CN110133580A - 一种随机共振增强的声矢量信号定向方法 - Google Patents

一种随机共振增强的声矢量信号定向方法 Download PDF

Info

Publication number
CN110133580A
CN110133580A CN201910352321.0A CN201910352321A CN110133580A CN 110133580 A CN110133580 A CN 110133580A CN 201910352321 A CN201910352321 A CN 201910352321A CN 110133580 A CN110133580 A CN 110133580A
Authority
CN
China
Prior art keywords
signal
system parameter
value
vector
peak
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
CN201910352321.0A
Other languages
English (en)
Other versions
CN110133580B (zh
Inventor
王海燕
锁健
董海涛
申晓红
马石磊
张红伟
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201910352321.0A priority Critical patent/CN110133580B/zh
Publication of CN110133580A publication Critical patent/CN110133580A/zh
Application granted granted Critical
Publication of CN110133580B publication Critical patent/CN110133580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S3/8003—Diversity systems specially adapted for direction finding
    • 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
    • G01S3/86—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 with means for eliminating undesired waves, e.g. disturbing noises

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

本发明提供了一种随机共振增强的声矢量信号定向方法，可以实现幅度线性增益的适用于定向中的矢量声信号降噪处理，能够解决低信噪比情况下矢量声定向误差大的问题，具有良好的定向效果。本发明主要应用于低信噪比环境下对水下弱目标的定向，并对实际中的矢量声信号相位不一致具有良好的抗性，是一种稳健的单矢量水听器定向方法。

Description

一种随机共振增强的声矢量信号定向方法
技术领域
本发明涉及信号处理领域，尤其是一种矢量信号的方位估计方法。
背景技术
我国是一个海洋大国，进入新世纪以来我国面临来自海洋方向的安全威胁日益增多，特别是来自于敌对方水下潜艇等的威胁，对潜艇的探测和方向估计是关乎海防安全的重要技术。随着世界各军事大国对隐身技术的大力发展，潜艇等水下设备的辐射噪声在较高频段大为降低，基本接近海洋环境噪声级别，对潜艇的探测及定位等日益困难。为了对潜艇等水下弱目标进行有效探测以及定位等，低频/甚低频信号越来越成为主要的目标信号。但是传统的声压水听器不具有指向性，需要采用阵列方式进行定向，而低频/甚低频信号的波长太长，导致水听器阵列尺寸过大，不利于实际中使用。矢量水听器因为能够同时采集声场中的标量信息和矢量信息而不受频率限制，使用单个矢量水听器便可以实现目标的定向，是具有应用潜力及研究价值的新技术。
但是海洋环境噪声的分布具有低频特性，同时在目标声源距离水听器较远、目标声源级和信噪比较低的情况下，矢量水听器采集到信号后降噪起着至关重要的作用，但是目前仍缺乏有效降噪的方法，导致使用单个矢量水听器对远距离处的弱目标进行目标方位估计时误差较大，不能满足使用需求。因此需要研究适用于单矢量水听器信号降噪的方法。
从单矢量水听器定向基本原理出发，经过理论分析发现，在单矢量水听器定向中常用的平均声强流等方法在矢量声信号降噪处理中，需要满足一定的条件才不会对定向精度产生恶性影响，即降噪处理需要满足在降噪处理前后保持声压信号和各路振速信号被等比例增益，同时保持处理前后相位不发生变化或者产生相同的变化。而目前各种降噪的方法以滤除噪声为基本理念，在滤除噪声的同时不可避免的将信号幅度等信息改变，从而改变甚至丢失方向信息，不能用于矢量定向中进行信号降噪处理。随机共振是近年来出现的一种新技术，其利用非线性系统、信号和噪声达到一种匹配状态时将噪声能量向信号能量转移的新理念，能够极大的增强信号。但是传统双稳态随机共振系统具有幅度增益非线性问题以及相位变化问题，会对矢量声信号携带的方位信息造成篡改甚至丢失，影响定向准确性。
发明内容
为了克服现有技术的不足，本发明提供一种利用分段双稳态随机共振对单矢量水听器信号增强的方位估计方法，在保留甚至增强了经典随机共振优秀的降噪能力基础上，使其能够对不同幅度的信号进行等比例增益，同时提供了一种相位问题解决方法，能够在随机共振降噪后产生不确定相移的情况下和矢量水听器通道存在相位误差的情况下，实现弱目标的稳健、高精度定向。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1：采集目标声源矢量声信号：p(t)，vx(t)，vy(t)，其中p(t)为声压通道信号，vx(t)，vy(t)分别为正交的振速通道信号；
步骤2：分段双稳态随机共振系统处理
使用式(1)所示一阶分段双稳态随机共振系统处理矢量声信号：
其中，x为系统输出，t为时间，表示接受到的矢量水听器各通道信号，A0为输入信号的幅度，f0为输入信号的频率，为初始相位，ξ(t)表示高斯白噪声，D为背景噪声强度，Up(x)为系统势函数，表达式为：
其中，a、b为系统参数，是大于零的实数，
步骤3：设定系统参数搜索范围和初始值
设定系统参数a、b的搜索范围a∈[amin,amax]，b∈[bmin,bmax]以及系统参数的搜寻步长asep和bsep，取amin＝bmin＝0,amax和bmax大于等于0.1,asep和bsep小于等于0.0001，取系统参数初始值为a＝amin，b＝bmin；
步骤4：系统数值求解
采用判断的方式选择迭代公式：
若输入信号则将系统参数a、b代入公式(3)计算下一个输出值：
若输入信号则将系统参数a、b代入公式(4)四阶龙格库塔方法计算下一个输出值：
若输入信号则将系统参数a、b代入公式(5)计算下一个输出值：
其中xn表示系统输出的第n个离散值，xn+1表示系统输出的第n+1个离散值，sn+1表示输入信号的第n+1个离散值；
步骤5：系统输出全局信噪比求解与存储
通过离散傅里叶变换(DFT)求解步骤4所得输出信号的功率谱，按照公式(6)计算信噪比SNR：
其中，N为信号长度，Af为功率谱信号处的幅值即信号的能量，代表输出信号的总能量，代表噪声的能量；
将信噪比SNR和对应的系统参数a、b存储；
步骤6：按照步骤3中所设的搜索步长asep和bsep分别改变系统参数a、b，即从系统参数初始值amin和bmin开始取值，每次递进一个搜索步长asep和bsep，循环执行步骤4到步骤5，直到系统参数a、b均达到步骤3中所设搜索范围上限，存储每次循环计算得到的信噪比SNR及信噪比所对应的系统参数；
步骤7：在步骤6所存储的所有信噪比中选取信噪比最大值作为最优值，并提取最优值对应的系统参数a、b作为最优系统参数aopt、bopt；
步骤8：将步骤7获取的最优系统参数aopt、bopt代入步骤2所述的分段随机共振系统中求解输出，获得时域输出信号，对获得的输出信号求取峰峰值Aout＝[A1,A2,A3,…An]，峰峰值是指一个周期内信号最大值和最小值之间的差值，An指第n个周期的峰峰值；
步骤9：对步骤1中所述矢量声信号p(t)，vx(t)，vy(t)重复执行步骤3到步骤8，获得p(t)的峰峰值Apout＝[Ap1,Ap2,Ap3,…Apn]，vx(t)的峰峰值Avxout＝[Avx1,Avx2,Avx3,…Avxn]，以及vy(t)的峰峰值Avyout＝[Avy1,Avy2,Avy3,…Avyn]；
其中Apn，Avxn，Avyn分别表示矢量声信号p(t)，vx(t)，vy(t)经过处理后的信号第n个周期的峰峰值；
步骤10：计算水平方位角
使用公式(7)计算水平方位角：
其中<·>表示求均值，θ为估计出的水平方位角；
步骤11：输出矢量声定向结果，即估计出的水平方位角θ。
本发明的有益效果在于提供了一种随机共振增强的弱目标矢量声定向方法，本发明可以实现幅度线性增益的适用于定向中的矢量声信号降噪处理，能够解决低信噪比情况下矢量声定向误差大的问题，具有良好的定向效果。本发明主要应用于低信噪比环境下对水下弱目标的定向，并对实际中的矢量声信号相位不一致具有良好的抗性，是一种稳健的单矢量水听器定向方法。
附图说明
图1是本发明的分段随机共振信号参数估计方法的原理框图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明提供了一种随机共振增强的弱目标矢量声定向方法；该方法使用所提出的一种适用于定向中的矢量声信号降噪处理方法，能够实现低信噪比情况良好的定向效果。本发明主要应用于低信噪比环境下对水下弱目标的定向，并对实际中的相位差具有良好的抗性，是一种稳健的单矢量水听器定向方法。
如图1所示，以下给出随机共振增强的矢量声信号定向方法的具体实施过程。
步骤1：采集目标声源矢量声信号：p(t)，vx(t)，vy(t)，其中p(t)为声压通道信号，vx(t)，vy(t)分别为正交的振速通道信号；矢量水听器一般具有三个声压通道，本发明中仅以二维平面方位角示例，三维俯仰角计算方法类似，不再赘述。
步骤2：分段双稳态随机共振系统处理
因传统双稳态随机共振系统幅度增益具有非线性特性，因此不同通道的矢量声信号经过随机共振系统会被不同比例放大，导致定向结果错误。因此建立一阶分段双稳态随机共振系统，使用式(1)所示一阶分段双稳态随机共振系统处理矢量声信号：
其中，x为系统输出，t为时间，表示接受到的矢量水听器各通道信号，A0为输入信号的幅度，f0为输入信号的频率，为初始相位，ξ(t)表示高斯白噪声，D为背景噪声强度，Up(x)为系统势函数，表达式为：
其中，a、b为系统参数，是大于零的实数，
步骤3：设定系统参数搜索范围和初始值
设定系统参数a、b的搜索范围a∈[amin,amax]，b∈[bmin,bmax]以及系统参数的搜寻步长asep和bsep，取amin＝bmin＝0,amax和bmax大于等于0.1,asep和bsep小于等于0.0001，取系统参数初始值为a＝amin，b＝bmin；
步骤4：系统数值求解
采用判断的方式选择迭代公式：
若输入信号则将系统参数a、b代入公式(3)计算下一个输出值：
若输入信号则将系统参数a、b代入公式(4)四阶龙格库塔方法计算下一个输出值：
若输入信号则将系统参数a、b代入公式(5)计算下一个输出值：
其中xn表示系统输出的第n个离散值，xn+1表示系统输出的第n+1个离散值，sn+1表示输入信号的第n+1个离散值；
步骤5：系统输出全局信噪比求解与存储
通过离散傅里叶变换(DFT)求解步骤4所得输出信号的功率谱，按照公式(6)计算信噪比SNR：
其中，N为信号长度，Af为功率谱信号处的幅值即信号的能量，代表输出信号的总能量，代表噪声的能量；
将信噪比SNR和对应的系统参数a、b存储；
步骤6：按照步骤3中所设的搜索步长asep和bsep分别改变系统参数a、b，即从系统参数初始值amin和bmin开始取值，每次递进一个搜索步长asep和bsep，循环执行步骤4到步骤5，直到系统参数a、b均达到步骤3中所设搜索范围上限，存储每次循环计算得到的信噪比SNR及信噪比所对应的系统参数；
步骤7：在步骤6所存储的所有信噪比中选取信噪比最大值作为最优值，并提取最优值对应的系统参数a、b作为最优系统参数aopt、bopt；
步骤8：将步骤7获取的最优系统参数aopt、bopt代入步骤2所述的分段随机共振系统中求解输出，获得时域输出信号，对获得的输出信号求取峰峰值Aout＝[A1,A2,A3,…An]，峰峰值是指一个周期内信号最大值和最小值之间的差值，An指第n个周期的峰峰值；
步骤9：对步骤1中所述矢量声信号p(t)，vx(t)，vy(t)重复执行步骤3到步骤8，获得p(t)的峰峰值Apout＝[Ap1,Ap2,Ap3,…Apn]，vx(t)的峰峰值Avxout＝[Avx1,Avx2,Avx3,…Avxn]，以及vy(t)的峰峰值Avyout＝[Avy1,Avy2,Avy3,…Avyn]；
其中Apn，Avxn，Avyn分别表示矢量声信号p(t)，vx(t)，vy(t)经过处理后的信号第n个周期的峰峰值；
步骤10：计算水平方位角
因传统平均声强法等计算方位角时，在信号相位没有对齐的情况下容易造成发散情况,使用步骤9中所示提取信号时域波形峰峰值进行方位估计可以有效解决此问题。在获得各适量通道的峰峰值后使用公式(7)计算水平方位角：
其中<·>表示求均值，θ为估计出的水平方位角；
步骤11：输出矢量声定向结果，即估计出的水平方位角θ。

Claims (1)

1.一种随机共振增强的声矢量信号定向方法，其特征在于包括下述步骤：
步骤1：采集目标声源矢量声信号：p(t)，vx(t)，vy(t)，其中p(t)为声压通道信号，vx(t)，vy(t)分别为正交的振速通道信号；
步骤2：分段双稳态随机共振系统处理
使用式(1)所示一阶分段双稳态随机共振系统处理矢量声信号：
其中，x为系统输出，t为时间，表示接受到的矢量水听器各通道信号，A0为输入信号的幅度，f0为输入信号的频率，为初始相位，ξ(t)表示高斯白噪声，D为背景噪声强度，Up(x)为系统势函数，表达式为：
其中，a、b为系统参数，是大于零的实数，
步骤3：设定系统参数搜索范围和初始值
设定系统参数a、b的搜索范围a∈[amin,amax]，b∈[bmin,bmax]以及系统参数的搜寻步长asep和bsep，取amin＝bmin＝0,amax和bmax大于等于0.1,asep和bsep小于等于0.0001，取系统参数初始值为a＝amin，b＝bmin；
步骤4：系统数值求解
采用判断的方式选择迭代公式：
若输入信号则将系统参数a、b代入公式(3)计算下一个输出值：
若输入信号则将系统参数a、b代入公式(4)四阶龙格库塔方法计算下一个输出值：
若输入信号则将系统参数a、b代入公式(5)计算下一个输出值：
其中xn表示系统输出的第n个离散值，xn+1表示系统输出的第n+1个离散值，sn+1表示输入信号的第n+1个离散值；
步骤5：系统输出全局信噪比求解与存储
通过离散傅里叶变换(DFT)求解步骤4所得输出信号的功率谱，按照公式(6)计算信噪比SNR：
其中，N为信号长度，Af为功率谱信号处的幅值即信号的能量，代表输出信号的总能量，代表噪声的能量；
将信噪比SNR和对应的系统参数a、b存储；
步骤6：按照步骤3中所设的搜索步长asep和bsep分别改变系统参数a、b，即从系统参数初始值amin和bmin开始取值，每次递进一个搜索步长asep和bsep，循环执行步骤4到步骤5，直到系统参数a、b均达到步骤3中所设搜索范围上限，存储每次循环计算得到的信噪比SNR及信噪比所对应的系统参数；
步骤7：在步骤6所存储的所有信噪比中选取信噪比最大值作为最优值，并提取最优值对应的系统参数a、b作为最优系统参数aopt、bopt；
步骤8：将步骤7获取的最优系统参数aopt、bopt代入步骤2所述的分段随机共振系统中求解输出，获得时域输出信号，对获得的输出信号求取峰峰值Aout＝[A1,A2,A3,…An]，峰峰值是指一个周期内信号最大值和最小值之间的差值，An指第n个周期的峰峰值；
步骤9：对步骤1中所述矢量声信号p(t)，vx(t)，vy(t)重复执行步骤3到步骤8，获得p(t)的峰峰值Apout＝[Ap1,Ap2,Ap3,…Apn]，vx(t)的峰峰值Avxout＝[Avx1,Avx2,Avx3,…Avxn]，以及vy(t)的峰峰值Avyout＝[Avy1,Avy2,Avy3,…Avyn]；
其中Apn，Avxn，Avyn分别表示矢量声信号p(t)，vx(t)，vy(t)经过处理后的信号第n个周期的峰峰值；
步骤10：计算水平方位角
使用公式(7)计算水平方位角：
其中<·>表示求均值，θ为估计出的水平方位角；
步骤11：输出矢量声定向结果，即估计出的水平方位角θ。
CN201910352321.0A 2019-04-29 2019-04-29 一种随机共振增强的声矢量信号定向方法 Active CN110133580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910352321.0A CN110133580B (zh) 2019-04-29 2019-04-29 一种随机共振增强的声矢量信号定向方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910352321.0A CN110133580B (zh) 2019-04-29 2019-04-29 一种随机共振增强的声矢量信号定向方法

Publications (2)

Publication Number Publication Date
CN110133580A true CN110133580A (zh) 2019-08-16
CN110133580B CN110133580B (zh) 2022-08-23

Family

ID=67575383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910352321.0A Active CN110133580B (zh) 2019-04-29 2019-04-29 一种随机共振增强的声矢量信号定向方法

Country Status (1)

Country Link
CN (1) CN110133580B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110376545A (zh) * 2019-08-21 2019-10-25 西北工业大学 一种单参数调优随机共振增强的单矢量水听器定向方法
CN111220386A (zh) * 2019-11-18 2020-06-02 南通大学 一种自适应频移变尺度共振技术的轴承故障早期诊断方法
CN112162235A (zh) * 2020-09-08 2021-01-01 西北工业大学 一种光滑分段随机共振增强的声矢量信号定向方法
CN112816940A (zh) * 2020-12-23 2021-05-18 中国船舶重工集团有限公司第七一0研究所 一种基于声压及质点振速的目标距离估计方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6353578B1 (en) * 1999-05-27 2002-03-05 Ronald A. Wagstaff Phase alignment for vector and coherent signal processing
GB201704170D0 (en) * 2017-03-16 2017-05-03 Univ Surrey Signal detection based on stochastic resonance
CN107038475A (zh) * 2017-03-22 2017-08-11 中国人民解放军信息工程大学 一种基于人工鱼群算法的自适应随机共振系统和方法
CN108875685A (zh) * 2018-07-02 2018-11-23 西北工业大学 一种自适应匹配随机共振的水下auv检测方法
CN109359378A (zh) * 2018-10-15 2019-02-19 重庆邮电大学 一种分段非线性双稳系统的弱信号检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6353578B1 (en) * 1999-05-27 2002-03-05 Ronald A. Wagstaff Phase alignment for vector and coherent signal processing
GB201704170D0 (en) * 2017-03-16 2017-05-03 Univ Surrey Signal detection based on stochastic resonance
CN107038475A (zh) * 2017-03-22 2017-08-11 中国人民解放军信息工程大学 一种基于人工鱼群算法的自适应随机共振系统和方法
CN108875685A (zh) * 2018-07-02 2018-11-23 西北工业大学 一种自适应匹配随机共振的水下auv检测方法
CN109359378A (zh) * 2018-10-15 2019-02-19 重庆邮电大学 一种分段非线性双稳系统的弱信号检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ERAN SEGEV 等: "Stochastic Resonance with a Single Metastable State", 《ARXIV》 *
SHILEI MA 等: "Stochastic resonance for underwater VLF weak signal detection under lévy noise background", 《2017 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATIONS AND COMPUTING (ICSPCC)》 *
YONGFENG GUO 等: "Stochastic resonance in a piecewise nonlinear model driven by multiplicative non-Gaussian noise and additive white noise", 《COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION》 *
孔德阳: "随机共振应用于窄带PSK信号处理的研究", 《信号处理》 *
王林泽: "基于分段线性随机共振模型的信号检测电路研究", 《电路与系统学报》 *
田红梅: "基于随机共振原理的微弱周期信号的", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110376545A (zh) * 2019-08-21 2019-10-25 西北工业大学 一种单参数调优随机共振增强的单矢量水听器定向方法
CN111220386A (zh) * 2019-11-18 2020-06-02 南通大学 一种自适应频移变尺度共振技术的轴承故障早期诊断方法
CN112162235A (zh) * 2020-09-08 2021-01-01 西北工业大学 一种光滑分段随机共振增强的声矢量信号定向方法
CN112816940A (zh) * 2020-12-23 2021-05-18 中国船舶重工集团有限公司第七一0研究所 一种基于声压及质点振速的目标距离估计方法及装置
CN112816940B (zh) * 2020-12-23 2023-06-06 中国船舶重工集团有限公司第七一0研究所 一种基于声压及质点振速的目标距离估计方法及装置

Also Published As

Publication number Publication date
CN110133580B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN110133580A (zh) 一种随机共振增强的声矢量信号定向方法
CN106500671B (zh) 一种基于lm算法分解激光雷达波形确定海水深度的方法
CN111580110B (zh) 一种基于浅海多径时延的复合码水声测距方法
CN109361376A (zh) 一种高阶累积量的高精度时延估计方法
CN114167423A (zh) 基于深度回归网络的雷达海浪参数测量方法
CN105353340A (zh) 一种双层圆柱阵水下被动目标检测方法
CN108508446A (zh) 基于海底冷泉成像数据的扇形变换方法
CN110376545A (zh) 一种单参数调优随机共振增强的单矢量水听器定向方法
Zhao et al. FPGA-based real-time synchronous parallel system for underwater acoustic positioning and navigation
CN108957389A (zh) 一种实数域多通道信号目标方位估计方法
CN109407098A (zh) 一种处理正交脉冲串信号的并行处理算法的实现方法
Suo et al. Single acoustic vector sensor DOA enhanced by unsaturated bistable stochastic resonance with linear amplitude response constrained
CN110196355A (zh) 一种基于间歇混沌的微弱信号检测方法
CN104407341A (zh) 利用鲸声及仿其发声特点的伪装隐蔽水下声源装置及方法
Duan et al. Formulas for source depth estimation from multipath arrivals in deep water
CN112162235B (zh) 一种光滑分段随机共振增强的声矢量信号定向方法
CN103901470B (zh) 一种海底沉积层反射强度及时延估计方法
CN109061594A (zh) 一种强杂波环境下基于子阵空时自适应处理的测角方法
Song et al. Anti-multipath near-field localization in multi-path underwater acoustic channel
Biao et al. Identification of sonar detection signal based on fractional Fourier transform
CN111562616B (zh) 地震数据散射噪音压制方法及装置
Wang et al. Feature-enhanced beamforming for underwater 3-D acoustic imaging
Xiao et al. Model of shipping noise in the deep water: directional density and spatial coherence functions
CN113009418B (zh) 一种基于伪格林函数脉冲时延的目标深度估计方法
CN113740820B (zh) 一种雷达信号处理机脉冲多普勒处理的数学建模方法

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