CN110133580B - 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
CN110133580B
CN110133580B CN201910352321.0A CN201910352321A CN110133580B CN 110133580 B CN110133580 B CN 110133580B CN 201910352321 A CN201910352321 A CN 201910352321A CN 110133580 B CN110133580 B CN 110133580B
Authority
CN
China
Prior art keywords
signal
value
peak
sep
vector
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
Application number
CN201910352321.0A
Other languages
English (en)
Other versions
CN110133580A (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

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
    • G01S3/8003—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：
Figure BDA0002044320220000021
其中，x为系统输出，t为时间，
Figure BDA0002044320220000022
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，
Figure BDA0002044320220000023
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：
Figure BDA0002044320220000024
其中，a、b为系统参数，是大于零的实数，
Figure BDA0002044320220000025
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
Figure BDA0002044320220000031
则将系统参数a、b代入公式(3)计算下一个输出值：
Figure BDA0002044320220000032
若输入信号
Figure BDA0002044320220000033
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：
Figure BDA0002044320220000034
若输入信号
Figure BDA0002044320220000035
则将系统参数a、b代入公式(5)计算下一个输出值：
Figure BDA0002044320220000036
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：
Figure BDA0002044320220000037
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，
Figure BDA0002044320220000038
代表输出信号的总能量，
Figure BDA0002044320220000039
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：
Figure BDA0002044320220000041
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：
Figure BDA0002044320220000051
其中，x为系统输出，t为时间，
Figure BDA0002044320220000052
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，
Figure BDA0002044320220000053
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：
Figure BDA0002044320220000054
其中，a、b为系统参数，是大于零的实数，
Figure BDA0002044320220000055
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
Figure BDA0002044320220000056
则将系统参数a、b代入公式(3)计算下一个输出值：
Figure BDA0002044320220000061
若输入信号
Figure BDA0002044320220000062
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：
Figure BDA0002044320220000063
若输入信号
Figure BDA0002044320220000064
则将系统参数a、b代入公式(5)计算下一个输出值：
Figure BDA0002044320220000065
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：
Figure BDA0002044320220000066
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，
Figure BDA0002044320220000067
代表输出信号的总能量，
Figure BDA0002044320220000068
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：
Figure BDA0002044320220000071
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：采集目标声源声矢量信号：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声矢量信号：
Figure FDA0003711366830000011
其中，x为系统输出，t为时间，
Figure FDA0003711366830000012
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，
Figure FDA0003711366830000013
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：
Figure FDA0003711366830000014
其中，a、b为系统参数，是大于零的实数，
Figure FDA0003711366830000015
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
Figure FDA0003711366830000016
则将系统参数a、b代入公式(3)计算下一个输出值：
Figure FDA0003711366830000017
若输入信号
Figure FDA0003711366830000018
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：
Figure FDA0003711366830000021
若输入信号
Figure FDA0003711366830000022
则将系统参数a、b代入公式(5)计算下一个输出值：
Figure FDA0003711366830000023
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：
Figure FDA0003711366830000024
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，
Figure FDA0003711366830000025
代表输出信号的总能量，
Figure FDA0003711366830000026
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中所述声矢量信号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分别表示声矢量信号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：
Figure FDA0003711366830000031
其中<·>表示求均值，θ为估计出的水平方位角；
步骤11：输出声矢量定向结果，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 CN110133580A (zh) 2019-08-16
CN110133580B true 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)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110376545B (zh) * 2019-08-21 2022-11-29 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
CN111220386B (zh) * 2019-11-18 2022-06-21 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
CN112162235B (zh) * 2020-09-08 2022-11-11 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
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

Family Cites Families (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
CN107038475B (zh) * 2017-03-22 2019-10-11 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
CN108875685B (zh) * 2018-07-02 2021-06-11 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

Also Published As

Publication number Publication date
CN110133580A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN110133580B (zh) 一种随机共振增强的声矢量信号定向方法
CN102645265A (zh) 一种基于虚拟时间反转镜的舰船辐射噪声级测量方法
CN105589056A (zh) 一种多目标远近场混合源定位方法
CN103076604B (zh) 一种基于频散特征的低频水声脉冲信号距离的测量方法
CN110135291B (zh) 一种低信噪比信号的参数估计方法
CN109669160B (zh) 一种水下瞬态声信号的检测方法
CN110376545B (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
CN112965053B (zh) 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法
CN112987004A (zh) 一种浅海环境下基于水平阵列的水面水下目标分类方法
CN105353340B (zh) 一种双层圆柱阵水下被动目标检测方法
CN103454616A (zh) 一种十字型振速梯度水听器的方位估计方法
CN104502904A (zh) 一种鱼雷自导波束锐化方法
CN114167423A (zh) 基于深度回归网络的雷达海浪参数测量方法
CN110196407B (zh) 一种基于频率预估的单矢量水听器信号来波方向估计方法
CN105445724B (zh) 单水听器自由场被动测距方法
CN112162235B (zh) 一种光滑分段随机共振增强的声矢量信号定向方法
CN107255804B (zh) 基于杂波轮廓图的动目标显示滤波器滤波方法
CN106066472B (zh) 一种二维振速梯度水听器的被动目标相关检测方法
CN103901421A (zh) 基于对角减载的水声阵列smi-mvdr空间谱估计方法
CN104267403A (zh) 一种浅水多波束测深仪用快速动态聚焦方法
Zhou et al. A zero crossing algorithm for time delay estimation
CN113126029A (zh) 适用于深海可靠声路径环境的多传感器脉冲声源定位方法
Liu et al. Target depth extraction based on the character of sound field vertical wavenumber spectrum
CN112834577B (zh) 一种判断海洋环境磁场与海水电导率关联方法
Wang et al. Deconvolved Conventional Beamforming and Uncertainty Analysis for a Difference Coarray

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