基于進化技術的近場聲源定位研究.pdf

1、在存在多個窄帶源的環(huán)境中，遠場和近場信源定位存在諸多挑戰(zhàn)。為分析信源定位的性能，常見的挑戰(zhàn)有:陣列輸出的快拍，未知參數(shù)的聯(lián)合估計，未知參數(shù)的匹配，計算復雜度，對噪聲的魯棒性，信源與陣列之間距離的估計，陣列擾動和多維波達方向(DOA)。這里提到的一些挑戰(zhàn)可以在系統(tǒng)建模中得到解決，例如陣列的幾何結構，陣元的間隔和待測的信源數(shù)量，其他的挑戰(zhàn)則可以在算法的層面上進行處理。
　　選擇近場窄帶信源定位是受到室內(nèi)通信和信源定位，超聲波成像，電子

2、監(jiān)控，射頻識別(RFID)通信，水下信源定位和地震勘探等領域不斷增長的應用需求的啟發(fā)。本論文中，主要貢獻之一是在近場信源定位中僅使用陣列輸出的單快拍數(shù)據(jù)進行參數(shù)估計，這使其可以在實時應用中使用。此外，我們通過利用演化計算的優(yōu)勢，實現(xiàn)無需匹配的距離和DOA聯(lián)合估計。文中使用均勻線陣(ULA)和L-型陣列等陣列構型，是因其具有成本效益，計算簡便和易于使用等性質(zhì)。
　　本文的主要貢獻簡要總結如下:
　　1.均勻線陣(ULA)近場窄

3、帶信源定位（1D DOAs和距離）的統(tǒng)計分析和建模。
　　當窄帶信源存在于陣列的菲涅耳區(qū)（近場）時，信源定位問題變得更加復雜。由于信源入射的波前變成球面，同時需要信源的距離和到達角信息才能實現(xiàn)準確定位。這將使聯(lián)合估計的未知參數(shù)數(shù)目翻倍，并使計算過程復雜化?，F(xiàn)有的近場窄帶信源定位模型需要大量的陣列輸出快拍。此外，大多數(shù)現(xiàn)有模型不能聯(lián)合估計未知參數(shù)，而是需要逐個進行估計。這也使得這些方法在需要實時性的應用中無法使用。為了克服大量快拍的

4、需求，提出了一種稱為差分演化的演化技術，采用均方誤差作為適應度評估函數(shù)。所提算法十分高效，能夠在基于均勻線陣的近場窄帶信源定位中使用單快拍進行未知參數(shù)的聯(lián)合估計。所提算法的統(tǒng)計分析是通過大量的蒙特卡羅模擬進行的。仿真結果表明，所提出的方法更接近于Cramer-Rao界，且隨著信噪比的增加逐步趨近。此外，結果表明，當信源遠離陣列時，根據(jù)遠場中來波距離無限遠的理論，所提算法表現(xiàn)會受到影響。且當信源的數(shù)量大于所使用的陣元數(shù)時，所提方法失效，因

5、為這是已經(jīng)變成一個欠定問題。
　　2.存在陣元位置擾動的情況下，均勻線陣的增強建模和近場窄帶信源定位性能的統(tǒng)計分析。
　　通常，在陣列信號處理中，傳感器位置被認為是已知的。在實際情況下，外部因素和制造精度限制會導致被稱為陣列擾動的傳感器位置誤差。使用具有傳感器位置擾動的陣列會降低參數(shù)估計的性能和精度。一些現(xiàn)有的模型通過陣列預校準精確地獲得傳感器位置，然后進行信源定位。為了避免陣列預校準的需求，針對存在隨機陣元位置誤差的均勻線

6、陣的近場窄帶信源定位進行建模。在這種情況下，未知參數(shù)的數(shù)量是信源數(shù)量的兩倍多。為了簡化，將該過程分為三個步驟。首先，在假設不存在傳感器位置誤差的情況下，聯(lián)合估計距離和DOAs。由于實際中是存在傳感器位置誤差的，這些參數(shù)估計結果并不準確。第二步，使用上面估計出的距離和DOAs作為校準源來估計陣元位置擾動。然后，考慮到第二步中估計出的陣元位置不確定性，對近場窄帶信源的DOAs和距離進行更新。由于適應度函數(shù)為均方誤差的差分演化算法所具有的能力

7、，有效性，易用性和單快拍可收斂到最優(yōu)解的特性，將其作為全局優(yōu)化器。大量的蒙特卡羅模擬及其統(tǒng)計分析展示了所提方法的有效性。所提方法的實驗結果與其他方法進行以及Cramer-Rao界進行了比較。結果表明，即使在傳感器擾動的情況下，所提出的方法也優(yōu)于其他方法，并且趨近于Cramer-Rao界。
　　3.在不使用任何配對匹配條件下，將均勻線性陣列的統(tǒng)計分析和建模擴展到L型陣列，用于聯(lián)合估計近場窄帶源的距離和二維DOA。
　　對近場窄

8、帶信源距離和二維DOAs無需匹配的聯(lián)合估計中，將均勻線陣拓展到L-型陣列的統(tǒng)計分析和建模
　　歷經(jīng)數(shù)十年，二維波達方向估計現(xiàn)已頗受重視?，F(xiàn)有的二維陣列幾何構型包括圓形陣列，平面陣列，球形陣列等。隨著DOA估計的維數(shù)增加，估計過程的計算復雜度持續(xù)受陣列幾何構型的影響，DOAs配對匹配變得至關重要，甚至會導致配對不準確和角度估計性能差。用于二維DOA估計的現(xiàn)有模型需要二維搜索和非線性優(yōu)化的匹配算法。為克服匹配的困難，并聯(lián)合估計近場窄帶

9、源的范圍和二維DOA（即俯仰角和方位角），提出了一種由兩個ULA首尾垂直相接而成L-型平面陣列。與矩形陣列和圓形陣列相比，L型陣列在覆蓋區(qū)域和使用上具有優(yōu)勢，因為它只需要較少的陣元。使用L型陣列的另一個優(yōu)點是能通過將陣列解耦為兩個ULA來獨立估計DOA從而得到二維DOA。由于適應度函數(shù)為均方誤差的差分演化算法不需要譜峰搜索，額外的角度匹配過程和具有實時優(yōu)勢的單快拍收斂特性，將其由于優(yōu)化估計過程。理論分析和實驗結果表明，即使在未知參數(shù)是信