本发明属于水下声学信号处理领域，特别是涉及抗远近场干扰的稀疏测向方法。
背景技术：
1、水下无人航行器(unmanned underwater vehicle，uuv)阵列测向是当前被动声纳信号处理的一个重要的研究主题。不同于装备在舰船上的阵列，uuv的小尺寸空间导致其难以为阵列构建一个隔振降噪的工作环境，使得阵列信号处理受uuv机动带来的近场强干扰影响严重。在近场强干扰影响下，针对于远场目标信号的测向算法在此时性能存在严重退化，具体表现为角度分辨率以及测向精度的下降，同时远场空间谱中将出现多组伪峰。同时，当以其中一个远场弱目标为感兴趣目标时，其余远场强目标将表现为远场强干扰并对该弱目标探测产生不利影响。
2、当前的测向方法主要可以划分为最大似然(maximum likelihood,ml)类，波束形成类，子空间类以及稀疏重构类。ml类算法在模型适配条件下，往往有最接近于克拉美劳界(cramér–rao bound,crb)的结果，但其极大的计算量将不满足于uuv平台实时处理的需求。波束形成类方法中常规波束形成(conventional beamforming,cbf)作为最常见的波束形成方法，对各类失配条件均具有鲁棒性，被广泛应用于声纳信号处理中，其缺陷在于无法突破瑞利限，无法对同一波束内的临近目标分辨，同时由旁瓣泄露的强干扰分量也会掩盖弱目标。最小方差无失真响应(minimum variance distortionless response,mvdr)波束形成算法对远近场强干扰均具有良好的抑制作用，同时较cbf具有更高的分辨力，但由于mvdr对模型失配较为敏感，当模型存在失配时，mvdr性能严重退化。子空间类算法借助于信号子空间与噪声子空间的正交性，实现对目标信号的高分辨测向，而在uuv工作环境下，接收数据中包含远场弱目标信号，远近场干扰信号以及海洋环境噪声，此时信号子空间与干扰子空间的基会出现交叉以及叠加现象，无法通过特征值分解的方式对信号子空间进行精准估计。稀疏重构类方法相比较于子空间类算法，波束形成类算法以及ml类算法具有更高的角度分辨率，但其稀疏先验往往需要建立在理想条件的过完备字典集上。uuv平台机动带来的近场强干扰将导致字典集失配问题，即远场字典集矩阵中的基底无法对阵列接收信号中的近场强干扰信号进行精准表示，从而导致了拟合误差的增大以及远场信号测向能力的退化。本发明针对上述问题，提出了一种适用于小平台声纳阵列的抗远近场干扰的稀疏测向方法。
技术实现思路
1、本发明的目的是为了解决现有远近场强干扰条件下对远场弱目标信号的分辨概率以及测向精度低的问题，而提出一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法。
2、一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法具体过程为：
3、步骤一：根据平台尺寸及远近场导向矢量相关性确定近场区域集合；
4、步骤二：对接收阵列接收的数据进行子空间投影处理，得到协方差矩阵在信号干扰子空间的投影rs；
5、步骤三：基于稀疏重构类方法处理协方差矩阵在信号干扰子空间中的投影rs，得到测向结果。
6、本发明的有益效果为：
7、本发明的目的在于构建远近场联合的稀疏表示模型，分别对接收信号的远场部分以及近场部分进行协方差矩阵重构，从而实现远近场强干扰条件下对远场弱目标信号的高精度高分辨测向。
8、本发明根据平台尺寸及远近场导向矢量相关性确定近场字典集范围；对接收数据进行子空间投影处理得到协方差矩阵在信号干扰子空间的投影；基于稀疏重构类方法处理协方差矩阵在信号干扰子空间中的投影，输出测向结果；
9、本发明的核心技术内容在于利用远近场声源在空域的稀疏先验，实现远近场协方差矩阵的分离，在此之上，针对于干扰和目标信号功率相差较大的问题，采用子空间投影法对各信源进行归一化处理。
10、本发明基于稀疏重构技术，利用远近场声源在空域的稀疏先验，实现远场目标信号和近场干扰信号的分离，降低了平台自噪声造成的近场干扰对远场测向的影响。
11、本发明基于子空间投影技术对输入协方差矩阵进行预处理，对各信源功率进行归一化，故同时抑制了远近场强干扰。
12、本发明构建了适用于水下小平台阵列的测向方法，在有限阵元条件下实现对远场弱目标的高精度高分辨测向；
13、本发明考虑了远场干扰以及水下无人平台机动的自噪声所引起的近场干扰对远场弱目标测向的影响，结合稀疏重构以及子空间法对远近场干扰进行抑制，提高了远近场强干扰场景下对远场弱目标信号的测向能力。
1.一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤一中根据平台尺寸及远近场导向矢量相关性确定近场区域集合；
3.根据权利要求2所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤一一中确定远近场导向矢量的相关性；具体过程为：
4.根据权利要求3所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤一二中基于远近场导向矢量的相关性定义集合ω1；
5.根据权利要求4所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤一三中基于平台尺寸定义集合ω2；具体过程为：
6.根据权利要求5所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤一四中基于集合ω1和集合ω2确定近场区域集合；表示为：
7.根据权利要求6所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤二中对接收阵列接收的数据进行子空间投影处理，得到协方差矩阵在信号干扰子空间的投影rs；具体过程为：
8.根据权利要求7所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤二三中基于信号干扰子空间矩阵us，定义协方差矩阵在信号干扰子空间中的投影rs；
9.根据权利要求8所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述步骤三中基于稀疏重构类方法处理协方差矩阵在信号干扰子空间中的投影rs，得到测向结果；具体过程为：
10.根据权利要求9所述的一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法，其特征在于：所述所述步骤三二中基于协方差矩阵在信号干扰子空间中的投影rs和混合过完备字典集ψ得到远场空间谱估计；
