CN110927664B - 基于循环三阶矩与压缩感知的近场声源参数估计 - Google Patents
基于循环三阶矩与压缩感知的近场声源参数估计 Download PDFInfo
- Publication number
- CN110927664B CN110927664B CN201910428388.8A CN201910428388A CN110927664B CN 110927664 B CN110927664 B CN 110927664B CN 201910428388 A CN201910428388 A CN 201910428388A CN 110927664 B CN110927664 B CN 110927664B
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- signal
- data
- 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
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
- G01S3/802—Systems for determining direction or deviation from predetermined direction
- G01S3/8027—By vectorial composition of signals received by plural, differently-oriented transducers
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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
基于循环三阶矩与压缩感知的近场声源参数估计方法,利用均匀对称线阵接收K个窄带、近场、非相干声源信号,通过计算对称阵元z轴方向振速传感器子阵数据的循环三阶矩对消掉距离因子,利用循环三阶矩压缩感知方法得到到达角的估计;将估计得到的到达角代入,利用声压传感器子阵接收数据通过构造距离维的稀疏字典得到距离的估计;本发明方法将两维压缩感知字典通过对称阵列数据的循环三阶矩变为了两个一维压缩感知,大大降低了计算量,且本发明方法不需要将三阶矩构造成Toeplitz矩阵的形式,因此不存在阵列孔径损失,具有较高的分辨率和分辨精度,参数自动配对,不需要额外的配对运算,本发明方法在低快拍和低信噪比下的估计性能优于两步MUSIC方法。
Description
技术领域
本发明属于信号处理技术领域,尤其涉及一种近场声源三阶矩与压缩感知参数估计方法。
背景技术
压缩感知参数估计方法可以直接处理相干信号,单次快拍数据就有很好的参数估计精度,且在低信噪比下的参数估计性能明显优于MUSIC方法,压缩感知有很多的优点因而近年来得到了广泛的应用,但随着参数的增加,压缩感知字典呈指数增加,高维字典将带来很大的计算量,沿xoz平面入射的近场声源信号是到达角和距离的二维参数,二维稀疏字典相比于一维字典非常庞大,如果能够利用阵列和数据的结构特点通过相应的数据处理实现参数的解耦处理将大大降低计算量。本发明利用y轴方向分布的均匀对称简化声矢量传感器阵列的对称结构特点以及z轴方向振速传感器的特殊性,实现了到达角和距离的解耦,将二维压缩感知变为二个一维压缩感知,大大降低了计算量,本发明方法参数自动配对不需要额外的参数配对运算,可以处理相干信号,不存在阵列孔径损失,保持了阵列的分辨率和分辨精度,利用多次快拍数据通过奇异值分解,在提高信噪比的前提下降低了压缩感知信号矩阵的维数,提高了参数估计精度;两步MUSIC方法是通过对两组不同数据的特征分解,并分别通过谱峰搜索得到二维参数估计的一种降维MUSIC方法,本发明方法比两步MUSIC方法有很多的性能优势,有效解决高维压缩感知多参数估计问题,更适合工程应用。
发明内容
本发明的目的是提供一种可以有效解决近场窄带非相干源的二维参数估计问题。
为了实现上述目的,本发明采取如下的技术解决方案:
K个近场窄带非相干声源入射到由L=2P+1个均匀布置于y轴坐标原点两侧的对称阵元构成的均匀对称线阵,阵元为由声压传感器和z轴方向的振速传感器构成的简化声矢量传感器,阵元间隔d小于或者等于入射信号最小波长的四分之一,第k个入射信号表示为ck(t)为时变包络信号,ω0为信号的循环频率;
基于循环三阶矩与压缩感知的近场声源参数估计的步骤如下:
其中是第0个、第p个和第-p个阵元z轴方向的振速传感器接收数据的三阶矩矩阵,/> 分别是第0个、第p个和第-p个阵元z轴方向的振速传感器第m次采样对应的数据;Ts表示采样周期,其中/> 是第k个信号,/>为第m次采样的加性高斯白噪声,θk为第k个信号的到达角;λk为第k个信号的波长,rk为第k个信号距离坐标原点的距离,α为循环三阶矩的循环频率;当α=ω0时, 为ck(t)的三阶矩,对称阵元数据循环三阶矩写成矩阵表示形式为/>为K个信号数据循环三阶矩对应的列向量矩阵;
其中Aμ为对称阵元数据循环三阶矩对应的信号阵列导向矢量矩阵,Aμ=[a(θ1),...,a(θk),...,a(θK)]为L×K的矩阵,为L×1的列向量,根据信号阵列导向矢量的形式和精度要求,构造压缩感知距离维稀疏字典 为L×Nθ维稀疏字典,Nθ为潜在信号个数,/>为Nθ×1维行稀疏信号矩阵;/>不为零的元素对应真实信号位置,/>表示将矩阵/>每行中的元素平方求和构成一个列向量,/>为Frobenius范数,/>为正则化参数,通过交叉验证方法获取数值;
步骤四、利用声压传感器子阵M次快拍数据构成的接收数据矩阵Z[f]对应的阵列导向矢量矩阵Af的结构形式,将步骤三得到的到达角估计值代入,·构造超完备距离稀疏字典/>通过压缩感知方法求优化约束方程/>得到信源距离的估计/>
其中声压传感器子阵M次快拍数据构成的接收数据矩阵可以表示为Z[f]=AfS+N,Af=[a(θ1,r1),a(θ2,r2),…,a(θk,rk),…,a(θK,rK)]是数据矩阵Z[f]对应的信号阵列导向矢量,S为K×M的信号导向矢量矩阵,N为高斯白噪声矩阵,稀疏字典是潜在信号构成的信号导向矢量,其中,Nr为潜在信号的个数,为声压传感器幅度因子,exp(·)表示以e为底的指数运算,/>为潜在信号的幅度构成的列矢量,具有K个非零行的稀疏结构,每个非零行对应着声源信号的距离估计,/>表示将矩阵每行中的元素平方求和构成一个列向量,且Nr>>K,Nr>>L;
前述步骤中的k=1,...,K为信号个数序号,m=1,...,M为快拍序号,p=1,2,...,P为阵元数序号,nθ=1,...,Nθ为潜在信号个数的序号,nr=1,…,Nr为角度潜在信号序数,j为虚拟单位矢量。
本发明提出了一种基于循环三阶矩与压缩感知的近场声源参数估计方法,当入射信号包含两个参数时,二维稀疏字典将非常庞大,本发明利用y轴上分布的均匀对称声压传感器阵列,利用对称阵元的相位特点实现距离和俯仰角的分离,从而通过两步压缩感知得到俯仰角和距离的估计,本发明方法将二维压缩感知变成二个一维压缩感知,大大降低了计算量,参数自动配对,不需要额外的配对运算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中需要使用的附图做简单介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的阵列结构示意图;
图2为本发明方法的流程图;
图3为信噪比为10dB时本发明方法与两步MUSIC算法的距离谱对比图;
图4为信噪比为10dB时本发明方法与两步MUSIC算法的角度谱对比图;
图5为信噪比为15dB时本发明方法与两步MUSIC算法的均方根误差比较图。
具体实施方式
为了让本发明的上述和其它目的、特征及优点能更明显,下文特举本发明实施例,并配合所附图示,做详细说明如下。
图1所示为本发明实施例的简化声矢量传感器阵列的示意图。本发明的简化声矢量传感器阵列为由L=2P+1个均匀布置于y轴坐标原点两侧的对称阵元构成的均匀对称线阵,阵元为由声压传感器和Z轴方向的振速传感器构成的简化声矢量传感器,阵元间隔d小于或者等于入射信号最小波长的四分之一,第k个入射信号表示为ck(t)为时变包络信号ω0为循环频率。
参照图2.本发明基于循环三阶矩与压缩感知的近场声源参数估计方法的步骤如下:当K个近场、窄带、非相干声源信号入射到接收阵列上,K为入射声源信号的数量,K≤L-1;
其中是第0个、第p个和第-p个阵元z轴方向的振速传感器接收数据的三阶矩矩阵,/> 分别是第0个、第p个和第-p个阵元z轴方向的振速传感器第m次采样对应的数据;Ts表示采样周期,其中/> 是第k个信号,/>为第m次采样的加性高斯白噪声,θk为第k个信号的到达角;λk为第k个信号的波长,rk为第k个信号距离坐标原点的距离,α为循环三阶矩的循环频率;当α=ω0时, 为ck(t)的三阶矩,对称阵元数据循环三阶矩写成矩阵表示形式为/>为K个信号数据循环三阶矩对应的列向量矩阵;
其中Aμ为对称阵元数据循环三阶矩对应的信号阵列导向矢量矩阵,Aμ=[a(θ1),...,a(θk),...,a(θk)]为L×K的矩阵,为L×1的列向量,根据信号阵列导向矢量的形式和精度要求,构造压缩感知距离维稀疏字典 为L×Nθ维稀疏字典,Nθ为潜在信号个数,/>为Nθ×1维行稀疏信号矩阵;/>不为零的元素对应真实信号位置,/>表示将矩阵/>每行中的元素平方求和构成一个列向量,/>为Frobenius范数,/>为正则化参数,通过交叉验证方法获取数值;
步骤四、利用声压传感器子阵M次快拍数据构成的接收数据矩阵Z[f]对应的阵列导向矢量矩阵Af的结构形式,将步骤三得到的到达角估计值代入,构造超完备距离稀疏字典/>通过压缩感知方法求优化约束方程/>得到信源距离的估计/>
其中声压传感器子阵M次快拍数据构成的接收数据矩阵可以表示为Z[f]=AfS+N,Af=[a(θ1,r1)a(θ2,r2),…,a(θk,rk),…,a(θK,rK)]是数据矩阵Z[f]对应的信号阵列导向矢量,S为K×M的信号导向矢量矩阵,N为高斯白噪声矩阵,稀疏字典是潜在信号构成的信号导向矢量,其中,/>Nr为潜在信号的个数,/>为声压传感器幅度因子,exp(·)表示以e为底的指数运算,/>为潜在信号的幅度构成的列矢量,/>具有K个非零行的稀疏结构,每个非零行对应着声源信号的距离估计,/>表示将矩阵/>每行中的元素平方求和构成一个列向量,且Nr>>K,Nr>>L;
前述步骤中的k=1,...,K为信号个数序号,m=1,...,M为快拍序号,p=1,2,...,P为阵元数序号,nθ=1,...,Nθ为潜在信号个数的序号,nr=1,…,Nr为角度潜在信号序数,j为虚拟单位矢量。
本发明方法利用z轴方向分布的简化声矢量传感器对称阵列,通过计算对称阵元z轴方向的振速传感器的三阶矩矩阵对消掉距离因子,z轴方向的振速传感器的三阶矩矩阵作为一次快拍数据,利用压缩感知算法得到到达角的估计;将估计的结果代入利用声压传感器子阵一次快拍数据,通过压缩感知得到信号源距离的估计,本发明方法不存在阵列孔径损失,提高了阵列分辨率和可以估计的信号个数,参数自动配对,在低信噪比和低快拍下有较高的参数估计精度。
本发明的效果可以通过以下的仿真结果进一步说明:
仿真实验条件如下:
图1所示为本发明实施例的阵列结构示意图,本发明的阵列为由17个阵元构成的均匀对称线阵,两个非相干近场声源的到达角(θ1,θ2)=(-5°,20°)和距离为(r1,r2)=(0.3λ,0.5λ),阵元之间的间隔取为d=λ/4,λ为入射信号的最小波长,快拍数为M=100,实验次数为100次,噪声为高斯白噪声,图3和图4为信噪比为10dB时,本发明方法和两步MUSIC方法对近场声源距离估计的归一化功率谱图和到达角估计时的归一化功率谱图。从图3可以看出,两种方法在估计出的距离参数处都形成了尖锐的谱峰值,这说明两种方法都能有效的估计出声源的距离参数,本发明方法的距离参数估计值的峰值高度要大于两步MUSIC的峰值高度,且本发明方法的距离估计谱峰图比两步MUSIC方法更尖锐,主瓣更窄。从图4可以看出,两种方法的角度估计的谱峰图都很尖锐,两种方法都能得到信号源的准确参数估计值,本发明方法峰值的高度大于两步MUSIC算法且谱峰更尖锐,主瓣更窄。图5给出了两种方法到达角估计得均方根误差图,可以看出在信噪比为10dB的情况下,本发明方法的参数估计精度优越两步MUSIC方法。
以上所述,仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (1)
1.基于循环三阶矩与压缩感知的近场声源参数估计方法,其特征在于:
简化声矢量传感器阵列由L个均匀布置于y轴坐标原点两侧的对称阵元构成的均匀对称线阵,阵元为由声压传感器和Z轴方向的振速传感器构成的简化声矢量传感器,阵元间隔d小于或者等于入射信号最小波长的四分之一;
近场声源参数估计方法的步骤如下:阵列接收K个近场、窄带、非相干声源信号,
步骤二、由Z轴方向的振速传感器子阵接收数据矩阵求对称阵元数据循环三阶矩其中是第0个、第p个和第-p个阵元z轴方向的振速传感器接收数据的三阶矩矩阵,/>分别是第0个、第p个和第-p个阵元z轴方向的振速传感器第m次采样对应的数据;Ts表示采样周期,其中 是第k个信号,/>为第m次采样的加性高斯白噪声,θk为第k个信号的到达角;λk为第k个信号的波长,rk为第k个信号距离坐标原点的距离,α为循环三阶矩的循环频率;当α=ω0时, 为ck(t)的三阶矩,对称阵元数据循环三阶矩写成矩阵表示形式为/>为K个信号数据循环三阶矩对应的列向量矩阵;
其中Aμ为对称阵元数据循环三阶矩对应的信号阵列导向矢量矩阵,Aμ=[a(θ1),...,a(θk),...,a(θK)]为L×K的矩阵,为L×1的列向量,根据信号阵列导向矢量的形式和精度要求,构造压缩感知距离维稀疏字典 为L×Nθ维稀疏字典,Nθ为潜在信号个数,/>为Nθ×1维行稀疏信号矩阵;/>不为零的元素对应真实信号位置,/>表示将矩阵/>每行中的元素平方求和构成一个列向量,/>为Frobenius范数,/>为正则化参数,通过交叉验证方法获取数值;
步骤四、利用声压传感器子阵M次快拍数据构成的接收数据矩阵Z[f]对应的阵列导向矢量矩阵Af的结构形式,将步骤三得到的到达角估计值代入,构造超完备距离稀疏字典/>通过压缩感知方法求优化约束方程/>得到信源距离的估计/>
其中声压传感器子阵M次快拍数据构成的接收数据矩阵表示为Z[f]=AfS+N,Af=[a(θ1,r1),a(θ2,r2),…,a(θk,rk),…,a(θK,rK)]是数据矩阵Z[f]对应的信号阵列导向矢量,S为K×M的信号导向矢量矩阵,N为高斯白噪声矩阵,稀疏字典是潜在信号构成的信号导向矢量,其中,/>Nr为潜在信号的个数,/>为声压传感器幅度因子,exp(·)表示以e为底的指数运算,/>为潜在信号的幅度构成的列矢量,/>具有K个非零行的稀疏结构,每个非零行对应着声源信号的距离估计,/>表示将矩阵/>每行中的元素平方求和构成一个列向量,且Nr>>K,Nr>>L;
前述步骤中的k=1,...,K为信号个数序号,m=1,...,M为快拍序号,p=1,2,...,P为阵元数序号,nθ=1,...,Nθ为潜在信号个数的序号,nr=1,…,Nr为角度潜在信号序数,j为虚拟单位矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428388.8A CN110927664B (zh) | 2019-05-16 | 2019-05-16 | 基于循环三阶矩与压缩感知的近场声源参数估计 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428388.8A CN110927664B (zh) | 2019-05-16 | 2019-05-16 | 基于循环三阶矩与压缩感知的近场声源参数估计 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110927664A CN110927664A (zh) | 2020-03-27 |
CN110927664B true CN110927664B (zh) | 2023-07-11 |
Family
ID=69855701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910428388.8A Active CN110927664B (zh) | 2019-05-16 | 2019-05-16 | 基于循环三阶矩与压缩感知的近场声源参数估计 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927664B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111896929B (zh) * | 2020-08-28 | 2023-08-04 | 西安电子科技大学 | 非均匀mimo雷达的dod/doa估计算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644774A (zh) * | 2009-07-07 | 2010-02-10 | 中国科学院声学研究所 | 一种基于线性规划的近场目标定位方法及其系统 |
WO2017063032A1 (en) * | 2015-10-15 | 2017-04-20 | Monash University | Determining elevation and bearing information of a remote point |
CN106932087A (zh) * | 2017-03-21 | 2017-07-07 | 陕西理工大学 | 圆形声矢量传感器阵列近场源多参数估计方法 |
JP2017227489A (ja) * | 2016-06-21 | 2017-12-28 | Necネットワーク・センサ株式会社 | 試験システム、波形シミュレータ装置、試験方法およびプログラム |
CN107544052A (zh) * | 2017-08-07 | 2018-01-05 | 大连大学 | 一种基于矩阵补全的二阶统计量重构doa估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101413229B1 (ko) * | 2013-05-13 | 2014-08-06 | 한국과학기술원 | 방향 추정 장치 및 방법 |
US10539637B2 (en) * | 2016-11-22 | 2020-01-21 | Hyperfine Research, Inc. | Portable magnetic resonance imaging methods and apparatus |
-
2019
- 2019-05-16 CN CN201910428388.8A patent/CN110927664B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644774A (zh) * | 2009-07-07 | 2010-02-10 | 中国科学院声学研究所 | 一种基于线性规划的近场目标定位方法及其系统 |
WO2017063032A1 (en) * | 2015-10-15 | 2017-04-20 | Monash University | Determining elevation and bearing information of a remote point |
JP2017227489A (ja) * | 2016-06-21 | 2017-12-28 | Necネットワーク・センサ株式会社 | 試験システム、波形シミュレータ装置、試験方法およびプログラム |
CN106932087A (zh) * | 2017-03-21 | 2017-07-07 | 陕西理工大学 | 圆形声矢量传感器阵列近场源多参数估计方法 |
CN107544052A (zh) * | 2017-08-07 | 2018-01-05 | 大连大学 | 一种基于矩阵补全的二阶统计量重构doa估计方法 |
Non-Patent Citations (4)
Title |
---|
A compressive sensing framework for seismic source parameter estimation;Ismael Vera Rodriguez 等;《Geophysical Journal International》;20121231;第191卷(第03期);第1226-1236页 * |
基于压缩感知的DOA估计研究;燕静波;《中国优秀硕士学位论文全文数据库信息科技辑》;20140115;第I136-274页 * |
基于压缩感知的MIMO雷达角度估计方法研究;龚珞珞;《中国优秀硕士学位论文全文数据库信息科技辑》;20160315(第03期);第I136-2376页 * |
基于声矢量的近场源参数估计研究;邹明杲;《中国优秀硕士学位论文全文数据库信息科技辑》;20190215;第I140-541页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110927664A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN110531313B (zh) | 一种基于深度神经网络回归模型的近场信号源定位方法 | |
CN101150345A (zh) | 适用于非平稳噪声背景下相干信源的测向方法 | |
CN112630784B (zh) | 基于凸优化和神经网络的平面阵列幅相误差校正方法 | |
CN112098983B (zh) | 基于空域解卷积处理的浅海水平阵被动定位方法及系统 | |
CN111182705B (zh) | 基于自动编码器的时变等离子体诊断方法及诊断系统 | |
CN112285647B (zh) | 一种基于稀疏表示与重构的信号方位高分辨估计方法 | |
CN113109759B (zh) | 基于小波变换联合卷积神经网络的水声阵列信号波达方向估计方法 | |
CN109597021B (zh) | 一种波达方向估计方法及装置 | |
CN110837076A (zh) | 一种基于张量分解的矢量水听器阵列方位估计方法 | |
CN108761380B (zh) | 一种用于提高精度的目标波达方向估计方法 | |
CN111580079B (zh) | 一种基于单矢量水听器的水下运动目标最近接近距离估计方法 | |
CN109709510A (zh) | 一种相干信源二维波达方向的估计方法及系统 | |
CN110927664B (zh) | 基于循环三阶矩与压缩感知的近场声源参数估计 | |
CN106980105B (zh) | 电磁矢量传感器阵列空间旋转解相干测向方法 | |
CN112014791B (zh) | 存在阵列误差的阵列pca-bp算法的近场源定位方法 | |
CN117471397A (zh) | 一种基于图信号处理的圆形阵列二维doa估计方法 | |
CN112285639A (zh) | 一种基于十字形声压阵列的宽带信号方位估计方法 | |
CN110927663A (zh) | 近场声源参数估计的三维压缩感知降维方法 | |
CN114184999B (zh) | 一种互耦小孔径阵列的生成式模型处理方法 | |
CN106886627B (zh) | 一种m-uca估计m-1个信源的建模方法 | |
Yang et al. | Deep contrastive clustering for signal deinterleaving | |
CN114755628A (zh) | 非均匀噪声下声矢量传感器阵列波达方向估计方法 | |
CN113075633A (zh) | 一种基于距离-俯仰联合字典的目标定位方法 | |
CN113721184B (zh) | 基于改进music算法的近场信号源定位方法 |
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 |