資源描述：
《聲矢量傳感器陣中基于kalman濾波和opastd的doa跟蹤算法》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、聲矢量傳感器陣中基于Kalman濾波和OPASTd的DOA跟蹤算法摘要：研宄了聲矢量傳感器陣動目標角度跟蹤問題，并提出了聲矢量傳感器陣中一種基于Kalman濾波和正交壓縮近似投影子空間跟蹤的波達方向跟蹤算法。該算法通過OPASTd算法來進行DOA的跟蹤，從而克服了PASTd算法由于在某些情況下振蕩但不收斂進而壓縮數(shù)據(jù)、在迭代更新中由特征向量的不準確性產(chǎn)生誤差累積等原因引起破壞信號子空間正交性的缺陷。Kalman濾波和OPASTd相結合算法可在估計角度的同時進行數(shù)據(jù)關聯(lián)，與傳統(tǒng)的PASTd算法相比，角度
2、跟蹤性能更好。該算法的優(yōu)越性均可在文中得到驗證。關鍵詞：聲矢量傳感器陣；波達方向估計；Kalman濾波；OPASTd中圖分類號：TN911.7文獻標志碼：A文章編號：1005-261503-0377-07DOATrackingAlgorithmforAcousticVector-SensorArrayviaKalmanFilterandOPASTdChenWeiyang，ZhangXiaofei，ZhangLicenAbstract：Adirectionofarrivaltrackingalgorit
3、hmviaKalmanfilterandorthonormalprojectionapproximationandsubspacetrackingofdeflationforacousticvector-sensorarrayisproposedbasedontheinvestigationoftargettracking.TheproposedalgorithmusesOPASTdalgorithmtotrackDOA,thusovercomingthedestroyedorthogonalityo
4、fsignalsubspaceofPASTdalgorithm.Thereasonsforthisdefeltare：Firstly,thevibratedandnon-convergentPASTdalgorithmleadstodatacompressioninsomecases；secondly，thePASTdalgorithmproduceserroraccumulationbytheinaccuracyofeigenvectorsduringiterativeupdate.Thepropo
5、sedalgorithmcanestimateangleandcontactdata,whichhasabetterDOAtrackingperformancethantraditionalPASTdalgorithm.Simulationresultsverifytheusefulnessoftheproposedalgorithm.Keywords:acousticvector-sensorarray；directionofarrivalestimation；Kalmanfilter；OPASTd
6、基金項目：國家自然科學基金資助項目；江蘇省博士后科研資助計劃資助項目；中國博士后基金資助項目；江蘇高校優(yōu)勢學科建設工程資助項目。收稿日期：2015-02-01；修訂日期：2015-03-29聲矢量傳感器陣列廣泛應用于聲納系統(tǒng)和水聲通信系統(tǒng)等中[1-4];波達方向估計為聲矢量傳感器陣列中核心技術[6-10]。因此，自提出以來，聲矢量傳感器陣列DOA估計算法不斷涌現(xiàn)，包括Capon算法［11］、多重信號分類算法［12-13］、旋轉不變信號參數(shù)估計技術算法［14-16］、平行因子算法［10］，傳播算子算法［
7、17］等。其中，Capon算法和MUSIC算法均采用譜峰搜索的方法實現(xiàn)DOA的估計，性能優(yōu)越但復雜度高；ESPRIT算法是一種基于特征值構造的閉式參數(shù)估計方法，無需譜峰搜索過程，從而減少了計算復雜度；PARAFAC算法無需譜峰搜索和特征值分解，通過三線性最小二乘的方法來進行參數(shù)估計，角度估計性能優(yōu)于ESPRIT算法，但迭代過程會帶來巨大的計算量；PM算法也無需譜峰搜索和特征值分解，計算復雜度較低，但性能比MUSIC算法差。文獻［18］提出了一種級聯(lián)的MUSIC算法在聲矢量陣中估計二維DOA,該算法通過
8、兩次一維搜索實現(xiàn)二維DOA的聯(lián)合估計，可避免二維MUSIC算法由二維譜峰搜索過程帶來的巨大計算量；文獻［10］中提出將三線性分解方法沿用到任意聲矢量傳感器陣列中，利用三線性分解的唯一性和可辨識性實現(xiàn)DOA估計；文獻［13］則通過聲矢量傳感器陣進行相干信源的DOA估計。在實際場景中，被估計的目標角度往往隨著時間改變而變化，所以研宄DOA跟蹤算法變得很有實際意義［19-23］］，但以上DOA估計算法不能直接用于聲矢量傳感器陣DOA跟蹤。因此，如何提出一些高效
