姚琦海 汪 勇 黎佳艺 杨益新

(西北工业大学航海学院 西安 710072)

0 引言

水下目标定位利用基阵接收到的声信号来探测目标声源的位置，一直以来是水声信号处理领域的热点，本文研究其中的一个方面——目标距离估计［1−3]。在军事和民用领域中，隐蔽性较好的被动定位技术有着广泛的应用。传统的被动定位方法大多为基于匹配场处理(Matched field processing,MFP)的方法。1976年，Bucker［4]推导出了线性匹配场处理器，使用实际环境模型，引入了距离深度的模糊函数。1988年，Baggeroer［5]建立水平分层的海洋环境波导模型，将MFP 技术应用在低信噪比场景中，研究表明增加带宽可以提升匹配场算法的定位性能。1996年，Michalopoulou等［6]提出利用非相关方法对各个频点的窄带模糊度函数叠加，验证了宽带匹配场定位算法中非相关方法的可行性。2003年，Soares 等［7]利用各个频点之间的相关信息，建立了归一化相关处理器、匹配相位相关处理。2006年，杨坤德等［8]针对环境失配条件下的强干扰问题，提出了一种线性匹配场干扰抑制算法。2018年，贾雨晴等［9]提出了一种在声速剖面时变环境下的自适应匹配场定位算法，结果表明该算法的定位性能较常规匹配场算法有较大提升。MFP 方法利用水声信道特性将声传播模型和阵列信号结合起来，实现水下目标被动定位。但此类模型驱动方法需要海深、声速剖面等参数，在低信噪比和缺少环境参数的情况下，会严重影响定位性能。随着机器学习技术的迅速发展，以神经网络为代表的数据驱动方法在水声领域得到了广泛的应用。……