CN107886068A - 一种基于时空域线谱增强器的未知线谱目标检测方法 - Google Patents

一种基于时空域线谱增强器的未知线谱目标检测方法 Download PDF

Info

Publication number
CN107886068A
CN107886068A CN201711101689.7A CN201711101689A CN107886068A CN 107886068 A CN107886068 A CN 107886068A CN 201711101689 A CN201711101689 A CN 201711101689A CN 107886068 A CN107886068 A CN 107886068A
Authority
CN
China
Prior art keywords
mrow
time
array element
space
frequency
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
Application number
CN201711101689.7A
Other languages
English (en)
Other versions
CN107886068B (zh
Inventor
王逸林
马世龙
张光普
梁国龙
李晴
李泉锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201711101689.7A priority Critical patent/CN107886068B/zh
Publication of CN107886068A publication Critical patent/CN107886068A/zh
Application granted granted Critical
Publication of CN107886068B publication Critical patent/CN107886068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

一种基于时空域线谱增强器的未知线谱目标检测方法，涉及一种未知线谱目标检测方法。一：设定基本参数；二：对接收的阵元数据进行空时二维线谱增强处理；三：对步骤二中处理得到的每一新阵元数据分别进行分段，对每一段数据分别进行离散傅里叶变换；四：取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成；五：对步骤四中得到的频域波束形成结果，在频域和时间上积分求和，获得最终的方位谱输出即线谱目标检测结果。本发明降低了对输入信噪比的要求，能有效地实现对未知线谱信号的时空域二维加权,避免了在频率或方位单一维度下用峰值方差来估计参量方差时误差较大的问题。

Description

一种基于时空域线谱增强器的未知线谱目标检测方法
技术领域
本发明涉及一种未知线谱目标检测方法，特别是一种基于时空域线谱增强器的未知线谱目标检测方法。
背景技术
水下目标辐射的声线谱信号具有较高的强度和较好的稳定性,同时信号频段较低,在水声信道中传播损失较小。上述声线谱特征的利用对于远程目标被动探测具有重要意义。
通常目标辐射噪声中的线谱信号频率未知,对于常规阵列空间谱估计方法因不能事先挑选出线谱信号所在的频点,故不能有效地利用声线谱信号所在频点强度较高及稳定性较好等特点进行目标探测，而利用宽带波束形成方法在时间、方位、频率多个维度内进行全扫描来检测线谱信号,其工作效率相对较低,尤其在复杂多目标等环境下,不易直观地跟踪线谱目标,存在多维显示困难等问题。对于上述基于阵列的未知线谱目标检测方法所存在的问题,国内外已有一些研究，大部分方法是通过挑选最大值的方式来估计线谱信号所在的频率或方位,获得相应线谱信号的频率或方位的统计方差,之后用估计得到的频率或方位方差对输出结果加权,而获得较好的线谱检测性能，但在线谱信号输入信噪比相对较低、某一目标具有多根线谱信号或某一频点上存在多个方位目标等情况下,这种利用挑选最大值的方法所估计得到的频率或方位方差具有较大的误差,不能有效地对线谱目标加权以提高检测能力，因此需要研究一种更加行之有效的方法对线谱目标进行检测。
发明内容
本发明是为了解决已有利用参量峰值的统计方差对输出结果加权的线谱目标检测方法，在线谱信号输入信噪比相对较低、某一目标具有多根线谱信号或某一频点上存在多个方位目标等复杂情况下,不能有效地利用参量峰值的统计方差来估计参量方差，致使对线谱目标的检测性能下降的问题，而提出的一种基于时空域线谱增强器的未知线谱目标检测方法。
为解决上述技术问题，本发明提供了一种基于时空域线谱增强器的未知线谱目标检测方法，包括以下步骤：
步骤一：设定基本参数，基本参数包括：采样率、空时二维线谱增强器的延迟单元个数、传感器阵列的阵元个数、自适应步长、线谱增强器处理所得数据的划分段数以及每一段的数据点数；
步骤二：对接收的阵元数据进行空时二维线谱增强处理，即利用所有阵元的接收信号对每一单阵元信号分别进行二维线谱增强处理而得到一组新的阵元数据；
步骤三：对步骤二中处理得到的每一新阵元数据分别按步骤一所设参数进行分段，对每一段数据分别进行离散傅里叶变换；
步骤四：取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成；
步骤五：对步骤四中得到的频域波束形成结果，在频域和时间上积分求和，获得最终的方位谱输出即线谱目标检测结果。
本发明提供一种基于时空域线谱增强器的未知线谱目标检测方法，本方法的线谱目标检测能力远高于常规阵列空间谱估计方法，相比利用参量峰值的统计方差对输出结果加权的线谱目标检测方法,本方法不需统计参量的峰值方差,降低了对输入信噪比的要求，在某一目标具有多根线谱或某一频点上存在多个方位目标等情况下,能够有效地实现对未知线谱信号的时空域二维加权,避免了在频率或方位单一维度下用峰值方差来估计参量方差时误差较大的问题。
附图说明
图1为第i路时空二维线谱增强器结构图；
图2输入信噪比为-25dB时宽带能量检测方法、频率方差加权、基于方位稳定度的方法以及本发明方法的空间谱输出结果；
图3输入信噪比为-35dB时宽带能量检测方法、频率方差加权、基于方位稳定度的方法以及本发明方法的空间谱输出结果；
图4目标具有两根线谱信号时,线谱频率分别为500Hz与200Hz,输入信噪比为-25dB、-27dB，上述情况下的各方法空间谱输出结果；
图5空间中共有三个目标,方位分别为100°,80°和，其中100°和80°方位各含有一根线谱,线谱频率分别为400Hz和500Hz,二者的输入信噪比为-25dB，40°方位为带宽为50Hz～450Hz的宽带白噪声,线谱信号高于该连续谱信号15dB,上述情况下的各方法空间谱输出结果。
具体实施方式
具体实施方式一：一种基于时空域线谱增强器的未知线谱目标检测方法包括以下步骤：
步骤一：设定基本参数，所述基本参数包括：采样率、空时二维线谱增强器的抽头延迟单元个数、传感器阵列的阵元个数、自适应步长、对线谱增强后所得数据进行划分的段数以及每一段的数据点数；
步骤二：对接收的阵元数据进行空时二维线谱增强处理，即利用所有阵元的接收信号对每一单阵元信号分别进行二维线谱增强处理而得到一组新的阵元数据；
步骤三：对步骤二中处理得到的每一新阵元数据分别按步骤一所设参数进行分段，对每一段数据分别进行离散傅里叶变换；
步骤四：取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成；
步骤五：对步骤四中得到的频域波束形成结果，在频域和时间上积分求和,获得最终的方位谱输出即线谱目标检测结果。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二中对接收的阵元数据进行空时二维线谱增强处理的具体过程为：
设阵元域接收信号为X(k)＝[x0(k),...,xm(k),...,xM-1(k)]T，其中xm(k)为k时刻第m号阵元接收信号,M为总阵元个数，阵元域接收信号X(k)经过多路时空二维线谱增强器的处理得到M路输出信号
Y(k)＝[y(k,0),…,y(k,i),…,y(k,M-1)]T (1)
其中y(k,i)为k时刻第i路时空二维线谱增强器的输出。
第i路时空二维线谱增强器按图1所示构建，y(k,i)用公式表示为
其中L为总抽头延时单元个数,Δ为线谱增强器的解相关时延,取Δ/fs大于噪声的相干半径小于信号相干半径,fs为采样率,wl,m(k,i)为k时刻第i路时空二维滤波器中m阵元l抽头延时单元处的权系数，时空二维线谱增强器的误差输出为
ε(k,i)＝xi(k)-y(k,i) (3)
其中xi(k)为k时刻第i号阵元信号,ε(k,i)为k时刻第i路时空二维线谱增强器的误差输出.权系数的更新迭代公式为
其中μ为自适应步长。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二中得到一组新的阵元数据的具体过程为：
将阵元域接收信号X(k)经过多路时空二维线谱增强器的处理得到M路输出信号Y(k)作为一组新阵元数据,其中y(k,i)作为新阵元数据中k时刻第i阵元的输出。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中对步骤二中处理得到的每一新阵元数据分别按步骤一中线谱增强器处理所得数据的划分段数以及每一段的数据点数进行分段，对每一段数据分别进行离散傅里叶变换的具体过程为：
对步骤二中得到的新阵元数据中每一新阵元数据按步骤一所设参数进行分段，设每一段的数据点数为N,共有Q段,每一段数据如式(5)所示
z(n,q,i)＝y(n+N·q+1,i)n＝0,1,...,N-1 (5)
z(n,q,i)表示第i号新阵元数据所划分的第q数据段中的第n个数据点.对式(5)所示的每一段数据进行离散傅里叶变换如式(6)所示
其中数字频率ω＝2πf/fs,f为频率,Yq(ω,i)为第i号新阵元数据所划分的第q数据段的离散傅里叶变换输出值。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成如式(7)所示：
其中表示各新阵元在第q数据段上的离散傅里叶变换输出值在频率点ω上的频域波束形成的输出,方位参量θ表示空间方位,d表示阵列阵元间距,C为水中声速。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：对步骤四中得到的频域波束形成结果，在频域和时间上积分求和如式(8)所示：
其中表示获得最终的方位谱输出即线谱目标检测结果。
其它步骤及参数与具体实施方式一至五之一相同。
实施例一：
步骤一：设定基本参数，所述基本参数包括：采样率、空时二维线谱增强器的抽头延迟单元个数、传感器阵列的阵元个数、自适应步长、对线谱增强后所得数据进行划分的段数以及每一段的数据点数；
采样率：fs＝5kHz；空时二维线谱增强器的抽头延迟单元个数：L＝200；传感器阵列的阵元个数：M＝32；自适应步长：μ＝0.01；对线谱增强后所得数据进行划分的段数以及每一段的数据点数：Q＝125，N＝200。
步骤二：对接收的阵元数据进行空时二维线谱增强处理，即利用所有阵元的接收信号对每一单阵元信号分别进行二维线谱增强处理而得到一组新的阵元数据；
步骤三：对步骤二中处理得到的每一新阵元数据分别按步骤一中线谱增强器处理所得数据的划分段数以及每一段的数据点数进行分段，对每一段数据分别进行离散傅里叶变换；
步骤四：取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成；
步骤五：对步骤四中得到的频域波束形成结果，在频域和时间上积分求和,获得最终的方位谱输出即线谱目标检测结果。
图2～图3给出宽带能量检测方法、频率方差加权、基于方位稳定度的方法以及本发明方法在不同输入信噪比情况下的空间谱输出结果，用以说明线谱信号输入信噪比相对较低情况下本发明的性能；图4给出目标具有两根线谱信号时,线谱频率分别为500Hz与200Hz,输入信噪比为-25dB、-27dB情况下的各方法空间谱输出结果，用以说明某一目标具有多根线谱信号情况下本发明的性能；图5给出空间中共有三个目标,方位分别为100°,80°和40°，其中100°和80°方位各含有一根线谱,线谱频率分别为400Hz和500Hz,二者的输入信噪比为-25dB，40°方位为带宽为50Hz～450Hz的宽带白噪声,线谱信号高于该连续谱信号15dB情况下的各方法空间谱输出结果，用以说明某一频点上存在多个方位目标情况下本文发明的性能。

Claims (6)

1.一种基于时空域线谱增强器的未知线谱目标检测方法，其特征在于，包括以下步骤：
步骤一：设定基本参数，所述基本参数包括：采样率、空时二维线谱增强器的延迟单元个数、传感器阵列的阵元个数、自适应步长、线谱增强器处理所得数据的划分段数以及每一段的数据点数；
步骤二：对接收的阵元数据进行空时二维线谱增强处理，即利用所有阵元的接收信号对每一单阵元信号分别进行二维线谱增强处理而得到一组新的阵元数据；
步骤三：对步骤二中处理得到的每一新阵元数据分别按步骤一所设参数进行分段，对每一段数据分别进行离散傅里叶变换；
步骤四：取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成；
步骤五：对步骤四中得到的频域波束形成结果，在频域和时间上积分求和，获得最终的方位谱输出即线谱目标检测结果。
2.根据权利要求1所述的一种基于时空域线谱增强器的未知线谱目标检测方法，其特征在于，所述步骤二中对接收的阵元数据进行空时二维线谱增强处理的具体过程为：
设阵元域接收信号为X(k)＝[x0(k),...,xm(k),...,xM-1(k)]T，其中xm(k)为k时刻第m号阵元接收信号,M为总阵元个数，阵元域接收信号X(k)经过多路时空二维线谱增强器的处理得到M路输出信号：
Y(k)＝[y(k,0),…,y(k,i),…,y(k,M-1)]T (1)
其中y(k,i)为k时刻第i路时空二维线谱增强器的输出，y(k,i)用公式表示为
<mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>L</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>w</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <msub> <mi>x</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>&amp;Delta;</mi> <mo>-</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，L为总抽头延时单元个数,Δ为线谱增强器的解相关时延,取Δ/fs大于噪声的相干半径小于信号相干半径,fs为采样率,wl,m(k,i)为k时刻第i路时空二维滤波器中m阵元l抽头延时单元处的权系数，时空二维线谱增强器的误差输出为：
ε(k,i)＝xi(k)-y(k,i) (3)
其中，xi(k)为k时刻第i号阵元信号,ε(k,i)为k时刻第i路时空二维线谱增强器的误差输出，权系数的更新迭代公式为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>w</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;mu;</mi> <mi>&amp;epsiv;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <msub> <mi>x</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>&amp;Delta;</mi> <mo>-</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>L</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>m</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>M</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中μ为自适应步长。
3.根据权利要求1所述的一种基于时空域线谱增强器的未知线谱目标检测方法，其特征在于，所述步骤二中得到一组新的阵元数据的具体过程为：
将阵元域接收信号X(k)经过多路时空二维线谱增强器的处理得到M路输出信号Y(k)作为一组新阵元数据,其中y(k,i)作为新阵元数据中k时刻第i阵元的输出。
4.根据权利要求1所述的一种基于时空域线谱增强器的未知线谱目标检测方法，其特征在于，所述步骤三中对步骤二中处理得到的每一新阵元数据分别按步骤一所设参数进行分段，对每一段数据分别进行离散傅里叶变换的具体过程为：
对步骤二中得到的新阵元数据中每一新阵元数据按步骤一所设参数进行分段，设每一段的数据点数为N,共有Q段,每一段数据如式(5)所示
z(n,q,i)＝y(n+N·q+1,i)n＝0,1,...,N-1 (5)
z(n,q,i)表示第i号新阵元数据所划分的第q数据段中的第n个数据点，对式(5)所示的每一段数据进行离散傅里叶变换如式(6)所示：
<mrow> <msub> <mi>Y</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;omega;</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>z</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>q</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mi>&amp;omega;</mi> <mi>n</mi> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
其中数字频率ω＝2πf/fs,f为频率,Yq(ω,i)为第i号新阵元数据所划分的第q数据段的离散傅里叶变换输出值。
5.根据权利要求1所述的一种基于时空域线谱增强器的未知线谱目标检测方法，其特征在于，取出步骤三中各新阵元在相同段序号上的离散傅里叶变换输出值,对其中同一频率点上的各离散傅里叶变换输出值进行频域波束形成如式(7)所示：
其中表示各新阵元在第q数据段上的离散傅里叶变换输出值在频率点ω上的频域波束形成的输出,方位参量θ表示空间方位,d表示阵列阵元间距,C为水中声速。
6.根据权利要求1所述的一种基于时空域线谱增强器的未知线谱目标检测方法，其特征在于，对步骤四中得到的频域波束形成结果，在频域和时间上积分求和如式(8)所示：
其中表示获得最终的方位谱输出即线谱目标检测结果。
CN201711101689.7A 2017-11-10 2017-11-10 一种基于时空域线谱增强器的未知线谱目标检测方法 Active CN107886068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711101689.7A CN107886068B (zh) 2017-11-10 2017-11-10 一种基于时空域线谱增强器的未知线谱目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711101689.7A CN107886068B (zh) 2017-11-10 2017-11-10 一种基于时空域线谱增强器的未知线谱目标检测方法

Publications (2)

Publication Number Publication Date
CN107886068A true CN107886068A (zh) 2018-04-06
CN107886068B CN107886068B (zh) 2021-12-07

Family

ID=61779793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711101689.7A Active CN107886068B (zh) 2017-11-10 2017-11-10 一种基于时空域线谱增强器的未知线谱目标检测方法

Country Status (1)

Country Link
CN (1) CN107886068B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109270516A (zh) * 2018-09-01 2019-01-25 哈尔滨工程大学 一种适用于无人移动平台检测舰艇线谱的波束形成方法
CN109884591A (zh) * 2019-02-25 2019-06-14 南京理工大学 一种基于麦克风阵列的多旋翼无人机声信号增强方法
CN111220265A (zh) * 2019-12-10 2020-06-02 哈尔滨工程大学 一种船舶辐射噪声谐波线谱增强方法
CN112114286A (zh) * 2020-06-23 2020-12-22 山东省科学院海洋仪器仪表研究所 基于线谱生命周期和单矢量水听器的多目标跟踪方法
CN112462352A (zh) * 2020-10-30 2021-03-09 哈尔滨工程大学 一种适用于低信噪比条件下的线谱增强方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103064077A (zh) * 2012-12-26 2013-04-24 中国科学院声学研究所 一种基于幅值加权的目标检测方法和设备
CN104777453A (zh) * 2015-04-23 2015-07-15 西北工业大学 舰船线谱噪声源定位的波束域时频分析方法
CN105137437A (zh) * 2015-07-20 2015-12-09 中国科学院声学研究所 一种基于空域相位方差加权的目标检测方法
CN105223576A (zh) * 2015-09-24 2016-01-06 哈尔滨工程大学 一种基于单矢量潜标的线谱信号目标自动检测方法
CN105277934A (zh) * 2015-09-24 2016-01-27 哈尔滨工程大学 一种基于阵列的弱线谱目标被动检测方法
US9662081B2 (en) * 2013-05-15 2017-05-30 Kyoto University X-ray CT image processing method, X-ray CT image processing program, and X-ray CT image device
US20170224276A1 (en) * 2016-02-04 2017-08-10 Tse Kang Biotechnology Co., Ltd Human Body Frequency Diagnostic Analysis Apparatus and Improvement Method of Health Assessment

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103064077A (zh) * 2012-12-26 2013-04-24 中国科学院声学研究所 一种基于幅值加权的目标检测方法和设备
US9662081B2 (en) * 2013-05-15 2017-05-30 Kyoto University X-ray CT image processing method, X-ray CT image processing program, and X-ray CT image device
CN104777453A (zh) * 2015-04-23 2015-07-15 西北工业大学 舰船线谱噪声源定位的波束域时频分析方法
CN105137437A (zh) * 2015-07-20 2015-12-09 中国科学院声学研究所 一种基于空域相位方差加权的目标检测方法
CN105223576A (zh) * 2015-09-24 2016-01-06 哈尔滨工程大学 一种基于单矢量潜标的线谱信号目标自动检测方法
CN105277934A (zh) * 2015-09-24 2016-01-27 哈尔滨工程大学 一种基于阵列的弱线谱目标被动检测方法
CN105277934B (zh) * 2015-09-24 2017-06-20 哈尔滨工程大学 一种基于阵列的弱线谱目标被动检测方法
US20170224276A1 (en) * 2016-02-04 2017-08-10 Tse Kang Biotechnology Co., Ltd Human Body Frequency Diagnostic Analysis Apparatus and Improvement Method of Health Assessment

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JILING ZHANG 等: ""Two-step adaptive line enhancer for ship-radiated noise line spectrum detection"", 《ICSPCC 2013》 *
葛士斌 等: ""一种空频联合处理的线谱检测方法"", 《网络新媒体技术》 *
郑恩明 等: ""一种基于瞬时相位方差加权的线谱检测器"", 《电子与信息学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109270516A (zh) * 2018-09-01 2019-01-25 哈尔滨工程大学 一种适用于无人移动平台检测舰艇线谱的波束形成方法
CN109270516B (zh) * 2018-09-01 2022-05-17 哈尔滨工程大学 一种适用于无人移动平台检测舰艇线谱的波束形成方法
CN109884591A (zh) * 2019-02-25 2019-06-14 南京理工大学 一种基于麦克风阵列的多旋翼无人机声信号增强方法
CN111220265A (zh) * 2019-12-10 2020-06-02 哈尔滨工程大学 一种船舶辐射噪声谐波线谱增强方法
CN112114286A (zh) * 2020-06-23 2020-12-22 山东省科学院海洋仪器仪表研究所 基于线谱生命周期和单矢量水听器的多目标跟踪方法
CN112462352A (zh) * 2020-10-30 2021-03-09 哈尔滨工程大学 一种适用于低信噪比条件下的线谱增强方法

Also Published As

Publication number Publication date
CN107886068B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN107886068A (zh) 一种基于时空域线谱增强器的未知线谱目标检测方法
CN101369014B (zh) 应用于多输入多输出雷达的双边约束自适应波束形成方法
CN103592642B (zh) Mimo雷达波形的设计方法
CN110109051B (zh) 基于频控阵的互耦阵列doa估计方法
CN107505602A (zh) 嵌套阵下基于dft的doa估计方法
CN108872970B (zh) 适用于一般等间距稀疏阵列单频信号波束形成的栅瓣判别方法
CN101881822B (zh) 一种针对共享谱雷达同频干扰的抑制方法
CN103760529B (zh) 一种无源探测高效级联空时自适应处理方法
CN107092007A (zh) 一种虚拟二阶阵列扩展的波达方向估计方法
CN110412570B (zh) 基于空间脉冲相位编码的hrws-sar成像方法
CN102445679A (zh) 三信道空间谱估计测向系统的测向方法
CN108931766A (zh) 一种基于稀疏重构的非均匀stap干扰目标滤除方法
CN111693947A (zh) 基于互质阵列doa估计的改进music方法
CN107302391A (zh) 基于互质阵列的自适应波束成形方法
CN105911527B (zh) 基于efa与mwf的机载雷达空时自适应处理方法
CN111693971A (zh) 一种用于弱目标检测的宽波束干扰抑制方法
CN107092005A (zh) 一种时空联合的阵列处理方法及装置
CN110646765B (zh) 一种基于黎曼距离的广义旁瓣对消算法
CN108872947B (zh) 一种基于子空间技术的海杂波抑制方法
CN112485755B (zh) 基于2q阶嵌套MIMO阵列结构的角度估计方法
CN107783081A (zh) 一种针对宽带雷达的sstmv最小方差波束形成方法
CN109490846B (zh) 基于空时联合优化的多输入多输出雷达波形设计方法
CN109870670B (zh) 一种基于阵列重构的混合信号参数估计方法
CN115236589B (zh) 一种基于协方差矩阵修正的极地冰下doa估计方法
CN115236586B (zh) 一种基于数据预处理的极地冰下doa估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant