1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着信息化时代的飞速发展，水下阵列信号处理在近几十年广泛应用在水声通信、声纳探测、舰船侦察、舰船导航、水下地形探测、水下图像处理等众多领域，是当今水声领域的一项热门话题。空间谱估计作为水下阵列信号处理中一个重要分支，其通过对水下声纳阵列接收信号的参数进行处理，得到目标信号空间谱的相关信息，以完成阵列信号处理对水下信号到达方向(direction-of-arrival, doa)的估计。水下阵列信号 doa 估计的研究具有广泛的民用及军用价值。

波达方向的估计问题是阵列信号处理研究的一个基本问题，这也是声纳、雷达等诸多领域的重要任务之一。doa估计的基本问题就是确定同时处于空间某一区域内的多个感兴趣的信号的入射角度。传统方法主要有最大似然估计 (maximum likelihood method, mlm)算法、子空间算法(subspace method,ssm)、music(multiplesignal classification)算法、esprit(estimating signal parameters viarotational invariancetechniques)算法等。这些算法通常需要大量的采样数据，以便得到良好的统计性能，这在少量采样或采样成本高的情况下必然受到限制。并且，在阵列信号处理中的声信号可能具有一定的相关性，并且在目标移动情况下只能得到同一状态下有限的快拍。在这种条件下，传统 doa 估计方法往往无法得到满意的估计结果，为了解决这个问题，在近几年一种被称为压缩感知(compressed sensing, cs)理论的新兴信号处理理论，凭借其稀疏重构的优越性能逐渐应用到了水下信号处理领域中。它突破了传统奈奎斯特采样定理的限制，以远少于传统奈奎斯特采样定理所需的测量数据就能够精确恢复原信号或估计信号的相关参数。

2. 研究的基本内容与方案

本课题基于压缩感知，要求学习压缩感知理论。 doa 估计是是空间谱估计理论中一个重要概念，而空间谱估计又是阵列信号处理的重要研究方向之一。因此要求学习阵列信号处理相关理论。

在本课题中，重点研究两种基于压缩感知的doa估计算法——基于稀疏迭代协方差的估计方法(sparse iterativecovariance-based estimation,spice)和基于稀疏贝叶斯学习的相关向量机方法(sparsebayesian learning-based relevance vector machine,sblrvm)。使用均匀线性阵列进行模拟研究，以 doa 估计的均方根误差作为评估方法性能的标准，针对窄带信号进行仿真。

不同于以往 doa 估计的经典算法，基于压缩感知的方法将问题化为稀疏信号的恢复问题，因此具有高分辨、鲁棒性好的优点，对于有限数量的快拍有更好的性能。这样的算法已有许多，像迭代重加权 l1 方法、迭代重加权 l2 方法就是基于压缩感知的 doa 估计方法，但是这些方法必须手动调整它们的正则化参数，这使它们在实践中难以应用。

3. 研究计划与安排

第1－2周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第3－4周：熟悉空间处理（即波束形成方法），完成英文资料的翻译，熟悉matlab开发环境。

第5－6周，完成常规波束形成算法，即doa估计

4. 参考文献（12篇以上）

[1] anup das,dave zachariah, petre stoica. comparison of two hyper parameter-free sparsesignal processing methods for direction-of-arrival tracking in the hf97 oceanacoustic experiment. ieee journal of oceanic engineering, 43(3), 2018: 725-734.

[2] das a ,hodgkiss w s , gerstoft p . coherent multipath direction-of-arrival resolutionusing compressed sensing[j]. ieee journal of oceanic engineering, 2016:1-13.

[3] hu n , sunb , zhang y , et al. underdetermined doa estimation method for wideband signalsusing joint nonnegative sparse bayesian learning. ieee signal processingletters, 2017, 24(5):535-539.