartlett处理器和基于黎曼距离的匹配场处理器(RG处理器)在浅海Saclant试验环境中(海深为127-130m、声源深度65m、收发水平距离5.9km、阵列孔径为94m、阵元间距为4m、信号频率为170Hz)进行处理，试验实际海深比127m要深，因此选用127m-130m之间的多种海深条件进行拷贝场向量计算，图7中(a)、(b)、(c)和(d)四部分分别为Saclant试验中不同的四个站位实测得到的四种声速剖面，可以看出各个声速剖面之间的表面声速值以及整体趋势都有不同程度的差别，并且可以从声速剖面最深深度可以看出，海深存在一定差异，海底并不是完全平坦。图8的(a)部分、图8的(b)部分、图8的(c)部分和图8的(d)部分分别为对阵列接收信号利用Bartlett处理器、RG处理器、MV-EPC处理器和RG-EPC处理器计算得到的模糊度输出结果，可以看出RG-EPC处理器的主瓣宽度最窄，旁瓣级最低。其中，使用的声场模型均为简正波模型，拷贝场中声源深度70m，阵列孔径为94m，阵元间距为4m，距离和深度网格分别为10m和1m。其中，Bartlett和RG的海深为127m，MV-EPC和RG-EPC选用了图3中四种声速得到约束向量矩阵进行匹配处理。

图9的(a)部分为使用本发明实施例提供的定位方法得到的声源的横向距离，图9的(b)部分为使用本发明实施例提供的定位方法得到的声源的深度，可以看出算法定位的声源位置为(5720m，64m)，与真实位置(5900m，65m)最为接近，并且距离估计的输出功率比其他旁瓣位置高15dB以上，深度估计的输出功率比其他旁瓣位置高20dB以上。

本实施例还提供了一种与上述方法对应的基于环境约束和黎曼距离的联合匹配场定位系统，如图10所示，所述系统包括：

获取模块A1，用于获取水声信号集合和海洋环境参数向量；所述海洋环境参数向量包括多个海洋环境参数；所述水声信号集合为水声接收阵列获取的多个水声信号。

协方差矩阵确定模块A2，用于计算所述水声信号集合的协方差矩阵。

网格化分模块A3，用于对水下声场进行网格划分得到多个网格。

联合矩阵确定模块A4，用于根据所述海洋环境参数向量和声场模型得到各网格的联合矩阵；所述联合矩阵由网格在所有海洋环境参数下的拷贝场向量组成。

重构约束矩阵确定模块A5，用于分别对各所述网格的联合矩阵进行重构得到各所述网格的重构约束矩阵。

定位模块A6，用于分别计算所述协方差矩阵与各网格的重构约束矩阵的黎曼距离，确定最短黎曼距离对应的网格为水下声源位置。

作为一种可选的实施方式，所述联合矩阵确定模块，具体包括：

拷贝场向量计算单元，用于将所述海洋环境参数向量中的各海洋环境参数分别输入声场模型得到各网格在所有海洋环境参数下的拷贝场向量。

联合矩阵确定单元，用于对于任意一个网格，确定由所述网格在所有海洋环境参数下的拷贝场向量组成的一个矩阵为所述网格的联合矩阵。

作为一种可选的实施方式，所述重构约束矩阵确定模块，具体包括：

奇异分解单元，用于对于任意一个网格，对所述网格的联合矩阵进行奇异值分解得到左奇异矩阵、右奇异矩阵和对角线矩阵。

第一矩阵确定单元，用于在所述对角线矩阵中选取设定个数的元素得到第一矩阵；所述第一矩阵中的每个元素均大于对角线剩余矩阵中的各元素；所述对角线剩余矩阵为所述对角线矩阵除去所述第一矩阵之后的元素组成的矩阵。

第二矩阵确定单元，用于在所述左奇异矩阵中选取目标位置对应的列向量得到第二矩阵；所述目标位置为在所述对角线矩阵中选取的设定个数的元素的位置。

第三矩阵确定单元，用于在所述右奇异矩阵中选取所述目标位置对应的列向量得到第三矩阵。

重构约束矩阵确定单元，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵得到所述网格的重构约束矩阵。

作为一种可选的实施方式，所述重构约束矩阵确定模块还包括：

约束矩阵确定单元，用于对所述网格的联合矩阵进行共轭相乘得到所述网格的约束矩阵。

本发明的大体思路为：依次计算协方差矩阵和各个网格位置处的约束矩阵之间的黎曼距离，基于该黎曼距离构造匹配场处理器，可以实现复杂动态海洋环境下的声源被动定位。

本发明利用协方差矩阵具有的共轭对称性和正定性，引入矩阵的黎曼度量概念，通过对环境扰动引起的拷贝场约束矩阵进行奇异值分解和重构，对比重构约束矩阵与归一化协方差矩阵之间的黎曼距离，构造出基于环境约束和黎曼距离的联合匹配场处理器，其具有以下优点：

(1)相比于基于黎曼距离的匹配场定位算法，所提算法可在环境参数失配和扰动时有效地对声源进行被动定位。

(2)相对于传统基于环境扰动约束的匹配场定位算法，所提算法的定位性能更高在不同阵列参数条件下，均具有良好的定位能力，所提算法可以有效降低旁瓣级，提高主瓣分辨率，即算法的主瓣宽度窄，旁瓣级低。

(3)通过利用多个不同的环境约束，并结合互谱密度矩阵间的黎曼距离，提出相应的匹配场处理器用以在水声传播环境不确定性情况下进行水下声源的位置估计。

(4)适用于一定信噪比下(一般认为信噪比大于0dB)，不确知海洋环境中的水下声源被动定位，该条件下传统的匹配场处理算法无法实现对声源位置的估计。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。