1.基于多传感器数据融合的智能水声信号处理系统，其特征在于，包括主控单元，以及与主控单元相连的数据处理模块和多传感器模块，所述多传感器模块包括水听器、水下加速度传感器、姿态传感器和温度传感器，分别对应的采集水声信号、线加速度信号、角速度信号和温度信号；

所述数据处理模块包括信号调理模块和模数转换模块，经过信号调理模块对传感器模块采集的模拟信号进行放大与调理，放大与调理后的信号送往模数转换模块进行数字化；

所述主控单元包括数据融合模块、方位计算模块和校准模块，数据融合模块接收数据处理模块的输出信息进行数据融合，并将数据融合结果输入方位计算模块，结合Eigen‑AMVDR算法进行波束形成与目标方向估计，最终输出目标方位角与运动状态参数，结合校准模块确保输出精度；

所述数据融合模块进行融合处理时包括惯性数据融合与水声信号融合，具体的：惯性数据融合：首先融合线加速度与角速度信号，采用互补滤波方法解算当前姿态角；

基于当前姿态角构建旋转矩阵对线加速度信号进行姿态补偿；结合动态权重分配进行加权融合，计算多通道加权平均值作为融合结果；最后将经修正后的线加速度数据进行合成；

水声信号融合：利用旋转矩阵对其接收方向进行实时校正，校正后的水声信号在统一时间戳与姿态参考下与经惯性数据融合后的数据同步封装，进入方位计算模块；

所述方位计算模块针对接收的信号构建协方差矩阵，对协方差矩阵进行特征分解，得到特征值和特征向量；特征值大的特征向量对应于信号子空间，而特征值小的特征向量对应于噪声子空间，利用特征向量将接收信号投影到信号子空间和噪声子空间，以分离出信号和噪声成分；

在信号子空间中应用Eigen‑AMVDR算法，计算最优权重向量W，使得在目标方向上的增益最大，同时抑制其他方向的干扰和噪声，具体的：（1）从数据融合模块获得融合之后的线加速度、角速度及水声信号数据，按照预定义时间窗构造样本数据，利用采样数据计算协方差矩阵Ri，然后对协方差矩阵Ri进行特征值分解，提取信号的主要分量，得到信号子空间和噪声子空间的分布情况；

（2）融合多个通道之间的二阶统计量，并据此设计加权融合式功率谱：；

其中， 表示第j通道在方向 上的功率响应函数，权值 则由各通道信号能量与其统计特性决定，通过加权融合多个通道的信息，计算综合的波束指向响应；

（3）在设定的角度范围内遍历 ，对每个角度计算上述功率谱 ，将结果绘图即可形成波束图，将前述信号子空间中的信息与加权融合式功率谱进行加权融合；

具体来说：定义一个增强波束函数：

；

其中， 是期望方向 上的导向矢量， 为 的共轭转置；

（4）实际得到的 看作是真实目标方位分布 与一个点扩散函数PSF的卷积结果，即：；

利用解卷积算法对 进行迭代处理，求解出目标分布 ，迭代更新公式为：；

其中， 由 初始化， 为 的翻转版本；

最终的目标方向估计 即为迭代过程收敛后的输出结果：

；

其中，K为迭代终止条件满足时的步数，通过迭代更新，最终使得估计的目标方位在正确的方向上形成清晰的峰值，从而精准确定目标方位；

所述主控单元通过通信模块与上位机相连，以实现数据传输和远程监控。

2.根据权利要求1所述的基于多传感器数据融合的智能水声信号处理系统，其特征在于：所述校准模块用以实现实时动态补偿：系统在运行过程中，持续采集各个传感器输出数据并进行实时比对，利用滑动窗口技术分析每次采集的线加速度数据，并计算其均值和方差；若连续多个窗口的数据超出设定容忍范围，则视为发生了偏差；当检测到偏差时，基于校准模块，应用低通滤波器滤除突发的噪声，重新计算新的偏置和增益值，并将新的偏置和增益值参数动态加载到校准模块中进行校准。

3.根据权利要求1所述的基于多传感器数据融合的智能水声信号处理系统，其特征在于：所述信号调理模块采用差分放大电路设计，差分放大电路采用差分放大器OPA1632构建可变增益差分放大网络，包括串联的第一OPA模块和第二OPA模块，第一OPA模块的正输入端连接电阻R1，负输入端连接电阻R2，第一OPA模块的正输入端和负输出端之间并联连接电阻R3和电容C1，负输入端和正输出端之间并联连接电阻R4和电容C2，同理，第二OPA模块的正输入端连接电阻R5，负输入端连接电阻R6，第二OPA模块的正输入端和负输出端之间并联连接有电阻R7和电容C3，第二OPA模块的负输入端和正输出端之间并联连接有电阻R8和电容C4，第二OPA模块的负输出端连接有电容C5，正输出端连接有电容C6，且在第二OPA模块的负输出端和正输出端分别对应的连接电阻R9和R10接地。

4.根据权利要求1所述的基于多传感器数据融合的智能水声信号处理系统，其特征在于：经数据处理模块处理后的数据传输至主控单元后，首先进行数据预处理，预处理后的数据再通过数据融合模块融合，在进行数据预处理时，具体包括：

1）时空对齐：通过统一时间戳标记不同传感器采样数据，实现多源数据的时间同步；

2）静态基准校准：在系统启动阶段采集静止状态下的数据，构建线性校准模型；

3）温度补偿：基于实时采集的温度数据，结合各传感器的温漂模型，对水声信号、角速度和线加速度测量值进行修正。

5.基于权利要求1所述的基于多传感器数据融合的智能水声信号处理系统的方法，其特征在于：包括以下步骤：步骤A、数据采集与预处理：多传感器模块采集水下相关信号，经过信号调理模块对传感器模块采集的模拟信号进行放大与调理，放大与调理后的信号送往模数转换模块进行数字化，统一输入主控单元进行信号预处理；

步骤B、数据融合与滤波：经过主控单元预处理后的数据通过数据融合模块进行多源信息融合，对线加速度信号进行姿态补偿，并通过滤波去除噪声；

步骤C、位置与方向计算：结合方位计算模块，使用Eigen‑AMVDR算法，通过计算信号的协方差矩阵，提取信号的特征向量，进而估算目标的方向和方位角；

步骤D、误差校准与补偿： 结合校准模块，通过静态数据采集进行基准校准，获取传感器的零点偏置和增益误差，在实际运行过程中，通过实时监控数据变化，结合动态补偿机制进行校准；

步骤E、数据监控与显示：最后处理后的数据通过上位机进行显示与监控。

6.根据权利要求5所述的基于多传感器数据融合的智能水声信号处理系统的方法，其特征在于：所述步骤A中，所述主控单元进行信号预处理时，包括以下步骤：

1）时空对齐：通过统一时间戳标记不同传感器采样数据，实现多源数据的时间同步；

2）静态基准校准：在系统启动阶段采集静止状态下的数据，构建线性校准模型；

3）温度补偿：基于实时采集的温度数据，结合各传感器的温漂模型，对水声信号、角速度和线加速度测量值进行修正，以减少温度变化带来的零点偏移和增益误差。

7.根据权利要求5所述的基于多传感器数据融合的智能水声信号处理系统的方法，其特征在于：所述步骤C中，在进行方位计算时，其原理如下：方位计算模块针对接收的信号构建协方差矩阵，对协方差矩阵进行特征分解，得到特征值和特征向量；特征值大的特征向量对应于信号子空间，而特征值小的特征向量对应于噪声子空间，利用特征向量将接收信号投影到信号子空间和噪声子空间，以分离出信号和噪声成分；

在信号子空间中应用Eigen‑AMVDR算法，计算最优权重向量W，使得在目标方向上的增益最大，同时抑制其他方向的干扰和噪声，具体的：（1）从数据融合模块获得融合之后的线加速度、角速度及水声信号数据，按照预定义时间窗构造样本数据，利用采样数据计算协方差矩阵Ri，然后对协方差矩阵Ri进行特征值分解，提取信号的主要分量，得到信号子空间和噪声子空间的分布情况；

（2）融合多个通道之间的二阶统计量，并据此设计加权融合式功率谱：；

其中， 表示第j通道在方向 上的功率响应函数，权值 则由各通道信号能量与其统计特性决定，通过加权融合多个通道的信息，计算综合的波束指向响应；

（3）在设定的角度范围内遍历 ，对每个角度计算上述功率谱 ，将结果绘图即可形成波束图，将前述信号子空间中的信息与加权融合式功率谱进行加权融合；

具体来说：定义一个增强波束函数：

；

其中， 是期望方向 上的导向矢量， 为 的共轭转置；

（4）实际得到的 看作是真实目标方位分布 与一个点扩散函数PSF的卷积结果，即：；

利用解卷积算法对 进行迭代处理，求解出目标分布 ，迭代更新公式为：；

其中， 由 初始化， 为 的翻转版本；

最终的目标方向估计 即为迭代过程收敛后的输出结果：

；

其中，K为迭代终止条件满足时的步数，通过迭代更新，最终使得估计的目标方位在正确的方向上形成清晰的峰值，从而精准确定目标方位。

8.根据权利要求5所述的基于多传感器数据融合的智能水声信号处理系统的方法，其特征在于：所述步骤D中，具体基于以下原理实现：系统在运行过程中，持续采集各个传感器输出数据并进行实时比对，利用滑动窗口技术分析每次采集的线加速度数据，并计算其均值和方差；若连续多个窗口的数据超出设定容忍范围，则视为发生了偏差；当检测到偏差时，基于校准模块，应用低通滤波器滤除突发的噪声，重新计算新的偏置和增益值，并将新的偏置和增益值参数动态加载到校准模块中进行校准。