声学所提出一种改进的联合局域空时自适应处理算法

该算法最大限度地利用了训练样本，大大降低了计算量，提升了混响抑制性能，因此该方法在水下移动平台具有良好的应用前景。下一步研究人员将进一步验证该方法在实际应用中的优势，提升算法的性能。图1训练样本充足时...

该算法最大限度地利用了训练样本，大大降低了计算量，提升了混响抑制性能，因此该方法在水下移动平台具有良好的应用前景。下一步研究人员将进一步验证该方法在实际应用中的优势，提升算法的性能。

图1 训练样本充足时的算法性能比较（图/中科院声学所）

论文链接

为解决上述困难，中国科学院声学研究所水下航行器信息技术重点实验室郝程鹏团队提出了一种利用阵列对称特性的联合局域化降维空时自适应处理（JDL-STAP, Joit Domain Localised-Space Time Adaptive Processing) 方法。在减少计算量的同时有效提高了样本有限情况下的混响抑制性能。

研究结果显示，当有足够的训练样本时，JDL STAP相比最优STAP性能损失为6dB，而Per-JDL STAP相比最优STAP性能损失为4dB。当训练样本不足时，JDL STAP算法的性能损失为25dB，而Per-JDL STAP算法的性能损失只有6dB。

相关研究成果发表于国际期刊The Journal of Engineering。

研究人员发现混响的协方差矩阵结构具有斜对称(Persymmetry)性质，将其与联合局域降维JDL-STAP方法相结合，提出了基于先验知识的Per-JDL算法。

混响一直是主动声纳系统中希望被抑制的干扰，水下移动声纳平台自身的运动特性使其混响空时谱在二维平面扩展开来，具有空时耦合特性。空时自适应处理(STAP，Space Time Adaptive Processing)技术是抑制空时耦合混响的有效手段，若想将STAP应用于水下需要解决两方面的问题：一是水下环境复杂，可获得的均匀辅助数据样本量严重不足；二是全自适应STAP需进行高维矩阵求逆，计算量非常大。

图2 训练样本不足时的算法性能比较（图/中科院声学所）

该研究得到国家自然科学基金（No.61701490）资助。