西安工业信号检测与估计SDE_09ch6补近场源定位

近场源定位综述DOA雷斌[e-mail]imation信号检测与估值第八讲bSpring20162019/12/16SDE07c近场源估计2•一、介绍•二、研究状况•三、基础知识•四、近场源定位背景•五、近场源定位方法•六、要研究的问题2019/12/16SDE07c近场源估计3一、介绍•源定位主要是研究如何确定被接收信号相对于接收传感器来自什么方向和距离是多少的问题–方向估计（BearingEstimating）•也叫方向识别（DirectionFinding）•或DOA（Direction-ofArrival）估计。–距离估计（RangeEstimating）。•源定位在无线通信、雷达、声纳、地震探测和生物医学等领域有着广泛的应用。2019/12/16SDE07c近场源估计4•对移动终端进行定位。利用移动通信网络为用户提供定位信息，将给人们的生活带来极大的便利，移动通信网所提供的定位业务具有巨大的应用前景，具有以下重要用途：–（1）急救呼叫业务，如E911（FCC于2001年颁布），路边紧急呼叫；–（2）跟踪业务，如基于智能交通系统（ITS）的车辆及旅客位置、车辆调度跟踪，防老人、儿童走失的跟踪系统；–（3）安全保卫，协助公安系统破案；–（4）基于移动台位置的灵活计费；–（5）信息服务，如提供驾驶方向信息等。通信系统中移动终端定位2019/12/16SDE07c近场源估计5•雷达系统中需要对目标进行定位。雷达在战争中发挥了巨大的作用，任何武器都无法替代它，在战争中雷达是飞机、军舰和火炮的耳朵和眼睛。准确的估计出目标的位置对现代战争中交战双方都有着至关重要的意义。现在雷达管制还广泛应用于民航领域，它能够更有效地保障空中交通管理的安全可靠。•声纳系统中许多情况都需要对水下物体进行定位。如水下生物观测、看护潜水员、船底走私物品侦测、水下证据搜寻、海上救助打捞、水下考古等。2019/12/16SDE07c近场源估计6•地震探测问题中需要对震源进行准确定位。地震定位是地震学中最经典、最基本的问题之一，对于研究诸如地震活动构造、地球内部结构、震源的几何构造等此类地震学中的基本问题有重要意义。此外，基于快速准确的地震定位的地震速报，对于震后的减灾、救灾工作也是至关重要的。因此，地震学家一直在不断改进或提出新的定位方法。•生物医学上已经有人用传感器阵列对肿瘤进行定位，对肿瘤的精确定位对于肿瘤的治疗有很重大的意义。2019/12/16SDE07c近场源估计7定位方式分类•定位按照源的个数可以分为单源定位、多源定位•按照使用的物质可分为声音定位、电磁波定位•按照源距离传感器的距离可以分为近场源定位、远场源定位•按照源信号频带可以分为窄带源定位、宽带源定位2019/12/16SDE07c近场源估计8•远场源定位是在假设源到达各个传感器的方向是平行的基础上进行的，如图1。在这样的假设下，源的定位模型忽略了被测源到传感器的距离只与角度这一参数有关，因此只包含DOA估计问题。然而，事实上被定位的源距离传感器阵列近的情况时常发生（源到达各个传感器的方向满足不了平行的条件），如图2。2019/12/16SDE07c近场源估计9在近场情况下每个源的定位模型就不止是与角度这一单独参数有关，同时它还与距离这一参数有关。同远场源定位问题相比近场源定位问题中信噪比将增大，但是去掉了远场的假设，增加了一个参数必然使得近场源定位算法比原有的远场源定位算法更加复杂。2019/12/16SDE07c近场源估计10二、研究状况•近场多源定位问题的研究起源于70年代末，80年代初。估计的方法主要有三角形法和时延估计法[10]。•三角形法需要多个阵列，对于各个阵列源被假设处于远场，采用远场DOA方向估计的方法估计出源对于多个阵列的方向，通过解三角形确定源的位置[1]。XABDOA2019/12/16SDE07c近场源估计11•时延估计的方法主要有：直接时延估计法和间接时延估计法。直接时延估计一般适用于宽带源信号的定位。直接时延估计的目的是要估计出信号到达两个传感器的时间差。利用直接时延估计要想定位至少需要3个传感器。估计出其中两个传感器相对于基准传感器的时延，可以得到两条双曲线，源的几何位置应该是两个双曲线的交点。直接时延估计方法按使用统计量分基于互相关的[2]、基于高阶统计量的[3、25]还有后来的基于循环统计量的方法[4、26、27]。2019/12/16SDE07c近场源估计12间接时延估计一般适用于窄带源信号的定位间接时延估计中由于对于均匀线阵，时延包含了角度和距离两个参数，因此可以直接对这两个参数进行估计，确定源的位置。间接时延估计方法有极大似然（ML-MaximumLikelihood）法[5]、MUSIC（MultipleSignalClassification）法[5]、多项式根方法[6]、ROOT-MUSIC法[7、8]、ESPRIT（EstimatingSignalParameterviaRotationInvarianceTechniques）类方法[9、10]、SWV（SpatialWigner-Ville）变换法[11]、二阶统计量法[12、13]、远场估计方法[14]、循环统计量[15]。90年代以来，随着高阶统计量的广泛应用，高阶统计量方法开始在近场多源定位中发挥作用[9、10、16]。2019/12/16SDE07c近场源估计13•基于间接时延估计进行近场源定位在国内还未见有相关文献发表，国外研究的人主要有•A.L.Swindlehurst，T.Kailath,Y.D.Huang，M.Barkat,A.J.Weiss,B.Friedlander，D.Starer，A.Nehorai,S.Shamsunder，R.N.Challa，K.A.Meraim，Y.B.Hua，A.Belouchrani，Jong-HwanLee，C.M.Lee，K.K.Lee，Ju-HongLee。2019/12/16SDE07c近场源估计14•基于间接时延估计进行近场源定位的很多特性都是对远场源定位方法的扩展如MLE、MUSIC法、多项式根方法、ROOT-MUSIC法；还有一些方法是对非线性相位进行处理如：SWV变换法、二阶统计量法、ESPRIT类方法。高阶统计量在近场源定位中的应用主要是为人们提供了一种进一步去除复杂噪声、分离两个参数的可能。2019/12/16SDE07c近场源估计15三应用现状•无线电台定位•噪声源定位2019/12/16SDE07c近场源估计16频谱分析-无线网干扰源定位和识别方法2019/12/16SDE07c近场源估计17噪声源识别与传递路径分析•声阵列和声源定位（SoundLocalization）–BBM特有的十字型声阵列系统，使用呈十字排列的29个传声器完成相当于15×15平面阵列的功能，大大地降低了系统的成本；–PAK的声源定位软件主要针对运动声源和非稳态噪声源识别，可以判别出各频段噪声源的位置和大小，如车辆行驶中空气噪声、发动机噪声、轮胎噪声和排气噪声等。•传递路径分析与合成（TPA/TPS）–BBM传递路径分析，是用实验的方法将接收点的噪声分解为主要传递路径的合成。–BBMPAK系统用4阶滤波器模拟每一条路径。对每一个路径上的降噪效果通过对声波的合成，重新回放；–对于各路径之间的窜扰(Cross-talk)，BBM采用专利算法，通过距阵运算，消除窜扰的影响。2019/12/16SDE07c近场源估计18发动机等检测：不能直接检测2019/12/16SDE07c近场源估计19•利用麦克风阵，声照相机能让我们看到不同噪声的强度和产生的位置。声照相机不仅在降噪和声波分析领域有巨大的应用，而且可以扩展到产品质量保证等方面。声照相机系统120次谐波主要来自轴承145次谐波主要来自电机2019/12/16SDE07c近场源估计20声照相机的应用：汽车行驶噪声2019/12/16SDE07c近场源估计21三、基础知识•3-1高阶统计量和高阶谱高阶统计量指大于二阶的统计量，它包括高阶累积量和高阶矩。高阶谱定义为它们的多维傅立叶变换。高阶累积量和二阶统计量相比具有以下几个方面显著优点:①由于高斯过程的高阶累积量等于零,非高斯过程的高阶累积量不为零,因此能抑制(白色或有色)高斯信号提取非高斯信号。②高阶累积量不仅能提供信号的幅度信息,而且还能提供信号的相位信息,因此高阶累积量可用于非最小相位系统辩识和非最小相位信号的建模。③高阶累积量可以检测和描述系统的非线性。④高阶累积量可以清晰地刻划随机序列自身和随机序列之间在时间上的相关程度。2019/12/16SDE07c近场源估计22•3-1-1定义高阶统计量包括高阶累积量和高阶矩，它们都描述了随机过程的数字特征。对于维随机变量的联合概率密度函数为，其第一特征函数定义为(3.1.1)其第二特征函数定义为(3.1.2)显然维随机变量的特征函数是其联合概率密度函数的维傅立叶反变换。n),,,(21nxxx),,,(21nxxxp)][exp(),,,(221121nnnxjxjxjE),,,(ln),,,(2121nnn),,,(21nxxxn2019/12/16SDE07c近场源估计23•随机变量的阶联合矩和联合累积量分别定义为),,,(21nxxxknkkkm21nkkkc21021212121212121),,,()(][nnnnknkknrrknkkkkkjxxxEm02121212121),,,()(nnnknkknrrkkkjckkkkrn21其中(3.1.3)(3.1.4)2019/12/16SDE07c近场源估计24•高阶矩和高阶累积量可以相互转换。对于零均值平稳维随机变量，其二、三和四阶累积量与矩之间的关系分别为(3.1.5)(3.1.6)(3.1.7)•对于零均值的平稳随机过程，相应地有如下关系(3.1.8)(3.1.9)(3.1.10))(nx)}()({)(,2nxnxEcx)}()()({),(2121,3nxnxnxEcx)()()()()()()}()()()({),,(21,23,213,22,232,21,2321321,4xxxxxxxccccccnxnxnxnxEc}{}{}{}{}{}{}{},,,{32414231432143214321iiiiiiiiiiiiiiiiiiiixxExxExxExxExxExxExxxxExxxxCum}{},,{321321iiiiiixxxExxxCum}{},{2121iiiixxExxCum2019/12/16SDE07c近场源估计25•高阶谱包括高阶矩谱和高阶累积量谱。它们分别是高阶矩和高阶累积量的多维傅立叶变换。但由于很少使用高阶矩谱，所以人们习惯上就把高阶累积量谱简称为高阶谱。高阶谱定义如下：如果随机过程的阶累积量绝对可和，即(3.1.11)其阶谱定义为(3.1.12)常用的叫做双谱，叫做三谱。kkckkxk,|),...,,(|11121,k11121,121,]exp[),...,,(),...,,(11kiiikxkkxkjCSk),(21,3xS),,(321,4xS2019/12/16SDE07c近场源估计26•3-2循环统计量循环平稳理论起源于对一类特殊的非平稳信号—循环平稳信号的研究，其主要工具为循环统计量，循环统计量包括循环相关函数和高阶循环统计量。从广义上讲，高阶循环统计量也是高阶统计量的一种[23]。循环统计量与传统高阶统计量相比