本书介绍了基于无人水下航行器舷侧阵的多目标探测技术，主要分为基于合成孔径技术的多目标探测技术和基于多输入多输出阵列处理技术的多目标探测技术两大部分。全书共9章，内容包括合成孔径技术概况、水下运动阵列信号处理基础、运动舷侧阵多目标检测方法、运动舷侧阵阵列扩展方位估计方法、运动舷侧阵波束域方位估计方法、运动舷侧阵极大似然频率-方位联合估计快速算法、舷侧MIMO阵列信号处理基础、舷侧MIMO阵列目标方位估计、舷侧MIMO阵列子空间方位估计方法、多UUV分布式MIMO多子载波信号目标估计。书中主要阐述的是该领域的新方法、新技术，并给出了详尽的仿真实验分析，有助于读者对这些新技术的学习和理解。

前 言 无人水下航行器（Unmanned Underwater Vehicle，UUV）是用于水面侦查、遥控猎雷和作战等可以回收的小型水下自航载体，是一种以潜艇或水面舰艇为支援平台，可长时间在水下自主航行的无人智能小型武器装备平台。当前世界各国都在竞相发展UUV项目，用于收集控制水下信息，组建水下信息和作战网络。关于UUV有六项关键技术，即长续航力推进/能源、水下通信、大地和相关导航、任务管理/控制、传感器和信号处理以及航行体设计。 本书研究的是传感器和信号处理方面的技术，具体地说，就是基于UUV舷侧阵的多目标检测和方位估计技术。在水中兵器中，多目标检测（信号源数目估计）和方位估计的发展直接关系到信号检测、估计和跟踪的正确率和精度，其研究意义十分重大。水下多目标检测技术和方位估计的发展方向是降低可工作信噪比、提高分辨能力、增强环境适应性、提高抗干扰能力，最终为远程多目标识别和跟踪奠定基础。 UUV使用舷侧阵可以突破UUV顶部布阵尺寸小的限制，扩大基阵的孔径，从而降低工作频率，提高多目标感知能力。但是由于UUV本身就是一种小型水下自航载体，其舷侧阵的孔径也是有限的，还是属于小尺度阵，因此为了进一步提高UUV舷侧阵的多目标探测能力，本书主要介绍如何引入合成孔径技术和多输入多输出（MIMO）技术来扩展舷侧阵的虚拟孔径，提高其探测性能。水下运动阵列合成孔径技术起源于拖曳阵列，是最近几十年发展起来的一种新技术，它利用小孔径物理阵列的运动，将沿航迹方向的数据相干累加，形成较大的虚拟阵列孔径，从而提高对目标的分辨率。多输入多输出阵列处理技术是目前国内外的另一个研究热点，与传统相控阵列发射相干信号在空间形成高增益窄波束不同，它利用各发射阵元发射正交（独立）信号在空间形成宽波束，在阵列接收端利用发射波形的正交性获得波形分集增益，虚拟扩展阵列孔径，从而提高阵列系统目标检测和参数估计能力。 本书在内容安排上主要分为基于合成孔径技术的多目标探测技术（第1～5章）和基于多输入多输出阵列处理技术的多目标探测技术（第6～9章）两大部分。第一部分重点研究基于合成孔径技术来提高UUV舷侧阵多目标探测能力的方法，包括合成孔径技术概况、水下运动阵列信号处理基础、运动舷侧阵多目标检测方法、运动舷侧阵阵列扩展方位估计方法、运动舷侧阵波束域方位估计方法、运动舷侧阵极大似然频率-方位联合估计快速算法；第二部分重点研究基于多输入多输出阵列处理技术来提高UUV舷侧阵多目标探测能力的方法，包括舷侧MIMO阵列信号处理基础、舷侧MIMO阵列目标方位估计、舷侧MIMO阵列子空间方位估计方法、多UUV分布式MIMO多子载波信号目标估计。 本书第1～6章以及第8章由侯云山撰写，第7、9章由蒋敏撰写。 本书获河南科技大学学术著作出版基金资助。在此，再次感谢悉心培养了作者的黄建国和张群飞教授，以及曾朝夕相处的博硕士同门金勇、谢达、游鸿、张立杰、马娟等人。 著 者

目 录 第1章 绪论　　　　　　　　　　　　　　　　　　　　　　　 　　 　1 1.1　概述 3 1.2　水下运动阵列信号处理基础 5 1.2.1　系统结构 5 1.2.2　基阵设计 6 1.2.3　舷侧阵信号处理特性 7 1.2.4　窄带信号 8 1.2.5　静止阵列接收数据模型 8 1.2.6　运动阵列接收数据模型 10 1.2.7　采样数据空间的划分 11 1.3　水下运动阵列合成孔径技术发展概况 13 1.3.1　合成孔径阵列的基本概念 13 1.3.2　运动合成阵列频率和方位估计的克拉美罗下界 15 1.3.3　合成孔径处理典型方法 16 1.3.4　合成孔径的其他算法和最新进展 20 1.4　本书的主要内容 23 第2章 运动舷侧阵多目标检测方法　　　　　 29 2.1　典型的多目标检测方法 32 2.1.1　AIC方法和MDL方法 32 2.1.2　EIT方法 36 2.1.3　Eigenvector based Peak-to-Average Ratio方法 39 2.2　基于运动舷侧阵的合成孔径联合检测-估计方法（SATDE） 41 2.2.1　SATDE的原理 41 2.2.2　SATDE方法的步骤 42 2.3　性能分析 46 2.4　本章小结 50 第3章 运动舷侧阵阵列扩展方位估计方法　　 53 3.1　扩展拖曳阵测量（ETAM）方法 55 3.1.1　ETAM方法的原理及步骤 55 3.1.2　最优重叠阵元数的确定 59 3.2　运动舷侧阵阵列扩展方位估计（LPMAE）方法 60 3.2.1　线性预测的基本原理 61 3.2.2　空域线性预测算法 62 3.2.3　LPMAE方法 67 3.3　性能分析 69 3.4　ETAM扩展虚拟阵数据的波束形成方法选择 75 3.5　本章小结 78 第4章 运动舷侧阵波束域方位估计方法　　 81 4.1　自适应波束形成技术概述 83 4.1.1　CBF和MVDR波束形成器 84 4.1.2　自适应波束形成算法 88 4.2　强干扰环境下的波束域方位估计方法 92 4.2.1　稳健Capon波束形成器（RCB） 93 4.2.2　波束域合成孔径处理方位估计方法（BSAP） 97 4.3　性能分析 100 4.4　本章小结 104 第5章 运动舷侧阵极大似然频率-方位联合估计快速算法 107 5.1　合成孔径极大似然频率-方位联合估计方法 109 5.2　基于完备抽样的合成孔径极大似然频率-方位联合估计快速算法 112 5.2.1　马尔可夫链蒙特卡罗方法 113 5.2.2　PS-ML 115 5.2.3　性能分析 119 5.3　基于蚁群算法的合成孔径极大似然频率-方位联合估计快速算法 122 5.3.1　蚁群算法概述 122 5.3.2　ACO-ML 125 5.3.3　性能分析 129 5.4　本章小结 132 第6章 舷侧MIMO阵列信号处理基础 137 6.1　概述 139 6.2　MIMO阵列结构和信号模型 140 6.2.1　MIMO阵列发射信号 141 6.2.2　MIMO阵列接收信号 142 6.2.3　匹配滤波和波束形成 144 6.3　UUV舷侧MIMO阵列目标探测系统 147 6.4　多UUV分布式MIMO探测目标回波模型 150 6.5　本章小结 154 第7章 舷侧MIMO阵列目标方位估计 159 7.1　概述 161 7.2　UUV舷侧MIMO阵列模型与虚拟孔径扩展 162 7.2.1　UUV舷侧MIMO阵列信号模型 163 7.2.2　UUV舷侧MIMO阵列虚拟孔径扩展 164 7.3　MIMO阵列方位估计 170 7.3.1　MIMO阵列旋转不变子空间方位估计（MIMO-ESPRIT） 方法 170 7.3.2　MIMO阵列Capon方位估计（MIMO-Capon）方法 176 7.3.3　水池试验验证 177 7.4　本章小结 180 第8章 舷侧MIMO阵列子空间方位估计方法 183 8.1　阵列信号模型 185 8.2　基于多输入多输出阵列的子空间方位估计方法（MIMO-SBEM） 186 8.2.1　子空间缩放MUSIC（SSMUSIC）方法 186 8.2.2　MIMO-SBEM方法 188 8.3　性能分析 190 8.4　本章小结 193 第9章 多UUV分布式MIMO多子载波信号目标估计 195 9.1 概述 197 9.2　高斯包络多子载波信号 198 9.3　目标位置和速度估计及其克拉美罗下界 200 9.3.1　目标位置和速度的最大似然估计方法 200 9.3.2　目标位置和速度估计的联合克拉美罗下界 201 9.3.3　多子载波信号模糊度函数 204 9.4　仿真性能分析 206 9.5　本章小结 213