CN113866718A - 一种基于互质阵的匹配场被动定位方法 - Google Patents

一种基于互质阵的匹配场被动定位方法 Download PDF

Info

Publication number
CN113866718A
CN113866718A CN202111175280.6A CN202111175280A CN113866718A CN 113866718 A CN113866718 A CN 113866718A CN 202111175280 A CN202111175280 A CN 202111175280A CN 113866718 A CN113866718 A CN 113866718A
Authority
CN
China
Prior art keywords
array
prime
elements
covariance matrix
hydrophone
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
CN202111175280.6A
Other languages
English (en)
Other versions
CN113866718B (zh
Inventor
杨益新
黎佳艺
周建波
汪勇
姚琦海
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 CN202111175280.6A priority Critical patent/CN113866718B/zh
Publication of CN113866718A publication Critical patent/CN113866718A/zh
Application granted granted Critical
Publication of CN113866718B publication Critical patent/CN113866718B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S5/00Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/20Position of source determined by a plurality of spaced direction-finders

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

本发明公开了一种基于互质阵的匹配场被动定位方法,本发明首先利用实测声速剖面,采用简正波模型模拟该海洋环境下声源信号到达互质阵的频域复声压作为阵列接收数据。对声源可能存在的海域划分深度距离网格,利用已知的环境参数、阵列参数结合简正波模型生成处声源位于不同位置处的拷贝向量。对阵列接收数据和拷贝向量进行阵列扩展处理后将二者匹配,得到表征二者相关程度的模糊函数,获取模糊函数矩阵的最大值点即为估计出的声源位置。本发明将子阵间距压缩互质阵应用于匹配场处理中,扩大了稀疏阵技术的适用面,有效的改善了上述匹配场处理由于模糊函数旁瓣较高导致的定位模糊,提升了传统均匀线列阵在噪声干扰下定位的有效性。

Description

一种基于互质阵的匹配场被动定位方法
技术领域
本发明属于航海技术领域,具体涉及一种匹配场被动定位方法。
背景技术
匹配场处理为水声物理与阵列信号处理交叉的一个热门领域,它充分利用了海洋信道信息对阵列接收信号进行处理分析。匹配场技术首先被Bucker于1976年提出并引入模糊表面这一重要概念,Fizell等在匹配场定位的基础上,结合了高分辨率波束形成方法,完成了匹配场被动定位实验。自此,国内外学者开始使用匹配场处理进行声源定位、目标跟踪、海洋参数反演等。文献“匹配场处理——水声物理学与信号处理的结合,电子科技导报,1996(04):9-12.”指出匹配场处理通常存在由于模糊函数旁瓣较高导致定位模糊的问题,影响着定位的稳定性。匹配场定位还容易受到环境噪声的影响,导致定位结果误差很大而失效。
近些年来,稀疏阵技术逐步发展成熟,在空间谱估计中应用广泛,它突破了传统阵列阵元间距半波长的限制,获得更高的定位精度和分辨率。目前最常见的稀疏阵列结构一类是嵌套阵,另一类是互质阵。相比于均匀线阵,稀疏阵具有以下优势:1)阵元数相同时,稀疏阵对应的虚拟阵拥有更大的阵列孔径,更多的自由度,在测向精度、分辨率等方面具有更好的性能。2)阵元间距的扩大,使得互耦效应大大降低,提高了测向性能。在随后的众多学者的研究中,一些新的互质阵结构被提出。在文献“基于互质阵的波达方向估计研究,信号处理在地球物理——浙江省信号处理学会2018年学术年会论文集,2018,12-16.”中,一种子阵间距压缩的互质阵被提出,通过压缩其中一个子阵的阵元间距来增大连续虚拟阵元数,它的分辨能力相比较于传统互质阵会更强。目前对稀疏阵的研究较为丰富,但大部分应用于雷达、通信等方面,与水声信号处理结合的较少。
发明内容
为了克服现有技术的不足,本发明提供了一种基于互质阵的匹配场被动定位方法,本发明首先利用实测声速剖面,采用简正波模型模拟该海洋环境下声源信号到达互质阵的频域复声压作为阵列接收数据。对声源可能存在的海域划分深度距离网格,利用已知的环境参数、阵列参数结合简正波模型生成处声源位于不同位置处的拷贝向量。对阵列接收数据和拷贝向量进行阵列扩展处理后将二者匹配,得到表征二者相关程度的模糊函数,获取模糊函数矩阵的最大值点即为估计出的声源位置。本发明将子阵间距压缩互质阵应用于匹配场处理中,扩大了稀疏阵技术的适用面,有效的改善了上述匹配场处理由于模糊函数旁瓣较高导致的定位模糊,提升了传统均匀线列阵在噪声干扰下定位的有效性。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:使用子阵间距压缩的互质阵结构作为水听器接收阵列;
取两个互为质数的数M、N,设单位阵元间距为d=λ/2,λ为信号的波长;设第一个子阵的阵元间距为Md,阵元个数为N;第二个子阵的阵元间距为Nd,阵元个数为M;采用压缩因子p将第二个子阵的阵元间距压缩至
Figure BDA0003295218170000021
将两个子阵组合即为互质阵结构的水听器阵列;
步骤2:水听器阵列接收数据表示为:
x(t)=AS(t)+n(t) (1)
其中,x(t)是水听器阵列接收到的声压,A表示声源在水听器阵列不同阵元上的导向矢量,S(t)是声源信号,n(t)表示水听器上的加性噪声;
采用式(2)得到水听器阵列接收数据的协方差矩阵:
R=E{x(t)xH(t)} (2)
其中H表示共轭转置;
由协方差矩阵R包含的阵元位置的差分信息形成差集Lv={qi-qj|qi,qj∈Lc},其中qi=id,qj=jd,Lc={q1,q2,...,qM+2N-1};
步骤3:将协方差矩阵R向量化得到:
Figure BDA0003295218170000022
其中
Figure BDA0003295218170000023
为克罗内克积,*表示共轭,k为信号功率,σn为噪声功率,e表示单位向量;
步骤4:去掉差集Lv中的重复元素并将剩余元素按从小到大的顺序进行排列得到新的差集
Figure BDA0003295218170000024
向量化后的协方差矩阵z中各元素与阵元位置的差集Lv一一对应,按照从Lv
Figure BDA0003295218170000025
进行去重和排序的规律将z中元素按该规律进行去重和排序得到一个新的虚拟阵的阵列接收数据
Figure BDA0003295218170000026
该虚拟阵称为虚拟差分阵;计算得到虚拟差分阵
Figure BDA0003295218170000027
的协方差矩阵:
Figure BDA0003295218170000028
步骤5:采用简正波模型获得声源位于不同深度和距离处的阵列的接收声压v,将接收声压v作为拷贝向量;
对每个拷贝向量计算协方差矩阵Rv=E{vvH},将Rv向量化得到zv=vec(Rv),其中Rv的第i行j列元素对应的虚拟差分阵的位置为qi-qj;将zv中各元素进行去重和排序得到虚拟差分阵的拷贝向量
Figure BDA0003295218170000031
步骤6:采用线性Bartlett匹配处理器,对协方差矩阵
Figure BDA0003295218170000032
和拷贝向量
Figure BDA0003295218170000033
进行匹配得到模糊函数:
Figure BDA0003295218170000034
模糊函数y的最大值对应的深度和距离即为估计的声源位置。
优选地,所述M=3、N=8、p=2。
本发明的有益效果如下:
本发明采用阵元间距稀疏的互质阵,突破了阵元间距半波长的限制。将阵列接收数据的协方差矩阵向量化、去掉重复元素并进行排序得到原阵元位置进行差分后的虚拟阵,扩大了阵列孔径,提高了自由度。相比于相同阵元数目的均匀线列阵,模糊函数旁瓣大大降低,定位图像更加清晰,在噪声环境下,定位有效估计概率大大增加。
附图说明
图1为本发明采用的互质阵阵列结构图。
图2本发明具体实施框架流程图。
图3本发明实施例某次实测浅海声速剖面。
图4本发明实施例互质阵模糊函数图。
图5本发明实施例相同阵元数的均匀线列阵的模糊函数图。
图6本发明实施例声源深度上不同距离处两种阵列的模糊函数值。
图7本发明实施例声源距离上不同深度处两种阵列的模糊函数值。
图8本发明实施例两种阵列在不同信噪比下的有效估计率。
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。
为了改善匹配场处理中定位模糊、低信噪比条件下定位失效等问题。本发明提出一种基于互质阵的匹配场被动声源定位方法,该方法中的向量化协方差矩阵步骤,会形成一种虚拟的差分阵,达到扩展阵列孔径的效果,从而能有效的改善定位模糊问题。
如图1所示,一种基于互质阵的匹配场被动定位方法,包括如下步骤:
步骤1:使用子阵间距压缩的互质阵结构作为水听器接收阵列;
如图2所示,取两个互为质数的数M、N,设单位阵元间距为d=λ/2;设第一个子阵的阵元间距为Md,阵元个数为N;第二个子阵的阵元间距为Nd,阵元个数为M;采用压缩因子p将第二个子阵的阵元间距压缩至
Figure BDA0003295218170000041
将两个子阵组合即为互质阵结构的水听器阵列;
步骤2:水听器阵列接收数据表示为:
x(t)=AS(t)+n(t) (1)
其中,x(t)是水听器阵列接收到的声压,A表示声源在水听器阵列不同阵元上的延迟和幅度信息,S(t)是声源信号,n(t)表示水听器上的加性噪声;
采用式(2)得到水听器阵列接收数据的协方差矩阵:
R=E{x(t)xH(t)} (2)
其中H表示共轭转置;协方差矩阵R中包含了阵元位置的差分信息形成差集Lv={qi-qj|qi,qj∈Lc},其中qi表示id,Lc={q1,q2,...,qM+2N-1};
步骤3:将协方差矩阵R向量化得到:
Figure BDA0003295218170000042
其中
Figure BDA0003295218170000043
为克罗内克积,*表示共轭,k为信号功率,σn为噪声功率;
步骤4:去掉差集Lv的重复元素并将剩余元素按从小到大的顺序进行排列得到新的差集
Figure BDA0003295218170000044
向量化后的协方差矩阵z中各元素与阵元位置的差集Lv一一对应,按照从Lv
Figure BDA0003295218170000045
进行去重和排序的规律将z中元素按该规律进行去重和排序得到一个新的虚拟阵的阵列接收数据
Figure BDA0003295218170000046
该虚拟阵称为虚拟差分阵;计算得到虚拟差分阵
Figure BDA0003295218170000047
的协方差矩阵:
Figure BDA0003295218170000048
步骤5:采用简正波模型获得声源位于不同深度和距离处的阵列的接收声压v,将接收声压v作为拷贝向量;
对每个拷贝向量计算协方差矩阵Rv=E{vvH},将Rv向量化得到zv=vec(Rv),其中Rv的第i行j列元素对应的虚拟差分阵的位置为qi-qj;将zv中各元素进行去重和排序得到虚拟差分阵的拷贝向量
Figure BDA0003295218170000049
步骤6:采用线性Bartlett匹配处理器,对协方差矩阵
Figure BDA00032952181700000410
和拷贝向量
Figure BDA00032952181700000411
进行匹配得到模糊函数:
Figure BDA0003295218170000051
模糊函数y的最大值对应的深度和距离即为估计的声源位置。
具体实施例:
1、获取互质阵的阵列接收数据。
在KRAKEN软件中输入实测声速剖面、仿真的声源频率和深度,接收器距离设为仿真的声源距离,接收器深度设为互质阵各阵元深度。运行KRAKEN,提取shd文件的声压值,即为互质阵的接收复声压。
2、获取匹配场拷贝向量。
在KRAKEN软件中输入实测声速剖面、仿真的声源频率。将声源可能存在的位置范围划分成深度、距离网格。声源深度设置为网格点的深度值,接收器距离设置为网格点的距离值,接收器深度设为互质阵各阵元深度。运行KRAKEN,提取shd文件的声压值,即为声源位于不同网格点位置时,互质阵的拷贝向量。
3、计算虚拟差分阵的位置集合。
计算阵元位置差集Lv={qi-qj|qi,qj∈Lc},其中Lc为原位置集合:Lc={q1,q2,...,qM+2N-1}。去掉Lv中的重复元素并将它按从小到大的顺序进行排列得到新的差集
Figure BDA0003295218170000052
4、阵列接收数据处理。
计算阵列接收数据的协方差矩阵R=E{x(t)xH(t)},将它向量化得到
Figure BDA0003295218170000053
Figure BDA0003295218170000054
其中R的第i行j列元素对应的虚拟差分阵的位置为qi-qj。将z中各元素,按照它们所对应的新的位置差集
Figure BDA0003295218170000055
中的元素进行去重和排序得到虚拟差分阵的阵列接收数据
Figure BDA0003295218170000056
计算出虚拟差分阵的协方差矩阵
Figure BDA0003295218170000057
5、拷贝向量的处理。
对每个拷贝向量计算协方差矩阵Rv=E{vvH},将它向量化得到zv=vec(Rv),其中Rv的第i行j列元素对应的虚拟差分阵的位置为qi-qj。将zv中各元素,按照它们所对应的新的位置差集
Figure BDA0003295218170000058
中的元素进行去重和排序得到虚拟差分阵的拷贝向量
Figure BDA0003295218170000059
6、匹配定位。
对前面求得的虚拟差分阵的协方差矩阵
Figure BDA00032952181700000510
和拷贝向量
Figure BDA00032952181700000511
按照线性匹配处理公式
Figure BDA00032952181700000512
算出模糊函数y。寻找y中最大值对应的深度和距离,即为匹配场处理估计出的的声源位置。
为了更好地说明本发明的优点,下面结合附图和仿真对本发明内容做进一步说明:
图3给出的是某次南海实测声速剖面,海深75m,海底介质密度为1.806g/cm3,声速1668m/s,吸收系数0.692dB/λ。仿真采用的声源频率为255Hz,位于30m,4km处。互质阵单位阵元间距3m,阵列结构取M=3、N=8、p=2。比较互质阵、同阵元数线列阵的模糊函数图如图4、图5所示,可见,互质阵的图像最为清晰,同阵元数线列阵的图像比较模糊。因此,互质阵可以很好地改善匹配场定位模糊的问题。图6、图7是对声源位置处深度和距离的模糊函数值进行对比,有利于直观看出两种阵列的性能差异,可见相比于同阵元数线列阵,互质阵的模糊函数图像的主瓣更窄,旁瓣更低,定位性能更加稳健。设定距离和深度估计误差在500m、4m内(约为整个匹配区域的5%)为有效估计,统计不同信噪比下400次实验的有效估计概率作为衡量定位有效性的依据,结果如图8所示,可见在不同信噪比条件下,互质阵相比于同阵元数线列阵均有更大概率准确估计出声源位置。

Claims (2)

1.一种基于互质阵的匹配场被动定位方法,其特征在于,包括以下步骤:
步骤1:使用子阵间距压缩的互质阵结构作为水听器接收阵列;
取两个互为质数的数M、N,设单位阵元间距为d=λ/2,λ为信号的波长;设第一个子阵的阵元间距为Md,阵元个数为N;第二个子阵的阵元间距为Nd,阵元个数为M;采用压缩因子p将第二个子阵的阵元间距压缩至
Figure FDA0003295218160000011
将两个子阵组合即为互质阵结构的水听器阵列;
步骤2:水听器阵列接收数据表示为:
x(t)=AS(t)+n(t) (1)
其中,x(t)是水听器阵列接收到的声压,A表示声源在水听器阵列不同阵元上的导向矢量,S(t)是声源信号,n(t)表示水听器上的加性噪声;
采用式(2)得到水听器阵列接收数据的协方差矩阵:
R=E{x(t)xH(t)} (2)
其中H表示共轭转置;
由协方差矩阵R包含的阵元位置的差分信息形成差集Lv={qi-qj|qi,qj∈Lc},其中qi=id,qj=jd,Lc={q1,q2,...,qM+2N-1};
步骤3:将协方差矩阵R向量化得到:
Figure FDA0003295218160000012
其中
Figure FDA0003295218160000013
Figure FDA0003295218160000014
为克罗内克积,*表示共轭,k为信号功率,σn为噪声功率,e表示单位向量;
步骤4:去掉差集Lv中的重复元素并将剩余元素按从小到大的顺序进行排列得到新的差集
Figure FDA0003295218160000015
向量化后的协方差矩阵z中各元素与阵元位置的差集Lv一一对应,按照从Lv
Figure FDA0003295218160000016
进行去重和排序的规律将z中元素按该规律进行去重和排序得到一个新的虚拟阵的阵列接收数据
Figure FDA0003295218160000017
该虚拟阵称为虚拟差分阵;计算得到虚拟差分阵
Figure FDA0003295218160000018
的协方差矩阵:
Figure FDA0003295218160000019
步骤5:采用简正波模型获得声源位于不同深度和距离处的阵列的接收声压v,将接收声压v作为拷贝向量;
对每个拷贝向量计算协方差矩阵Rv=E{vvH},将Rv向量化得到zv=vec(Rv),其中Rv的第i行j列元素对应的虚拟差分阵的位置为qi-qj;将zv中各元素进行去重和排序得到虚拟差分阵的拷贝向量
Figure FDA00032952181600000110
步骤6:采用线性Bartlett匹配处理器,对协方差矩阵
Figure FDA0003295218160000021
和拷贝向量
Figure FDA0003295218160000022
进行匹配得到模糊函数:
Figure FDA0003295218160000023
模糊函数y的最大值对应的深度和距离即为估计的声源位置。
2.根据权利要求1所述的一种基于互质阵的匹配场被动定位方法,其特征在于,所述M=3、N=8、p=2。
CN202111175280.6A 2021-10-09 2021-10-09 一种基于互质阵的匹配场被动定位方法 Active CN113866718B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111175280.6A CN113866718B (zh) 2021-10-09 2021-10-09 一种基于互质阵的匹配场被动定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111175280.6A CN113866718B (zh) 2021-10-09 2021-10-09 一种基于互质阵的匹配场被动定位方法

Publications (2)

Publication Number Publication Date
CN113866718A true CN113866718A (zh) 2021-12-31
CN113866718B CN113866718B (zh) 2024-04-30

Family

ID=79002180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111175280.6A Active CN113866718B (zh) 2021-10-09 2021-10-09 一种基于互质阵的匹配场被动定位方法

Country Status (1)

Country Link
CN (1) CN113866718B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114858271A (zh) * 2022-07-05 2022-08-05 杭州兆华电子股份有限公司 一种声音探测用的阵列放大方法
CN116359893A (zh) * 2023-04-10 2023-06-30 哈尔滨工程大学 一种适用于非同步阵列的匹配场水下声源定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030231547A1 (en) * 2002-06-18 2003-12-18 Tsih Yang Method and apparatus for passive acoustic imaging using a horizontal line array
CN110081964A (zh) * 2019-04-25 2019-08-02 西北工业大学 基于稀疏谱拟合的水下声源位置及功率谱联合估计方法
CN113050075A (zh) * 2021-03-30 2021-06-29 哈尔滨工程大学 一种基于扩散映射的水下声源匹配场定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030231547A1 (en) * 2002-06-18 2003-12-18 Tsih Yang Method and apparatus for passive acoustic imaging using a horizontal line array
CN110081964A (zh) * 2019-04-25 2019-08-02 西北工业大学 基于稀疏谱拟合的水下声源位置及功率谱联合估计方法
CN113050075A (zh) * 2021-03-30 2021-06-29 哈尔滨工程大学 一种基于扩散映射的水下声源匹配场定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李焜;方世良;安良;: "波形未知的水声脉冲信号双阵元相关匹配场定位", 东南大学学报(自然科学版), no. 02, 20 March 2013 (2013-03-20), pages 10 - 14 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114858271A (zh) * 2022-07-05 2022-08-05 杭州兆华电子股份有限公司 一种声音探测用的阵列放大方法
CN114858271B (zh) * 2022-07-05 2022-09-23 杭州兆华电子股份有限公司 一种声音探测用的阵列放大方法
CN116359893A (zh) * 2023-04-10 2023-06-30 哈尔滨工程大学 一种适用于非同步阵列的匹配场水下声源定位方法
CN116359893B (zh) * 2023-04-10 2024-04-02 哈尔滨工程大学 一种适用于非同步阵列的匹配场水下声源定位方法

Also Published As

Publication number Publication date
CN113866718B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
CN109655799B (zh) 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法
CN113866718B (zh) 一种基于互质阵的匹配场被动定位方法
CN111123192B (zh) 一种基于圆形阵列和虚拟扩展的二维doa定位方法
CN113064147B (zh) 一种低信噪比下新型匹配场被动定位方法
CN104198992A (zh) 基于多径时延结构压缩感知的水声目标被动定位方法
CN111812581B (zh) 基于原子范数的球面阵列声源波达方向估计方法
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
CN105182285A (zh) 一种基于声矢量二维嵌套阵列的目标测向方法
Hursky et al. Matched field processing with data-derived modes
CN109489796A (zh) 一种基于单元辐射法的水下复杂结构辐射噪声源定位识别与声辐射预报方法
CN104793212A (zh) 利用声波海底反射实现主动声纳远程探测的方法
CN115236594B (zh) 一种适用于极地脉冲噪声环境的冰下声源定位方法
CN107656239B (zh) 一种基于极化敏感阵列的相干信源测向方法
CN105158734A (zh) 一种基于阵不变量的单矢量水听器被动定位方法
CN116068493A (zh) 一种深海大深度垂直分布式水听器被动声源定位方法
CN108931776A (zh) 一种高精度的匹配场定位方法
CN113671473B (zh) 基于环境约束和黎曼距离的联合匹配场定位方法及系统
Liang et al. Two-dimensional DOA estimation method of acoustic vector sensor array based on sparse recovery
CN114779170A (zh) 一种浅海近场声源定位方法
CN115639522A (zh) 一种基于张量信号高阶奇异值分解的水下声源匹配场定位方法
CN113126029B (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
Gomes et al. Building location awareness into acoustic communication links and networks through channel delay estimation
Kiehbadroudinezhad et al. The spatial correlation of a multiple-input multiple-output and channel model using huygens-fresnel principle for underwater acoustic
Magalhães et al. ALMA 2015: Sea trial of an underwater target localization technique using Hausdorff distance
CN111505582B (zh) 基于差分进化算法的水听器阵列定位方法

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