Обнаружение слабых гидроакустических сигналов в сложных помеховых ситуациях на основе модифицированных классических адаптивных алгоритмов

Рассматривается задача оптимизации приемного тракта при обнаружении наиболее слабых локальных источников в присутствии более мощных локальных источников. Исходная классическая постановка задачи, предусматривающая спектральное разложение выборочной оценки корреляционной матрицы, дополняется коррекцией этой матрицы перед дальнейшим ее использованием по схеме аналогичной, например, алгоритму Кейпона. Коррекция оценки корреляционной матрицы проводится следующим образом: на основе анализа численных значений всех собственных чисел и анализа обстановки с помощью неадаптивных алгоритмов выявляется число M1 мешающих сигналов, создающих наиболее сильное маскирующее действие для слабых сигналов; осуществляется модификация M1 старших собственных чисел путем дозированного уменьшения их величины для ослабления мешающего действия. Далее откорректированная оценка корреляционной матрицы используется, например, по схеме алгоритма Кейпона, но с применением откорректированной матрицы вместо исходной. В результате формируется новый алгоритм, предназначенный для обнаружения наиболее слабых сигналов (CaponW, weak), а сильные сигналы присутствуют в его пеленгационных рельефах в ослабленном виде. Проведены модельные исследования применительно к помеховой ситуации из 14 сигналов, при этом сильные сигналы многолучевые и содержат значительную рассеянную компоненту. Результаты модельных исследований показали, что сравнение классического алгоритма Кейпона и модифицированного алгоритма CaponW (weak) показало существенное улучшение разрешающей способности алгоритма и сокращение времени потери контакта с целью.

1. Сapon J. High resolution frequency-wavenumber spectral analysis // Proc. IEEE. 1969. V. 57. P. 1408—1418.

2. Schmidt R. O. Multiple emitter location and signal parameter estimation // IEEE Trans. 1986. V. AP_34, № 3. P. 276—280.

3. Wang H., Kaveh M. Focusing matrices for coherent signal_subspace processing // IEEE Transaction Acoustic, Speech and Signal Processing. 1988. V. ASSP_36, № 8. P. 1272—1281.

4. Малышкин Г. С. Анализ влияния физических и технических факторов на эффективность адаптивных алгоритмов обработки гидроакустических сигналов // Акуст. журн. 2014. Т. 60, № 3. С. 284—299.

5. Малышкин Г. С. Влияние рассеяния сильных мешающих гидроакустических сигналов на эффективность адаптивных алгоритмов при разрешении слабых сигналов // Фундаментальная и прикладная гидрофизика. 2013. Т. 6, № 1. С. 78—89.

6. Малышкин Г. С., Шафранюк Ю. В. Адаптивный прием плосковолновых широкополосных сигналов // Фундаментальная и прикладная гидрофизика. 2013. Т. 6, № 1. С. 66—77.

7. Малышкин Г. С., Мельканович В. С. Адаптивные алгоритмы для обнаружения и оценки параметров слабых сигналов в режиме шумопеленгования при наличии сильных мешающих источников звука // Успехи современ. радиоэлектроники. 2009. № 12. C. 32—45.

8. Малышкин Г. С., Сидельников Г. Б. Оптимальные и адаптивные методы обработки гидроакустических сигналов (обзор) // Акустический журнал. 2014. Т. 60, № 5. С. 526—545.

9. Малышкин Г. С., Сидельников Г. Б. Анализ функционирования классических адаптивных алгоритмов в условиях многолучевого распространения и рассеяния. Направления их модификации // Труды XII Всероссийской конференции «Прикладные технологии гидроакустики и гидрофизики». СПб.: Нестор-История, 2014. C. 377—380.

10. Белецкий Ю. С. Методы и алгоритмы контрастного обнаружения сигналов на фоне помех с априори неизвестными характеристиками. М.: Радиотехника, 2011. 429 с.