基于非线性批处理的非合作水声脉冲源定位方法

《Electronics》：A Localization Method Based on Nonlinear Batch Processing for Non-Cooperative Underwater Acoustic Pulse Source Xiaoyan Wang, Yang Ye, Haopeng Deng, Yuntian Ji, Hongli Cao and Liang An

　　

非合作水下脉冲信号源的位置可以通过对水听器阵列获取的到达方向（DOA）和到达频率（FOA）测量值应用目标运动分析技术来估计。然而，恶劣的水声环境（具有明显的多径传播、高信号衰减和稀疏的可检测脉冲）给DOA和FOA的估计引入了相当大的误差。这些误差会降低传统估计器（如伪线性估计（PLE）方法）的性能，导致显著的偏置和发散问题。为了解决这些问题，研究人员提出了一种基于非线性批处理的非合作水下目标定位方法。基于非线性观测模型和加权最小二乘（WLS）原理构建代价函数，以确保高建模保真度；随后，采用多起点网格搜索结合信任区域dogleg算法对代价函数进行全局迭代优化，提高了最终位置估计的精度和稳定性。数值仿真结果表明，所提方法在不利噪声条件和接收脉冲数量有限的情况下，实现了高收敛速度和定位精度。此外，海上试验结果证实，该算法在仅接收25个脉冲时实现了93%的收敛率，并且在定位精度上比传统PLE方法高出约80%。

**基于非线性批处理的非合作水声脉冲源定位方法解读**

**研究背景与问题**
水下非合作信号源定位是水声工程中的挑战性课题，其难点在于目标信号缺乏先验特征，且水声环境具有多径传播、高衰减和脉冲稀疏等特性，导致传统的到达方向（DOA）和到达频率（FOA）测量误差显著。现有批处理方法（如伪线性估计（PLE）方法）因线性化引入较大偏置，而最大似然估计（MLE）等非线性方法则对初始值高度敏感，易陷入局部最优或发散。为解决这些不足，研究人员提出了一种针对非合作水声脉冲源的稳健定位方法，旨在克服线性化误差和初始化敏感性，提升在有限脉冲数下的定位精度与收敛稳定性。该研究发表在《Electronics》。

**主要技术方法**
研究人员采用以下关键技术：（1）基于DOA和FOA的非线性观测模型，构建加权最小二乘（WLS）代价函数，并通过平滑残差法动态计算权重，以平衡两种测量量纲差异并抑制异常噪声。（2）多起点网格搜索策略，在搜索空间内生成多个初始点，降低对单一初始值的依赖。（3）信任区域（TR）dogleg优化算法，通过构建二次模型和自适应半径更新实现全局迭代收敛。海试数据来自2018年试验，观测站以约3 m/s向东运动，目标漂移无动力，发射连续波（CW）脉冲（周期20 s，中心频率3.8 kHz）。

**研究结果**
**Multi-Starting Grid Search Effectiveness Verification**：通过误差分布直方图对比，多起点网格搜索在0%–20%误差区间内的样本比例（70.20%）显著高于单起点搜索（59.27%），且避免了极端误差，证明该策略能有效降低局部最优风险，提升全局搜索能力。

**Effects of Observation Noise and Received Pulse Number on Algorithm Performance**：在固定25个脉冲、DOA噪声标准差0.5°和FOA噪声标准差0.5 Hz条件下，所提TR算法在角度噪声0.1°–1.9°范围内保持>70%收敛率，而PLE在1.9°时降至约20%；TR的均方根误差（RMSE）增长最慢（约1300 m），更接近克拉美-罗下界（CRLB）。随着频率噪声增加，TR始终优于其他算法；在噪声2.0 Hz时，TR的RMSE约为PLE的一半。随着接收脉冲数从10增至25，TR收敛率从40%跃升至近100%，而PLE仅从10%升至60%，表明TR对数据利用更高效。

**Effects of Motion Scenarios on Algorithm Performance**：在不同初始距离（5–30 km）、目标速度（1–10 m/s）、航向角（0°–180°）和初始方位角（0°–80°）条件下，TR算法展现出更高的收敛率和更低的RMSE。例如，初始距离20 km时TR仍维持约60%收敛率，PLE则接近0%；目标速度1 m/s时TR收敛率约70%，显著优于PLE；航向角较小时（<60°）PLE失效，而TR仍能部分收敛；初始方位角>50°时PLE迅速恶化，TR则保持约20%收敛率。这些结果验证了TR在多种运动几何下的鲁棒性。

**Discussion on Algorithmic Synergy and Component Contributions**：通过消融实验明确多起点网格、平滑残差加权和TR优化器的协同作用：移除多起点网格使收敛率降至31.5%；去除加权使算法易受异常噪声影响；替换TR为标准高斯-牛顿（GN）则困于病态雅可比矩阵。三者互补是实现高性能的关键。

**Sea Trial Data**：海试数据处理表明，TR算法在25个脉冲时达到93%的收敛率，显著高于PLE（约13%）；在15–35脉冲区间，TR的相对距离误差快速下降至约5%，而PLE需45个脉冲才能达到类似水平。滑动窗口测试（固定25脉冲）中，TR的最大相对误差约30%，低于PLE的50%。偏置敏感性测试显示，系统DOA偏置（约1.15°）仅引起空间偏移，未导致算法发散，证实了TR对系统误差的鲁棒性。

**讨论与结论**
研究人员通过仿真和海试全面验证了所提算法在噪声、数据集有限及复杂运动几何下的优越性能。讨论指出，算法在极端几何条件（如极小最近接近点距离或极高噪声）下仍存在可观测性下降问题，导致误差增大，但整体上成功克服了传统方法建模精度低和依赖大观测量的不足。结论部分翻译如下：
针对非合作水声脉冲信号的批处理定位问题，研究人员提出了一种基于多起点网格搜索和信任区域（TR）优化的定位算法。从根本上讲，这一方法论贡献是针对水下脉冲的特定设计，策略性地结合了加权最小二乘（WLS）加权、多起点网格搜索和dogleg优化。这种特定组合成功规避了伪线性方法的偏置估计以及基本迭代方法的初始化脆弱性。所提方法首先通过累积一批脉冲数据并利用平滑后的DOA和FOA的均方残差进行加权，构建WLS定位模型；随后采用TR算法求解，并通过多起点方法优化搜索。多起点网格搜索策略避免了手动选择初始迭代点，增强了对不良初始化的鲁棒性，降低了收敛到异常解的概率，显著提升了算法的整体稳定性。值得注意的是，当前方法假设高斯测量噪声；在严格非高斯干扰下评估并增强算法的鲁棒性仍是未来研究的关键课题。仿真和海试数据验证了所提算法的性能。仿真结果表明，该算法对噪声具有鲁棒性且数据高效，即使少量脉冲也能获得可靠结果；例如，仅20个脉冲即可达到80%的收敛率。随着接收脉冲数增加，收敛率提高，位置均方根误差（RMSE）降低，30个脉冲时相对距离误差收敛至20%以下。然而，必须客观承认所提系统的固有局限性。如数值仿真所示，在极端几何或环境条件（如非常小的最近接近点距离或异常高的测量噪声）下，算法可观测性降低，导致估计误差明显增加。尽管存在这些边界限制，所提算法通过展示在标准操作条件下优越的收敛性能和精度，成功克服了传统算法建模精度低和依赖大量观测的关键缺点，从而提供了更高的实用性和可靠性。