基于特征值加权的稳健水声阵列信号DOA估计

李维强; 邢传玺; 谈光枝; 黄廷龙

doi:10.11714/acta.snus.ZR20250236

您当前的位置：

首页 >

文章列表页 >

基于特征值加权的稳健水声阵列信号DOA估计

更新时间：2026-01-21

- 基于特征值加权的稳健水声阵列信号DOA估计
- DOA estimation for underwater acoustic array signals based on eigenvalue weighting
- 中山大学学报(自然科学版)(中英文) 2026年页码：1-9
- 作者机构：
  
  云南民族大学电气信息工程学院 / 云南省无人自主系统重点实验室，云南昆明 650504
- 作者简介：
  
  李维强（1999年生），男；研究方向：水声阵列信号处理；Email：liweiqiang2023@163.com
  邢传玺（1982年生），男；研究方向：水下信息感知与处理；Email：xingchuanxi@ymu.edu.cn
- 基金信息：
  
  国家自然科学基金(61761048);云南省基础研究专项(20210AT070132)
- DOI：10.11714/acta.snus.ZR20250236
  中图分类号： TN911.7
- 收稿：2025-11-06，
  
  录用：2025-12-08，
  
  网络出版：2026-01-21，
- 稿件说明：
移动端阅览
李维强, 邢传玺, 谈光枝, 等. 基于特征值加权的稳健水声阵列信号DOA估计[J/OL]. 中山大学学报(自然科学版)(中英文), 2026,1-9.

LI Weiqiang, XING Chuanxi, TAN Guangzhi, et al. DOA estimation for underwater acoustic array signals based on eigenvalue weighting[J/OL]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2026, 1-9.
李维强, 邢传玺, 谈光枝, 等. 基于特征值加权的稳健水声阵列信号DOA估计[J/OL]. 中山大学学报(自然科学版)(中英文), 2026,1-9. DOI： 10.11714/acta.snus.ZR20250236.

LI Weiqiang, XING Chuanxi, TAN Guangzhi, et al. DOA estimation for underwater acoustic array signals based on eigenvalue weighting[J/OL]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2026, 1-9. DOI： 10.11714/acta.snus.ZR20250236.

摘要

提出了一种融合Toeplitz重构与特征值加权降噪的嵌套阵列离格稀疏贝叶斯水声信号方位估计方法。算法通过虚拟域映射与重构获得满秩协方差矩阵，并对信号子空间特征值加权以抑制噪声并保留有效信息；进而构建离格稀疏表示模型，利用贝叶斯学习实现最大后验估计。仿真与海试验证表明，该方法仅需6个物理阵元即可估计11个信源，在低快拍和近距离多目标场景下仍保持高分辨率与稳定性；当信噪比为

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98653106&type=

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98653132&type=

1.52400005

2.28600001

15 dB时，所提算法的RMSE较同阵列下的MUSIC与ESPRIT算法分别提升了53.11%和60.04%。所提算法能有效利用虚拟阵列自由度、抑制噪声干扰，实现低信噪比、小快拍数下更精确的DOA估计，鲁棒性更优。

Abstract

An off-grid sparse Bayesian method for underwater acoustic signals using nested arrays is proposed. The method integrates Toeplitz reconstruction and eigenvalue-weighted denoising. It constructs a full-rank covariance matrix through virtual array mapping and reconstruction，then applies eigenvalue weighting to the signal subspace to suppress noise while preserving essential information. And off-grid sparse representation model is solved by Bayesian learning for maximum a post

eriori estimation. Simulation and sea trial results demonstrate that the method can estimate up to 11 sources using only 6 physical sensor elements. It maintains high resolution and stability even in scenarios with a low number of snapshots and multiple closely spaced targets. Furthermore，at a signal-to-noise ratio（SNR） of

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98653122&type=

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98653157&type=

5.84200001

2.70933342

dB， the estimation performance of the algorithm shows an improvement of 53.11% and 60.04%，compared to MUSIC and ESPRIT algorithms under the same array configuration. By effectively leveraging the degrees of freedom offered by the virtual array and suppressing noise interference，the proposed algorithm achieves more accurate direction of arrival（DOA） estimation under conditions of low SNR and a small number of snapshots，demonstrating superior robustness.

关键词

Keywords

references

丁姗姗，张永顺，牛超，等， 2015 . 一种基于Khatri-Rao子空间的非均匀稀疏阵列［J］. 空军工程大学学报（自然科学版）， 16 （ 5 ）： 78 - 82 .

高卫港，王鼎，张钺洋，等， 2023 . 基于贝叶斯压缩感知的子空间拟合离格DOA估计［J］. 电讯技术， 63 （ 2 ）： 158 - 164 .

李荣禄，汤建龙，袁永强， 2024 . 基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计［J］. 雷达科学与技术， 22 （ 3 ）： 334 - 340 .

刘振，苏晓龙，师俊朋，等， 2023 . 稀疏阵列波达方向估计研究进展［J］. 信息对抗技术， 2 （ Z1 ）： 1 - 15 .

卢俊，张群飞，史文涛，等， 2021 . 基于子空间加权的多重信号分类时延估计算法［J］. 探测与控制学报， 43 （ 1 ）： 30 - 35+40 .

毛彦元，马万禹，司伟建， 2025 . 嵌套阵列设计研究综述［J］. 航空兵器， 32 （ 2 ）： 34 - 47 .

苏龙，谷绍湖， 2022 . 基于阵列协方差矩阵的DOA估计方法［J］. 计量与测试技术， 49 （ 12 ）： 7 - 10 .

徐付佳，杨泽宇，孙文博，等， 2025 . 存在阵元姿态误差的声矢量圆阵特征结构方位估计［J］. 声学学报， 50 （ 4 ）： 964 - 972 .

杨德森，朱中锐，时胜国，等， 2014 . 声矢量圆阵相位模态域目标方位估计［J］. 声学学报， 39 （ 1 ）： 19 - 26 .

FU H S ， DAI F Z ， HONG L ， 2023 . Off-grid error calibration for DOA estimation based on sparse Bayesian learning ［J］. IEEE Trans Veh Technol ， 72 （ 12 ）： 16293 - 16307 .

HE S ， SUN N ， YANG Z W ， et al ， 2025 . The DOA estimation algorithm based on virtual domain block matching for nested arrays in the presence of mutual coupling ［J］. IEEE Access ， 13 ： 20427 - 20436 .

LU C J ， ZHENG J B ， YANG T Y ， et al ， 2023 . DOA estimation based on coherent integration-sparse Bayesian learning with time-variant gain-phase errors ［J］. IEEE Trans Aerosp Electron Syst ， 59 （ 6 ）： 7951 - 7962 .

MALIOUTOV D ， CETIN M ， SWILLSKY A ， 2005 . A sparse signal reconstruction perspective for source localization with sensor arrays ［J］. IEEE Trans Signal Process ， 53 （ 8 ）： 3010 - 3022 .

MERKOFER J P ， REVACH G ， SHLEZINGER N ， et al ， 2023 . DA-MUSIC： Data-driven DoA estimation via deep augmented MUSIC algorithm ［J］. IEEE Trans Veh Technol ， 73 （ 2 ）： 2771 - 2785 .

MOLAEI A M ， ZAKERI B ， ANDARGOLI S M H ， et al ， 2024 . A comprehensive review of direction-of-arrival estimation and localization approaches in mixed-field sources scenario ［J］. IEEE Access ， 12 ： 65883 - 65918 .

PAL P ， VAIDYANATHAN P P ， 2010 . Nested arrays： A novel approach to array processing with enhanced degrees of freedom ［J］. IEEE Trans Signal Process ， 58 （ 8 ）： 4167 - 4181 .

POTE R R ， RAO B D ， 2023 . Maximum likelihood-based gridless DOA estimation using structured covariance matrix recovery and SBL with grid refinement ［J］. IEEE Trans Signal Process ， 71 ： 802 - 815 .

SHARMA U ， AGRAWAL M ， 2022 . 2qth-Order cumulants based virtual array of a single acoustic vector sensor ［J］. Digit Signal Process ， 123 ： 103438 .

WANG M Z ， NEHORAI A ， 2017 . Coarrays， MUSIC， and the Cramér-Rao bound ［J］. IEEE Trans Signal Process ， 65 （ 4 ）： 933 - 946 .

WANG Q S ， YU H ， LI J ， et al ， 2023 . Adaptive grid refinement method for DOA estimation via sparse Bayesian learning ［J］. IEEE J Ocean Eng ， 48 （ 3 ）： 806 - 819 .

ZHANG Y H ， LIANG N N ， YANG Y X ， et al ， 2024 . Fast sparse Bayesian learning based on beamformer power outputs to solve wideband DOA estimation in underwater strong interference environment ［J］. Electronics ， 13 （ 8 ）： 1456 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据