CN109507675B - 基于频分系统实现水下多目标时延估计处理的方法 - Google Patents
基于频分系统实现水下多目标时延估计处理的方法 Download PDFInfo
- Publication number
- CN109507675B CN109507675B CN201910011125.7A CN201910011125A CN109507675B CN 109507675 B CN109507675 B CN 109507675B CN 201910011125 A CN201910011125 A CN 201910011125A CN 109507675 B CN109507675 B CN 109507675B
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- energy
- time
- value
- 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.)
- Active
Links
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/50—Systems of measurement, based on relative movement of the target
- G01S15/52—Discriminating between fixed and moving objects or between objects moving at different speeds
Abstract
本发明涉及一种基于频分系统实现水下多目标时延估计处理的方法,包括(1)接收信号分帧,计算信号短时能量;(2)接收信号加窗预处理并计算不同频段目标信号的能量;(3)计算不同目标信号的能量最大值,将能力先验值的取值更新为能量最大值的取值;(4)累加目标信号的时间脉宽;(5)计算信号包络的归一化方差门限,并估计目标信号对应的时延。采用了该方法,降低信号频谱的泄露,解决了接收信号中的脉冲干扰问题;以短时的多目标能量比特征参数,解决了多目标的自动检测和识别问题。该算法性能稳定,在多途衰落信道中,多个定位目标在时域上同时到达时,依然能够准确地判断出不同目标的时延,完成水下多目标的定位。
Description
技术领域
本发明涉及水声定位领域,尤其涉及水声多目标窄带信号定位领域,具体是指一种基于频分系统实现水下多目标时延估计处理的方法。
背景技术
海洋技术的快速发展,为海洋石油勘探提供了强力的技术支持和保障。大规模、大范围的石油、地质勘探,采用分布式测量方法,在海洋底部布放海量的测量节点,需要精确获取其位置信息,水下多目标的定位导航技术成为迫切的需求。在水声定位领域,定位误差主要考虑基阵的安装误差、时延估计误差和声速误差等。其中在时延估计技术领域,有窄带时延估计技术和宽带时延估计技术。在石油地质勘探的特殊应用领域,水下测量节点为了满足长时间布放的需求,尽可能降低发射信号的能量,短脉冲信号成为定位系统的首选;水声信道的时变特性引起了信道梳妆滤波特性,限制了定位信号带宽的选择,宽带时延估计技术需要较大的时间带宽积,以保证时延估计精度。在石油地质水下勘探的特殊应用领域,定位信号脉宽短,频率受限,宽带信号不能充分发挥其优势,所以窄带短脉冲信号是最佳的选择。基于窄带短脉冲信号的检测和时延估计算法是水声定位系统的关键和核心技术。
虽然在无线电定位通信系统中,目前已有的算法能够相对精确地估计时延。但是水声信道是时分快速衰落信道,多普勒频移严重、可利用带宽窄和复杂多变的强多途信号干扰;同时水声信道中还伴有海洋环境背景噪声和船舶等的各种航行噪声。这些不确定的信道特性引起了接收信号幅频特性的畸变,导致了时延估计的精度和准确性急剧下降。
在时变衰落的水声信道中,在海洋环境噪声的强干扰下,准确检测和识别定位目标信号,并精确估计其时延是本发明主要解决的科学难题。本发明提出了适用于水声衰落信道的多目标时延估计算法,在水声信道有限的带宽,每个目标分配特定的频段,并且小于1KHz,采用频分方法解决多目标水下定位的难题;采用短时能量比特征参数,解决了水声信道脉冲信号的干扰;采用快速FFT算法,估计各目标信号的能量,利用信号噪声能量比特征参数,完成单目标信号的检测;利用各目标信号的瞬时能量比,解决了多目标信号的干扰问题。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种高精度、准确性高、满足精确定位的基于频分系统实现水下多目标时延估计处理的方法。
为了实现上述目的,本发明的基于频分系统实现水下多目标时延估计处理的方法如下:
该基于频分系统实现水下多目标时延估计处理的方法,其主要特点是,所述的方法包括以下步骤:
(1)接收信号分帧,计算信号短时能量,并确定是否满足信号短时能量比门限;
(2)接收信号加窗预处理,根据快速FFT算法计算不同频段目标信号的能量;
(3)计算不同目标信号的能量最大值,判断能量最大值是否大于能力先验值,如果是,则将能力先验值的取值更新为能量最大值的取值;否则,在系统预设定时时间后计算能力先验值的取值;
(4)判断期望目标频率信号的能量是否满足噪声门限、短时能量比门限和先验值门限,如果是,则累加目标信号的时间脉宽;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1);
(5)判断累加目标信号的时间脉宽是否大于信号时间脉宽门限,如果是,则计算信号包络的归一化方差门限,并估计目标信号对应的时延;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1)。
较佳地,所述的步骤(1)中接收信号分帧,具体为:
根据以下公式接收信号分帧:
其中,N为每帧信号的采样点数。
较佳地,所述的步骤(2)具体包括以下步骤:
(2.1)接收信号并进行加窗预处理;
(2.2)根据快速FFT算法计算接收信号的频谱;
(2.3)计算不同目标频率信号的能量。
较佳地,所述的步骤(2.1)中进行加窗预处理,具体为:
根据以下公式进行加窗预处理:
y(n)=x(n)×h(n),n=-N/2,...N/2;
其中,N为每帧信号的采样点数。
较佳地,所述的步骤(2.2)中计算接收信号的频谱,具体为:
根据以下公式计算接收信号的频谱:
其中,N为每帧数据FFT的长度。
较佳地,所述的步骤(2.3)中计算不同目标频率信号的能量,具体为:
根据以下公式计算不同目标频率信号的能量:
较佳地,所述的步骤(4)还包括:
(4.1)期望目标频率信号的能量是否满足能量噪声比判决门限和多目标串漏判决门限,如果是,则累加目标信号的时间脉宽;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1)。
较佳地,其特征在于,所述的步骤(4)中更新该目标的噪声值,具体为:
根据以下公式更新该目标的噪声值:
ENoi=α×ENoi+β×AMP_maxnow;
其中,α,β为递归滤波权系数,AMP_maxnow为目标信号的能量最大值。
采用了本发明的基于频分系统实现水下多目标时延估计处理的方法,以快速FFT算法为核心,采用时域加窗的预处理过程,降低信号频谱的泄露;采用信号短时能量比特征参数,解决了接收信号中的脉冲干扰问题;以短时的多目标能量比特征参数,解决了多目标的自动检测和识别问题。该算法性能稳定,在多途衰落信道中,多个定位目标在时域上同时到达时,依然能够准确地判断出不同目标的时延,完成水下多目标的定位。
附图说明
图1为本发明的基于频分系统实现水下多目标时延估计处理的方法的多目标时延估计信号处理流程示意图。
图2为本发明的基于频分系统实现水下多目标时延估计处理的方法的多目标时延估计流程图。
图3为本发明的基于频分系统实现水下多目标时延估计处理的方法的实施例的湖上实验九目标接收信号时域波形和定位结果。
图4为本发明的基于频分系统实现水下多目标时延估计处理的方法的实施例的湖上实验九目标信号时频谱。
图5为本发明的基于频分系统实现水下多目标时延估计处理的方法的实施例的湖上实验九目标上位机显示结果。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
该基于频分系统实现水下多目标时延估计处理的方法,其中包括以下步骤:
(1)接收信号分帧,计算信号短时能量,并确定是否满足信号短时能量比门限;
(2)接收信号加窗预处理,根据快速FFT算法计算不同频段目标信号的能量;
(2.1)接收信号并进行加窗预处理;
(2.2)根据快速FFT算法计算接收信号的频谱;
(2.3)计算不同目标频率信号的能量;
(3)计算不同目标信号的能量最大值,判断能量最大值是否大于能力先验值,如果是,则将能力先验值的取值更新为能量最大值的取值;否则,在系统预设定时时间后计算能力先验值的取值;
(4)判断期望目标频率信号的能量是否满足噪声门限、短时能量比门限和先验值门限,如果是,则累加目标信号的时间脉宽;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1);
(4.1)期望目标频率信号的能量是否满足能量噪声比判决门限和多目标串漏判决门限,如果是,则累加目标信号的时间脉宽;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1);
(5)判断累加目标信号的时间脉宽是否大于信号时间脉宽门限,如果是,则计算信号包络的归一化方差门限,并估计目标信号对应的时延;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1)。
作为本发明的优选实施方式,所述的步骤(1)中接收信号分帧,具体为:
根据以下公式接收信号分帧:
其中,N为每帧信号的采样点数。
作为本发明的优选实施方式,所述的步骤(2.1)中进行加窗预处理,具体为:
根据以下公式进行加窗预处理:
y(n)=x(n)×h(n),n=-N/2,...N/2;
其中,N为每帧信号的采样点数。
作为本发明的优选实施方式,所述的步骤(2.2)中计算接收信号的频谱,具体为:
根据以下公式计算接收信号的频谱:
其中,N为每帧数据FFT的长度。
作为本发明的优选实施方式,所述的步骤(2.3)中计算不同目标频率信号的能量,具体为:
根据以下公式计算不同目标频率信号的能量:
作为本发明的优选实施方式,其特征在于,所述的步骤(4)中更新该目标的噪声值,具体为:
根据以下公式更新该目标的噪声值:
ENoi=α×ENoi+β×AMP_maxnow;
其中,α,β为递归滤波权系数,AMP_maxnow为目标信号的能量最大值。
本发明的具体实施方式中,本发明涉及一种适用于水声多途衰落信道的多目标时延估计算法,该算法采用频分技术实现多目标的检测和识别,满足水下多目标定位的需求。多目标时延估计算法包括单目标的高精度时延估计技术和多目标分类识别算法两部分。高精度的时延估计算法以短时傅里叶算法为核心,将频带划分成不同的子带,快速分析获取不同目标信号的时频特性,确定接收信号的起始位置,计算速度快,信号特性提取快速准确,精度高。多目标分类识别算法以信号子带能量比为基本特征,解决了不同目标的串扰难题。该算法以信号短时能量比作为判断条件,极大地降低了水声信道脉冲尖刺的干扰,提高了在复杂水声衰落信道下的多目标系统时延估计准确性和可靠性。本发明采用快速FFT算法,快速获取信号的时频特性,完成不同目标信号的自动识别和精确测时;采用信号短时能量比特征参数,解决了接收信号中的随机信号和瞬时脉冲信号干扰问题;根据信号的子带能量比特征参数,解决了多目标信号串扰难题,实现了水下多目标的精准测时。
本发明提供了一种基于短时能量比、单目标信号噪声能量比和多目标瞬时能量比的多目标时延估计算法,包括:
步骤1接收信号分帧,计算信号短时能量,确定信号短时能量比门限;
步骤2接收信号加窗预处理,快速FFT算法,计算不同频段目标信号的能量;
步骤3计算不同目标信号的能量最大值AMP_maxnow,AMP_maxnow值和能量先验值AMP_prior比较,如果AMP_maxnow>AMP_prior,先验值更新AMP_prior=AMP_maxnow;否则先验值不变,一个先验值持续的最长时间1ms,定时时间到,先验值更新公式为
AMP_prior=AMP_prior/4*3+AMP_maxnow/4;
步骤4定位目标的能量与学习的噪声值比较,当期望目标频率信号的能量满足噪声门限、短时能量比门限和先验值门限时,则判定该通道检测到信号,累加目标信号的时间脉宽,否则目标信号时间脉宽累加器置零,更新该目标的噪声值,重复步骤1、步骤2、步骤3;
步骤5当累加目标信号的时间脉宽大于信号时间脉宽门限时,则判定检测到目标信号,计算信号包络的归一化方差门限,满足方差判断门限,则精确估计目标信号对应的时延;否则目标信号时间脉宽累加器置零,更新该目标的噪声值,重复步骤1、步骤2、步骤3和步骤4;
2、步骤1)进一步包括:
步骤1-1)接收信号分帧处理,每帧信号的采样点数为N,
步骤1-2)当前帧能量Eframne<Kf1×Eframne-1时,满足短时能量比检测条件。
3、步骤2)进一步包括:
步骤2-1)接收信号加窗预处理,其中N是每帧数据的采样点数
y(n)=x(n)×h(n),n=-N/2,...N/2
步骤2-2)快速FFT算法,计算接收信号的频谱,其中N的每帧数据FFT的长度
其中N的每帧数据FFT的点数,floor()表示下取整,ceil表示上取整。
4、步骤3)进一步包括:
步骤3-1)计算多目标频率信号的能量最大值,其中L表示定位目标的个数
5、步骤4)进一步包括:
步骤4-3)噪声更新门限计算公式为
ENoi=α×ENoi+β×AMP_maxnow
其中α,β是递归滤波权系数
6、步骤5)进一步包括:
本发明采用频分技术实现多目标的识别,以快速FFT算法为核心,完成多目标时延估计的精确算法,采用了信号的三个特征完成了多个定位目标信号的检测和时延估计,它们分别是信号短时能量比、单目标信号噪声能量比和短时多目标能量比。提高了在复杂水声衰落信道下的时延估计准确性和可靠性。本发明方法适用于长基线水声定位系统和短基线水声定位系统等。
本发明首先采用信号短时能量比特征参数,解决了接收信号中的脉冲干扰问题,提高了单个目标信号检测的鲁棒性和可靠性;
根据长时的单目标信号噪声能量比特征参数,精确地估计定位信号到达的时延;
根据短时的多目标相关峰包络比特征参数,解决了多目标信号串扰难题,实现了水下多目标的精准测时。
本方案的实施例的定位导航系统在湖上实验的结果如图3所示。信道环境参数为:工作距离300m,定位目标间隔15米左右,水深2.5米,换能器悬吊在水下1米,甲板单元的接收换能器水下1米。定位信号采用窄带短脉冲信号,脉宽T,系统的采样率是fs。本发明的方法是通过询问应答的方法,主控甲板单元发射询问信号,定位目标的信标检测到信号并回复对应的应答信号。
本发明的方法适用于甲板单元,实现多目标时延的精确估计,包括以下步骤:
步骤1)接收信号分帧,每次采集32点,计算信号短时能量,得到信号短时能量比;
步骤2)采用哈明窗函数,对接收信号加窗预处理,快速FFT算法,计算不同频段目标信号的能量;
步骤3)计算不同目标信号的能量最大值AMP_maxnow,AMP_maxnow值和能量先验值AMP_prior比较,如果AMP_maxnow>AMP_prior,先验值更新AMP_prior=AMP_maxnow;否则先验值不变,一个先验值持续的最长时间1ms,定时时间到,先验值更新公式为AMP_prior=AMP_prior/4*3+AMP_maxnow/4;
步骤4)定位目标的能量与学习的噪声值比较,当期望目标频率信号的能量满足噪声门限、短时能量比门限和先验值门限时,则判定该通道检测到信号,累加目标信号的时间脉宽,否则目标信号时间脉宽累加器置零,更新该目标的噪声值,重复步骤1、步骤2、步骤3;
步骤5)当累加目标信号的时间脉宽大于信号时间脉宽门限时,则判定检测到目标信号,计算信号包络的归一化方差门限,满足方差判断门限,则精确估计目标信号对应的时延;否则目标信号时间脉宽累加器置零,更新该目标的噪声值,重复步骤1、步骤2、步骤3和步骤4。
本发明以快速FFT算法为核心,采用时域加窗的预处理过程,降低信号频谱的泄露;采用信号短时能量比特征参数,解决了接收信号中的脉冲干扰问题;以短时的多目标能量比特征参数,解决了多目标的自动检测和识别问题。该算法性能稳定,在多途衰落信道中,多个定位目标在时域上同时到达时,依然能够准确地判断出不同目标的时延,完成水下多目标的定位。2018年10月,在湖上完成了实验测试,本发明成功解决了水下多目标识别的难题,结果如图3、图4和图5所示。
采用了本发明的基于频分系统实现水下多目标时延估计处理的方法,以快速FFT算法为核心,采用时域加窗的预处理过程,降低信号频谱的泄露;采用信号短时能量比特征参数,解决了接收信号中的脉冲干扰问题;以短时的多目标能量比特征参数,解决了多目标的自动检测和识别问题。该算法性能稳定,在多途衰落信道中,多个定位目标在时域上同时到达时,依然能够准确地判断出不同目标的时延,完成水下多目标的定位。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (7)
1.一种基于频分系统实现水下多目标时延估计处理的方法,其特征在于,所述的方法包括以下步骤:
(1)接收信号分帧,计算信号短时能量,并确定是否满足信号短时能量比门限;
(2)接收信号加窗预处理,根据快速FFT算法计算不同频段目标信号的能量;
(3)计算不同目标信号的能量最大值,判断能量最大值是否大于能力先验值,如果是,则将能力先验值的取值更新为能量最大值的取值;否则,在系统预设定时时间后计算能力先验值的取值;
(4)判断期望目标频率信号的能量是否满足噪声门限、短时能量比门限和先验值门限,如果是,则累加目标信号的时间脉宽;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1);
(5)判断累加目标信号的时间脉宽是否大于信号时间脉宽门限,如果是,则计算信号包络的归一化方差门限,并估计目标信号对应的时延;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1);
所述的步骤(4)还包括:
(4.1)期望目标频率信号的能量是否满足能量噪声比判决门限和多目标串漏判决门限,如果是,则累加目标信号的时间脉宽;否则,目标信号时间脉宽累加器置零,更新该目标的噪声值,继续步骤(1)。
3.根据权利要求1所述的基于频分系统实现水下多目标时延估计处理的方法,其特征在于,所述的步骤(2)具体包括以下步骤:
(2.1)接收信号并进行加窗预处理;
(2.2)根据快速FFT算法计算接收信号的频谱;
(2.3)计算不同目标频率信号的能量。
4.根据权利要求3所述的基于频分系统实现水下多目标时延估计处理的方法,其特征在于,所述的步骤(2.1)中进行加窗预处理,具体为:
根据以下公式进行加窗预处理:
y(n)=x(n)×h(n),n=-N/2,...N/2;
其中,N为每帧信号的采样点数。
7.根据权利要求1所述的基于频分系统实现水下多目标时延估计处理的方法,其特征在于,所述的步骤(4)中更新该目标的噪声值,具体为:
根据以下公式更新该目标的噪声值:
ENoi=α×ENoi+β×AMP_maxnow;
其中,α,β为递归滤波权系数,AMP_maxnow为目标信号的能量最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910011125.7A CN109507675B (zh) | 2019-01-07 | 2019-01-07 | 基于频分系统实现水下多目标时延估计处理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910011125.7A CN109507675B (zh) | 2019-01-07 | 2019-01-07 | 基于频分系统实现水下多目标时延估计处理的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109507675A CN109507675A (zh) | 2019-03-22 |
CN109507675B true CN109507675B (zh) | 2020-10-16 |
Family
ID=65757413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910011125.7A Active CN109507675B (zh) | 2019-01-07 | 2019-01-07 | 基于频分系统实现水下多目标时延估计处理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109507675B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110299926B (zh) * | 2019-07-25 | 2021-02-05 | 河海大学常州校区 | 一种面向低信噪比环境的水声信号检测方法 |
CN110542883B (zh) * | 2019-08-20 | 2021-11-09 | 中国科学院声学研究所 | 一种用于目标静默的被动水声定位方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5364572A (en) * | 1976-11-19 | 1978-06-09 | Nec Corp | Moving target detector of sonar apparatus |
DE4344500C1 (de) * | 1993-12-24 | 1995-03-23 | Klaus Mehner | Bewegungserkennungseinrichtung mit Ultraschallfeldauswertung in im wesentlichen geschlossenen Räumen |
CN101398481A (zh) * | 2008-11-13 | 2009-04-01 | 上海交通大学 | 数字化高精度动态检波器 |
CN102429662A (zh) * | 2011-11-10 | 2012-05-02 | 大连理工大学 | 家庭环境中睡眠呼吸暂停综合征的筛查系统 |
CN104749560A (zh) * | 2015-04-20 | 2015-07-01 | 南京信息工程大学 | 一种用于船舶导航雷达的数字信号处理机及处理方法 |
CN105093226A (zh) * | 2015-08-31 | 2015-11-25 | 西安电子科技大学 | 基于全局最小均方算法的雷达相位解缠方法 |
CN105241459A (zh) * | 2015-10-19 | 2016-01-13 | 东南大学 | 一种用于室内水下目标定位的时延估计方法及装置 |
CN106772268A (zh) * | 2016-12-27 | 2017-05-31 | 哈尔滨工业大学 | 一种高斯白噪声下的弱信号盲检测方法 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN107392106A (zh) * | 2017-06-26 | 2017-11-24 | 辽宁大学 | 一种基于双门限的人体活动端点检测方法 |
CN108022595A (zh) * | 2016-10-28 | 2018-05-11 | 电信科学技术研究院 | 一种语音信号降噪方法和用户终端 |
CN108415013A (zh) * | 2018-02-12 | 2018-08-17 | 西安电子科技大学 | 基于调频斜率精搜索的低信噪比信号参数提取方法 |
CN108828566A (zh) * | 2018-06-08 | 2018-11-16 | 苏州桑泰海洋仪器研发有限责任公司 | 基于拖曳线列阵的水下脉冲信号识别方法 |
CN108880607A (zh) * | 2018-06-15 | 2018-11-23 | 中国电子科技集团公司第四十研究所 | 一种高可靠性的水声通信同步信号检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5419331A (en) * | 1994-02-10 | 1995-05-30 | The University Of Rochester | System for estimating target velocity from pulse echoes in response to their correspondence with predetermined delay trajectories corresponding to different distinct velocities |
-
2019
- 2019-01-07 CN CN201910011125.7A patent/CN109507675B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5364572A (en) * | 1976-11-19 | 1978-06-09 | Nec Corp | Moving target detector of sonar apparatus |
DE4344500C1 (de) * | 1993-12-24 | 1995-03-23 | Klaus Mehner | Bewegungserkennungseinrichtung mit Ultraschallfeldauswertung in im wesentlichen geschlossenen Räumen |
CN101398481A (zh) * | 2008-11-13 | 2009-04-01 | 上海交通大学 | 数字化高精度动态检波器 |
CN102429662A (zh) * | 2011-11-10 | 2012-05-02 | 大连理工大学 | 家庭环境中睡眠呼吸暂停综合征的筛查系统 |
CN104749560A (zh) * | 2015-04-20 | 2015-07-01 | 南京信息工程大学 | 一种用于船舶导航雷达的数字信号处理机及处理方法 |
CN105093226A (zh) * | 2015-08-31 | 2015-11-25 | 西安电子科技大学 | 基于全局最小均方算法的雷达相位解缠方法 |
CN105241459A (zh) * | 2015-10-19 | 2016-01-13 | 东南大学 | 一种用于室内水下目标定位的时延估计方法及装置 |
CN108022595A (zh) * | 2016-10-28 | 2018-05-11 | 电信科学技术研究院 | 一种语音信号降噪方法和用户终端 |
CN106772268A (zh) * | 2016-12-27 | 2017-05-31 | 哈尔滨工业大学 | 一种高斯白噪声下的弱信号盲检测方法 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN107392106A (zh) * | 2017-06-26 | 2017-11-24 | 辽宁大学 | 一种基于双门限的人体活动端点检测方法 |
CN108415013A (zh) * | 2018-02-12 | 2018-08-17 | 西安电子科技大学 | 基于调频斜率精搜索的低信噪比信号参数提取方法 |
CN108828566A (zh) * | 2018-06-08 | 2018-11-16 | 苏州桑泰海洋仪器研发有限责任公司 | 基于拖曳线列阵的水下脉冲信号识别方法 |
CN108880607A (zh) * | 2018-06-15 | 2018-11-23 | 中国电子科技集团公司第四十研究所 | 一种高可靠性的水声通信同步信号检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
宽带信号检测中自适应门限设定方法;张学森等;《声学技术》;20110430;第30卷(第2期);第685-693页 * |
水声通信抗多途的高精度多普勒估计算法;李记龙等;《声学技术》;20161231;第35卷(第6期);第442-446页 * |
相干水声通信幅相加权空间分集均衡算法;李记龙等;《声学学报》;20171130;第42卷(第6期);第345-348页 * |
采用短时傅立叶变换方法的电子耳蜗语音处理技术;陈红芳等;《声学技术》;20070630;第26卷(第3期);第183-187页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109507675A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3259613B1 (en) | System and method for estimating time of arrival (toa) | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN109814094B (zh) | 一种多目标水声定位时延估计算法 | |
CN106019263B (zh) | 基于多亮点回波模型的目标径向速度测量方法 | |
CN108680910B (zh) | 基于波形认知的调频广播外辐射源雷达目标检测方法 | |
CN109507675B (zh) | 基于频分系统实现水下多目标时延估计处理的方法 | |
CN114285500B (zh) | 一种uwb室内定位信道质量评估方法 | |
CN111487678B (zh) | 一种确定高分辨率小多道地震最小偏移距和系统延迟的分析方法 | |
CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及系统 | |
CN104568113B (zh) | 一种基于模型的海洋声传播调查爆炸波自动截取方法 | |
CN109765545A (zh) | 一种基于相关峰包络检测的水声定位时延估计算法 | |
CN106879068A (zh) | 一种强多径环境下信号的到达时间估计方法 | |
CN112487613B (zh) | 一种地层波走时的确定方法和装置 | |
CN109884591A (zh) | 一种基于麦克风阵列的多旋翼无人机声信号增强方法 | |
CN108809354B (zh) | 一种高动态多普勒捕获的长时间累积方法 | |
CN106972895B (zh) | 稀疏信道下基于累积相关系数的水声前导信号检测方法 | |
RU2262121C2 (ru) | Способ классификации шумящих объектов | |
CN112929141B (zh) | 一种基于图传信号匹配的无人机检测识别方法和系统 | |
CN111413702B (zh) | 用于宽带探鱼仪的高效目标分割方法 | |
CN101825722B (zh) | 一种鲁棒的地震信号瞬时频率的估计方法 | |
CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
CN110389335B (zh) | 一种基于海洋背景场的水声传播损失可靠计算方法 | |
CN110233687B (zh) | 一种多路数据信号联合判决检测方法 | |
CN111273294A (zh) | 一种基于时间反转的水声脉冲回波测距方法 | |
CN109617839A (zh) | 一种基于卡尔曼滤波算法的莫尔斯信号检测方法 |
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 |