CN103713276A - 基于最小互熵谱分析的波达方向估计方法 - Google Patents
基于最小互熵谱分析的波达方向估计方法 Download PDFInfo
- Publication number
- CN103713276A CN103713276A CN201310717611.3A CN201310717611A CN103713276A CN 103713276 A CN103713276 A CN 103713276A CN 201310717611 A CN201310717611 A CN 201310717611A CN 103713276 A CN103713276 A CN 103713276A
- Authority
- CN
- China
- Prior art keywords
- signal
- entropy
- power spectrum
- minimum
- array
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010183 spectrum analysis Methods 0.000 title abstract 4
- 238000001228 spectrum Methods 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 239000003643 water by type Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 abstract description 4
- 230000005236 sound signal Effects 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
- G01S3/802—Systems for determining direction or deviation from predetermined direction
- G01S3/803—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived from receiving transducers or transducer systems having differently-oriented directivity characteristics
- G01S3/8034—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived from receiving transducers or transducer systems having differently-oriented directivity characteristics wherein the signals are derived simultaneously
- G01S3/8036—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived from receiving transducers or transducer systems having differently-oriented directivity characteristics wherein the signals are derived simultaneously derived directly from separate directional systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于最小互熵谱分析的波达方向估计方法。步骤包括:发射换能器发射信号;用接收水听器阵接收发射的声信号的回波;对接收到的回波信号进行平面波模型的建模,然后运用最小互熵谱估计的方法进行处理,得到空间功率谱估计值;对所述的空间功率谱估计值进行分析,峰值处对应横坐标即为目标所在估计角度。本发明只需要一次较少阵元的阵列采样数据即可得到具有高分辨率的谱分析结果。进一步采用倒谱法,通过逆FFT变换提高了最小互熵谱分析算法的收敛速度。本方法较常规空间谱估计方法有更高的分辨力和更小的运算量,能够对阵列信号进行实时处理。算法不依赖于预先估计的信源数目,具有较好的宽容性,较高的分辨力以及极低的旁瓣电平。
Description
技术领域
本发明涉及雷达、声纳及无线通信领域,特别涉及基于最小互熵谱分析的波达方向估计方法。
背景技术
波达方向(Directional of Arrival,DOA)估计是阵列信号处理领域的一个重要研究方向,在通信、雷达和声纳领域都有广泛的应用。在信号定位时,一般需要确定信号的二维到达角(方位角和俯仰角),即2D-DOA。学者们基于空间谱估计提出了各种有效且实用的算法,比如多重信号分类算法(MultipleSignal Classification,MUSIC和旋转不变算法(Estimation of SignalParameter via Rotational Invariance Techniques,ESPRIT)等经典算法来实现2D-DOA估计。然而这些算法的计算量较大,很难调和高分辨率和计算时间长这两者之间的矛盾。Malioutov等人针对均匀线阵的角度估计问题,提出了一种基于接收数据奇异值分解的简化算法。杨雪亚等结合稀疏解问题和二维DFT,提出一种DOA的迭代算法。然而这些算法虽然降低了计算时间,却存在数据盲区的问题。
发明内容
本发明的目的是针对阵列信号的实时处理,提供基于最小互熵谱分析的波达方向估计方法,在只有较少阵元数的阵列采样(快拍)数据情况下得到高分辨率的谱分析结果。
基于最小互熵谱分析的波达方向估计方法,包括:
(1.1)发射换能器发射信号;
(1.2)用接收水听器阵接收发射的声信号的回波;
(1.3)对接收到的回波信号进行平面波模型的建模,然后运用最小互熵谱估计的方法进行处理,得到空间功率谱估计值;
(1.4)对所述的空间功率谱估计值进行分析,峰值处对应横坐标即为目标所在估计角度。
在步骤(1.2)中,所述的接收水听器阵的布阵要求满足半波长布阵,当所述的声信号为宽带信号时,需满足最小波长的半波长布阵要求。
在步骤(1.3)中,所述的最小互熵谱估计包含以下步骤:
(3.1)最小互熵算法是估计一个真实的概率分布,使得它与给定的先验概率分布之间的相对熵最小;
(3.2)利用功率谱密度和自相关函数互为傅立叶变换的关系,用方便计算的自相关函数值来估计功率谱密度,而自相关函数值的数量有限,那么根据最小互熵算法来外推不能通过计算得到的自相关函数值,从而得到更加准确的功率谱密度;
(3.3)利用驾驶协方差矩阵,获得回波信号的高分辨率算法空间功率谱估计,取空间功率谱估计值的峰值对应的横坐标,即为目标的方位估计值。
步骤(1.2)中,所述的接收水听器阵接收到的回波信号只存在较小的多普勒扩展。
步骤(1.3)中,所述的空间功率谱估计要求探测水域混响小。
与现有技术相比,本发明的有益效果是:
传统的DOA估计方法如多重信号分类算法(MUSIC)需要对阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索,运算量巨大,尤其是二维DOA估计方法还存在稳健性较差的问题。
(1)本发明只需要一次快拍数据,即能在信噪比和阵元数都很小的情况下得到较高的空间谱分辨率,体现了该算法在DOA估计中的优势。
(2)采用倒谱法实现的最小互熵算法很大程度上降低了计算量,能够对阵列信号进行实时处理。
(3)不依赖于预先估计的信源数目,而且能够高分辨力辨识它们,具有较好的宽容性。
附图说明
图1是本发明的原理图;
图2是发射换能器和8元接收水听器阵及目标的示意图;
图3是DOA为-45°和60°时不同样本数下MCE和MUSIC算法的空间谱曲线;
图4是DOA为-5°和5°时不同样本数下MCE和MUSIC算法的空间谱曲线;
图5是莫干山湖上实验声速剖面图;
图6是不同样本数下MCE和MUSIC算法的空间谱曲线。
具体实施方式
下面结合附图和具体实例对本发明做进一步的描述。
本发明所采取的具体技术方案,步骤包括:
(1)发射换能器发射信号;
(2)用接收水听器阵接收发射的声信号的回波;
(3)对接收到的回波信号进行平面波模型的建模,然后运用最小互熵谱估计的方法进行处理,得到高分辨率的DOA估计;
(4)对空间功率谱估计值进行分析,其峰值处对应横坐标即为目标所在估计角度。
利用本发明的基于最小互熵谱分析的波达方向估计方法包括如下步骤:
(1)对于N元均匀线阵,阵元间距为d,d≤λ/2,λ为波长,在远场、平面波假设下有M个窄带点源信号以θk(k=1,2,...,M)方向入射,则阵列接收的快拍数信号可表示为X(t)=A(θ)S(t)+N(t),其中X(t)N×1为快拍数据矢量,N(t)N×1为阵列噪声矢量,阵列噪声假定为空时均独立的高斯白噪声,其均值为0,方差为σ2,S(t)为入射信号复幅度矢量,θ=[θ1,...θM]为信源方位矢量,A(θ)为驾驶向量矩阵,且A(θ)=[a(θ1),a(θ2),...,a(θM)]其中,a(θk)=[1,ejβk,...,ej(N-1)βk]T,k=1,2,...,M为第k个信源的驾驶矢量,βk=-2πdsin(θk)λ。阵列的协方差矩阵R定义为R=E[X(t)XH(t)]=ARsAH+σ2I,其中,Rs=E[S(t)SH(t)]为入射信号的协方差矩阵,I为单位阵。
(2)根据谱分析的空时等效性原理,对于一个给定阵列,不同的入射角对应不同的频率分量。通过对空间谱峰的搜索,就可以获得空间信号的方向信息,从而实现测向。为满足均匀线阵无侧向模糊,通常d≤λ/2,则M个信号的频率为|-dsin(θk)/λ|≤1/2,其满足采样定理中最小频率值为1,因此x(n)所组成的离散采样序列满足采样定理的要求。由于噪声为高斯白噪声,且各阵元间的噪声相互独立,其互相关函数为0,频谱为平坦谱,故可以得到M个谱峰。根据谱峰对应的频率即可求出信号的到达角
θk=arcsin(-fkλ/d) (1)
其中x∈D,连续情况下互熵定义为式(2)(3)并不能完全确定如何从上述约束条件的解的集合Ω里找到的估计,最小互熵为这个推断问题提供了一个一般性的解决方法:对于满足限制条件的所有密度,我们选择的后验q要和先验p有着最小互熵,即
(4)根据拉格朗日乘数法来求最小互熵分布,设
其中λ和βk均为拉格朗日乘数,由步骤(3)中的约束条件式(2)和(3)决定。
其中t0=0。由于后验功率谱的估计Sk=∫xkq(x)dx (9)
联合式(5),(7),(8)和(9)得
(6)Shore提出的最小互熵算法较为复杂,后来有学者提出了一种新的最小互熵谱估计方法——倒谱法,它首先应用Tzannes的互熵概念推导最小互熵谱公式,证明了Lagrange因子λk是被测信号先验信息倒谱和后验信息倒谱之差,即
其中,δn-k为单位冲激函数,当n=k是为1,否则为0。IFFT表示逆FFT变换,则IFFT[logS(ω)]为信号序列的倒谱,IFFT[logP(ω)]为信号先验序列的倒谱。
根据公式(11),采用倒谱法,即使在阵元数量很少的情况下也能得到分辨率较高的频谱,采用步骤(2)中的式(1)即可计算信号的波达方向。
实施例1
如图1所示,本发明所使用的探测装置包括干端和湿端,干端包括信号发射机、功率放大器、信号接收机和信号处理器,湿端包括发射换能器和一个8元接收水听器阵,此时发射阵阵元个数为M=1,接收阵阵元个数为N=8。
需要说明的是,虽然图1为方便说明而以单个发射换能器和8元接收水听器为示例,但本发明的发射换能器阵中的发射换能器可以是M元,接收水听器阵中的接收水听器可以是N元,其中,M的取值与信号发射机所发送的相互正交的正交信号的数量相同,且M为≥1的正整数;N是接收阵元的个数,接收阵元的个数是大于1的正整数,即N为≥1的正整数。
发射阵和接收阵的布阵示意图如图2所示,接收阵的阵间距为7.5cm,以发射阵元为参考原点,那么发射驾驶向量at(θ)和接收驾驶向量ar(θ)分别可以用式(14)和式(15)表示,
at(θ,fn)=exp(-j2πdtfnsin(θ)/c),dt=[050]T/100 (14)
ar(θ,fn)=exp(j2πdrfnsin(θ)/c), (15)
dr=[-30 -22.5 -15 -7.5 0 7.5 15 22.5]T/100;
式(14)和式(15)中,fn为发射信号对应第n个采样点的频率,c为水的声速,实验的实际声速如图3声速剖面所示,θ为目标可能存在的所有方位,T表示矩阵转置运算。
在此系统上进行仿真。图3显示了不同样本数下MCE和MUSIC算法的空间谱曲线,其中来波方向为-45°和60°。容易看出在样本数为1,即只有一次快拍数据时,MUSIC算法失去了有效性;而样本数为1时,MCE算法却能很好地识别出波达方向。仿真结果还表明,达到和MCE相当的辨识度,MUSIC算法需要的样本数至少为16。由于MUSIC算法需要对阵列接收数据的协方差矩阵进行特征分解,并在全空间进行谱峰搜索,所以需要较长的计算时间。仿真结果表明,在CPU为Inter(R)Core(TM)i7,主频为3.07GHz的计算机上,得到大致相同的谱分析结果,MCE算法所需要的时间(0.0069秒)仅为MUSIC算法所需要时间(0.74秒)的1/100左右。
图4显示了来波方向为-5°和5°时MCE和MUSIC算法的空间谱曲线。容易看出,即使只采用了一次快拍数据,MCE算法能够识别两个位置很近的来波角度,而尽管增加样本数,MUSIC算法却不能很好地辨识来波方向。
实施例2
采用浙江大学水声实验室2013年4月在浙江省湖州市莫干山湖的湖试实验数据,阵元数N=8,样本数不定,信源数为1,信源信号为PCW信号,信号持续时间10ms,频率6kHz,采样频率48kHz,来波方向为0°。实验当天声速梯度剖面如图5所示,数据处理结果如图6。容易看出,对于实际采样信号而言,采用一次快拍数据的MCE算法能够很好的辨识出来波方向,而MUSIC算法却不能,这和前面的仿真结果吻合较好。
Claims (5)
1.一种基于最小互熵谱分析的波达方向估计方法,其特征在于,包括:
(1.1)发射换能器发射信号;
(1.2)用接收水听器阵接收发射的声信号的回波;
(1.3)对接收到的回波信号进行平面波模型的建模,然后运用最小互熵谱估计的方法进行处理,得到空间功率谱估计值;
(1.4)对所述的空间功率谱估计值进行分析,峰值处对应横坐标即为目标所在估计角度。
2.根据权利要求1的方法,其特征在于,在步骤(1.2)中,接收水听器阵的布阵要求满足半波长布阵,当所述的声信号为宽带信号时,需满足最小波长的半波长布阵要求。
3.根据权利要求1的方法,其特征是,在步骤(1.3)中,所述的最小互熵谱估计包含以下步骤:
(3.1)最小互熵算法是估计一个真实的概率分布,使得它与给定的先验概率分布之间的相对熵最小;
(3.2)利用功率谱密度和自相关函数互为傅立叶变换的关系,用方便计算的自相关函数值来估计功率谱密度,而自相关函数值的数量有限,那么根据最小互熵算法来外推不能通过计算得到的自相关函数值,从而得到更加准确的功率谱密度;
(3.3)利用驾驶协方差矩阵,获得回波信号的高分辨率算法空间功率谱估计,取空间功率谱估计值的峰值对应的横坐标,即为目标的方位估计值。
4.根据权利要求1的方法,其特征在于,步骤(1.2)中,接收水听器阵接收到的回波信号只存在较小的多普勒扩展。
5. 根据权利要求1的方法,其特征在于,步骤(1.3)中,所述的空间功率谱估计要求探测水域混响小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310717611.3A CN103713276B (zh) | 2013-12-23 | 2013-12-23 | 基于最小互熵谱分析的波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310717611.3A CN103713276B (zh) | 2013-12-23 | 2013-12-23 | 基于最小互熵谱分析的波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103713276A true CN103713276A (zh) | 2014-04-09 |
CN103713276B CN103713276B (zh) | 2016-01-06 |
Family
ID=50406401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310717611.3A Expired - Fee Related CN103713276B (zh) | 2013-12-23 | 2013-12-23 | 基于最小互熵谱分析的波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103713276B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291449A (zh) * | 2016-08-04 | 2017-01-04 | 大连大学 | 对称稳定分布噪声下波达方向角估计新方法 |
CN107490780A (zh) * | 2017-06-01 | 2017-12-19 | 同方电子科技有限公司 | 一种可抑制均匀分布的相位误差的测向方法 |
CN109471078A (zh) * | 2018-11-07 | 2019-03-15 | 南京信息工程大学 | 一种基于图像熵的双基地mimo雷达阵元缺损诊断方法 |
CN109521426A (zh) * | 2017-09-18 | 2019-03-26 | 比亚迪股份有限公司 | 基于汽车雷达获取目标的角度的方法及其装置 |
CN110554378A (zh) * | 2019-09-10 | 2019-12-10 | 深圳锐越微技术有限公司 | 单通道多普勒雷达径向运动方向识别方法及装置 |
CN112485761A (zh) * | 2021-02-03 | 2021-03-12 | 成都启英泰伦科技有限公司 | 一种基于双麦克风的声源定位方法 |
CN113255528A (zh) * | 2021-05-28 | 2021-08-13 | 胡琼 | 一种单多目标分类方法及装置 |
CN113640737A (zh) * | 2021-07-27 | 2021-11-12 | 哈尔滨工程大学 | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135091A (zh) * | 2011-11-25 | 2013-06-05 | 上海无线电设备研究所 | 一种波达方向估计系统中的自适应冲击噪声消除方法 |
-
2013
- 2013-12-23 CN CN201310717611.3A patent/CN103713276B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135091A (zh) * | 2011-11-25 | 2013-06-05 | 上海无线电设备研究所 | 一种波达方向估计系统中的自适应冲击噪声消除方法 |
Non-Patent Citations (3)
Title |
---|
李云洲 等: "实现最小互墒编码多用户检测的快速算法", 《清华大学学报(自然科学版)》 * |
邱天爽 等: "脉冲噪声下基于广义类相关熵的DOA估计新方法", 《信号处理》 * |
马静艳 等: "阵元指向未知条件下的信号波达方向估计", 《航天电子对抗》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291449A (zh) * | 2016-08-04 | 2017-01-04 | 大连大学 | 对称稳定分布噪声下波达方向角估计新方法 |
CN106291449B (zh) * | 2016-08-04 | 2018-10-16 | 大连大学 | 对称稳定分布噪声下波达方向角估计方法 |
CN107490780A (zh) * | 2017-06-01 | 2017-12-19 | 同方电子科技有限公司 | 一种可抑制均匀分布的相位误差的测向方法 |
CN107490780B (zh) * | 2017-06-01 | 2020-07-10 | 同方电子科技有限公司 | 一种可抑制均匀分布的相位误差的测向方法 |
CN109521426A (zh) * | 2017-09-18 | 2019-03-26 | 比亚迪股份有限公司 | 基于汽车雷达获取目标的角度的方法及其装置 |
CN109471078A (zh) * | 2018-11-07 | 2019-03-15 | 南京信息工程大学 | 一种基于图像熵的双基地mimo雷达阵元缺损诊断方法 |
CN109471078B (zh) * | 2018-11-07 | 2022-11-22 | 南京信息工程大学 | 一种基于图像熵的双基地mimo雷达阵元缺损诊断方法 |
CN110554378A (zh) * | 2019-09-10 | 2019-12-10 | 深圳锐越微技术有限公司 | 单通道多普勒雷达径向运动方向识别方法及装置 |
CN112485761A (zh) * | 2021-02-03 | 2021-03-12 | 成都启英泰伦科技有限公司 | 一种基于双麦克风的声源定位方法 |
CN113255528A (zh) * | 2021-05-28 | 2021-08-13 | 胡琼 | 一种单多目标分类方法及装置 |
CN113640737A (zh) * | 2021-07-27 | 2021-11-12 | 哈尔滨工程大学 | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 |
CN113640737B (zh) * | 2021-07-27 | 2022-06-21 | 哈尔滨工程大学 | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103713276B (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103713276A (zh) | 基于最小互熵谱分析的波达方向估计方法 | |
CN103091661B (zh) | 基于迭代谱重构的宽带信号波达方向估计方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN103048642B (zh) | 基于频域最小二乘法的水声脉冲信号匹配场定位方法 | |
CN103076594B (zh) | 一种基于互相关的水声脉冲信号双阵元定位的方法 | |
CN103616661B (zh) | 一种稳健的远场窄带信号源个数估计方法 | |
CN105589056A (zh) | 一种多目标远近场混合源定位方法 | |
CN103323827B (zh) | 基于快速傅里叶变换的mimo雷达系统角度估计方法 | |
CN104360310A (zh) | 一种多目标近场源定位方法和装置 | |
CN102176008B (zh) | 一种三维地层成像的相控方位滤波方法 | |
CN101644773A (zh) | 一种实时频域超分辨方位估计方法及装置 | |
CN103076590A (zh) | 一种基于频率预估的水声脉冲信号的定位方法 | |
CN101813772A (zh) | 一种快速宽带频域扩展拖曳阵波束形成方法 | |
CN103698753A (zh) | 一种小型阵列的无源通道校正方法 | |
CN106249196A (zh) | 三分量声矢量传感器稀疏阵列四元数解模糊方法 | |
CN104502904A (zh) | 一种鱼雷自导波束锐化方法 | |
CN111650556A (zh) | 一种宽带辐射源参数估计方法 | |
CN102866383B (zh) | 一种基于空域自适应滤波的波达方向估计方法 | |
CN109696657A (zh) | 一种基于矢量水听器的相干声源定位方法 | |
Kavoosi et al. | Underwater acoustic source positioning by isotropic and vector hydrophone combination | |
CN104076324A (zh) | 一种未知信源数高精度波达方向估计方法 | |
CN106019290A (zh) | 加权宽带时反算子分解多目标声成像方法 | |
CN108614234A (zh) | 基于多采样快拍互质阵列接收信号快速傅里叶逆变换的波达方向估计方法 | |
CN103513249B (zh) | 一种宽带相干模基信号处理方法及系统 | |
Li et al. | High-resolution passive depth estimation for broadband sources in deep water based on orthogonal matching pursuit algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160106 |