分数阶傅里叶变换在近场宽带LFM信号被动定位中的应用

"本文提出了一种利用分数阶傅里叶变换进行聚焦波束形成的被动定位方法，用于水声近场宽带线性调频(LFM)信号的测向和测距。该方法首先建立基于球面波模型的近场宽带LFM信号接收数据模型，然后通过分数阶傅里叶变换将LFM信号的时变阵列流形矩阵转化为固定阵列流形矩阵，再结合近场声源的聚集波束形成技术，应用多重信号分类算法实现对多个宽带LFM信号的方位与距离的联合估计。这种方法已经在数值仿真的基础上得到了验证，证明了其在水声目标定位上的有效性，并分析了信噪比、声源距离、声源数量等因素对算法性能的影响。该研究受到国家自然科学基金的资助。" 这篇研究论文探讨了近场宽带LFM信号的被动测向和测距技术，主要关注的是在水声通信和监测领域中的应用。LFM信号因其在宽带和多普勒效应方面的优势，常被用于水声探测和定位。论文提出的创新点在于引入了分数阶傅里叶变换(FRFT)，这是一种非线性的数学工具，能够处理时变信号，尤其适合LFM信号的特性。 首先，研究建立了一个基于球面波模型的近场宽带LFM信号接收模型，这个模型考虑了信号在传播过程中的物理特性，如空间传播、衰减和多路径效应。接着，利用FRFT将LFM信号的时变性质转换成固定属性，使得信号的处理变得更加简单且高效。这一转换有助于保持信号的频谱特性，同时减少了处理的复杂度。 然后，研究结合了近场声源的聚集波束形成技术，这是一种提高信号检测精度和抑制噪声的方法。通过这种方式，可以集中信号能量，增强目标信号相对于背景噪声的信噪比，从而提高测向和测距的准确性。 最后，论文采用了多重信号分类算法(MUSIC)来估计多个宽带LFM信号的方位和距离。MUSIC算法是一种著名的高分辨率谱估计算法，特别适用于窄带信号和宽波束形成情况，能够有效区分近场内的多个声源。 通过数值仿真，研究验证了该方法在实际水声环境下的表现，表明它能准确地估计出目标的方位和距离，并且分析了信噪比、声源距离以及同时存在的声源数量对定位精度的影响。这些结果对于理解算法性能和优化水声通信系统的设计具有重要的理论和实践意义。 这项研究为水声通信中的被动定位提供了一种新的、有效的解决方案，特别是在近场环境和存在多个宽带LFM信号的情况下。这种方法的应用可以提升水下目标探测和跟踪的能力，对于海洋监测、军事侦察和水下机器人导航等领域具有重要意义。