CN115561764A - 一种基于单矢量水听器的运动目标深度估计方法 - Google Patents

一种基于单矢量水听器的运动目标深度估计方法 Download PDF

Info

Publication number
CN115561764A
CN115561764A CN202211193226.9A CN202211193226A CN115561764A CN 115561764 A CN115561764 A CN 115561764A CN 202211193226 A CN202211193226 A CN 202211193226A CN 115561764 A CN115561764 A CN 115561764A
Authority
CN
China
Prior art keywords
signal
sound pressure
vibration velocity
target
discrete
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.)
Pending
Application number
CN202211193226.9A
Other languages
English (en)
Inventor
时洁
张力元
程月祝
路正华
杨济远
胡博
张昊阳
桂晨阳
朱中锐
方尔正
洪连进
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering 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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202211193226.9A priority Critical patent/CN115561764A/zh
Publication of CN115561764A publication Critical patent/CN115561764A/zh
Pending legal-status Critical Current

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
    • G01S15/06—Systems determining the position data of a target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Acoustics & Sound (AREA)
  • Computing Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种基于单矢量水听器的运动目标深度估计方法，利用矢量水听器接收声压、振速信号；构建声压‑振速互谱；对声压、振速接收信号进行时域等间隔离散化处理，构建离散信号矩阵；获得初步去噪声压、振速信号；通过EWT对信号进行分解，根据LOFAR谱分析估计信号频率确定该包含该频率的模态函数分量对信号进行重构；构建声压‑振速声场空间干涉谱；计算水平复声强和垂直复声强估计目标直达波垂直到达角；对声压‑振速声场空间干涉谱沿目标直达波垂直到达角曲线进行离散傅里叶变换，去除垂直对称轴处的极大值后的次极大值对应深度为目标深度估计值。本发明实现在噪声影响下利用接收信号实现对运动目标深度的估计，具有较好的实际工程应用能力。

Description

一种基于单矢量水听器的运动目标深度估计方法
技术领域
本发明涉及一种基于单矢量水听器的运动目标深度估计方法，属于水下声矢量信号处理领域。
背景技术
在水声领域，目标被动探测技术具相对于主动探测技术具有隐蔽性这一优点。单矢量水听器相比于传统声压水听器，能够同时获得声压和振速分量，包含了声源的方位信息；对不同物理量线性组合能够带来与频率无关的指向性，并且在一定程度上能够较好的抑制各向同性噪声，获得额外的空间增益。此外，单矢量水听器相比于阵列在系统组成上具有更加简单、布放方便等优点，一直受到世界各国学者的关注。
文献1(“Performance metrics for depth-based signal separation usingdeep vertical line arrays”，The Journal of the Acoustical Society of America139,418-425(2016))提出了一种基于垂直到达角声场干涉特征的深度运动目标深度定位方法，该方法需要借助布放在近海底的垂直阵检测来波方向窄带波束输出能量的周期性干涉结构实现对目标的深度估计，此外，该方法忽略了声速在水中的变化这一因素。
文献2(“Matched beam-intensity processing for a deep vertical linearray”,The Journal of the Acoustical Society of America 148,347-358(2020))提出了一种针对运动声源拷贝波束能量目标深度估计方法。该方法采用垂直阵对接收声压信号做常规波束形成，得到波束能量随时间和导向角的变化，通过拷贝波束能量以及定义了一个深度模糊估计函数实现对声源深度的估计。这种方法需要海洋环境参数以获得模型计算的精确建模。
矢量水听器能够同时接收声场中的声压和振速分量，相比于标量水听器能够获取多维声场信息。在深海环境下，目标位于近海面附近处激发的声波可通过直达波区或可靠声路径传播到海底，并且具有传播损失小、传播特征稳定等特点。文献3(“Passivebroadband source depth estimation in the deep ocean using a single vectorsensor”,The Journal of the Acoustical Society of America 148,EL88-EL92(2020))提出了一种利用单矢量水听器针对宽带声源深度估计的方法，利用声源深度、频率干涉的周期性和目标到达角之间的关系实现目标深度的估计，该方法忽略了接收信号受到噪声干扰情况下该方法的适用性。
发明内容
本发明的目的是利用单矢量水听器接收信号之间的关系，利用直达波和海面反射波之间的关系构建声压-振速空间干涉谱，结合直达波到达角轨迹实现对运动目标深度的估计，同时考虑到了环境噪声对该方法的影响，并且提出了一种去噪方法，实现在噪声影响下利用接收信号实现对运动目标深度的估计，具有较好的实际工程应用能力。
本发明的目的是这样实现的：步骤如下：
步骤一：通过单矢量水听器对深海表面附近目标激发的、通过直达波区或可靠声路径下传播的含噪声压p(r,ω,t)和振速信号vr(r,ω,t)、vz(r,ω,t)；
步骤二：构建声压-振速互谱，充分利用声压-振速联合处理中信号和噪声之间的不相关性，结合LOFAR谱分析估计信号频率；
步骤三：对声压、振速接收信号进行时域等间隔离散化处理，构建离散接收信号矩阵；
步骤四：对离散声压、振速信号分别进行随机线性相干累加去噪，获得初步去噪声压、振速信号；
步骤五：通过EWT对信号进行分解，根据LOFAR谱分析估计信号频率确定该包含该频率的模态函数分量重构目标信号；
步骤六：利用快速傅里叶变换计算去噪离散声压、振速信号的频谱，构建声压-振速声场空间干涉谱；
步骤七：利用接收信号直达波声线到达特性，计算水平复声强和垂直复声强估计目标直达波垂直到达角；
步骤八：对声压-振速声场空间干涉谱沿目标直达波垂直到达角曲线进行离散傅里叶变换，去除垂直对称轴处的极大值后的次极大值对应深度为目标深度估计值。
本发明还包括这样一些结构特征：
1.步骤三具体为：
对于信号采样时间T，按照时间间隔Δt对接收信号进行划分，其中T＞＞Δt，划分后的信号按照矩阵进行重新排列，第i列声压、振速信号可表示为：
pi(sinθi,ω,t)＝ps(sinθi,ω,t)+npi
vri(sinθi,ω,t)＝ps(sinθi,ω,t)cosθi+nvri
vzi(sinθi,ω,t)＝ps(sinθi,ω,t)cosθi+nvri
Figure BDA0003869819560000021
Figure BDA0003869819560000022
Figure BDA0003869819560000023
其中,t表示在Δt内的采样时间序列，ti表示离散分段处对应的时间,ri表示离散时间处目标和矢量水听器之间的水平距离，Ri表示离散时间处目标和矢量水听器之间的距离，H表示矢量水听器深度，θi表示垂直到达角。
根据虚源理论，上述单矢量水听器接收来自目标的声压信号可进一步表示为：
Figure BDA0003869819560000031
其中，ejωt表示时间因子。
2.步骤四具体为：
划分后的实际采集信号段可表示为xi(t)，其中i表示划分后的信号段序号；考虑到间隔Δt远小于采样时间T，目标信号近似不变，信号段xi(t)可由下式表示：
xi(t)＝xis(t)+nix(t)
其中，xis(t)表示信号段包含的目标信号，nix(t)表示该信号段内的噪声。xi(t)包含L个信号周期，第k个信号周期可由下式表示：
xik(t)＝xiks(t)+niks(t),k＝1,2,…,L
对第k个周期信号进行L次随机累加平均，可表示为：
Figure BDA0003869819560000032
3.步骤五具体为：
步骤四输出信号经过EWT分解得到数个内涵模态分量，根据估计频率确定水声信号对应分量并重构；
4.步骤六具体为：
Figure BDA0003869819560000033
其中，<>表示计算平均，上标*表示复共轭，
Figure BDA0003869819560000034
表示重构去噪离散声压的傅里叶变换，
Figure BDA0003869819560000035
表示重构去噪离散水平振速的傅里叶变换
5.步骤七具体为：
计算直达波水平声能流和垂直声能流：
Figure BDA0003869819560000036
Figure BDA0003869819560000037
Figure BDA0003869819560000038
其中，上标*表示复共轭，符号
Figure BDA0003869819560000046
表示取实部，<>表示计算平均，
Figure BDA0003869819560000041
表示重构去噪离散直达波声压傅里叶变换，
Figure BDA0003869819560000042
表示去噪离散直达波水平振速傅里叶变换，
Figure BDA0003869819560000043
表示去噪离散直达波水平振速傅里叶变换,
Figure BDA0003869819560000044
表示计算的离散直达波到达角。
6.步骤八具体为：
声压-振速声场空间干涉谱沿目标直达波到达角输出深度函数具体为：
Figure BDA0003869819560000045
其中，I表示离散信号数。
与现有技术相比，本发明的有益效果是：本发明利用单矢量水听器实现了对目标产生的声压-振速干涉结构的获取，不需要先验信息；通过矢量水听器接收的声压和振速分量能够估计目标垂直到达角，与传统垂直阵相比较，极大的简化了系统结构组成和垂直到达角估计方法；本发明充分利用了矢量水听器抑制各向同性噪声的特性，在一定程度上能够抑制噪声的影响；针对接收信号受到噪声的影响，本发明还提出了一种信号去噪方法，能够较好的实现对信号的去噪；本发明仅利用单矢量水听器，能够获得声压、振速信息，结合信号处理方法，实现深度的估计，在系统规模等方面均具有较大的优势，适用于水下目标预警和探测等领域。
附图说明
图1是本发明方法流程图；
图2是本发明单矢量水听器和目标空间位置示意图；
图3是本发明声压、振速接收信号图；
图4是本发明声压-振速互谱LOAFR谱图；
图5是本发明的去噪处理和理论声压-振速空间干涉结构图；
图6是本发明的去噪处理和理论直达波垂直到达角估计图；
图7是本发明的估计深度输出结果。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
结合图1至图7，本发明提出了一种在深海环境下，通过单矢量水听器接收到的矢量声场信息实现对运动目标深度估计的方法。
第一步，需要将单矢量水听器布放在深海波导环境下海底附近位置，接收来自目标通过直达波区或可靠声路径下传播的声压信号和振速信号，接收信号存在噪声的干扰。
第二步，利用接收到的声压信号和振速信号构建互谱，通过LOFAR谱估计信号的频率。
第三步，对声压、振速接收信号进行时域等间隔离散化处理，构建离散接收信号矩阵，具体实现如下：
对于信号采样时间T，按照时间间隔Δt对接收信号进行划分，其中T＞＞Δt，划分后的信号按照矩阵进行重新排列，第i列声压、振速信号可表示为：
pi(sinθi,ω,t)＝ps(sinθi,ω,t)+npi
vri(sinθi,ω,t)＝ps(sinθi,ω,t)cosθi+nvri
vzi(sinθi,ω,t)＝ps(sinθi,ω,t)cosθi+nvri
Figure BDA0003869819560000051
Figure BDA0003869819560000052
Figure BDA0003869819560000053
其中,t表示在Δt内的采样时间序列，ti表示离散分段处对应的时间,ri表示离散时间处目标和矢量水听器之间的水平距离，Ri表示离散时间处目标和矢量水听器之间的距离，H表示矢量水听器深度，θi表示垂直到达角。
根据虚源理论，上述单矢量水听器接收来自目标的声压信号可进一步表示为：
Figure BDA0003869819560000054
其中，ejωt表示时间因子。
第四步，对离散声压、振速信号分别进行随机线性相干累加去噪，获得初步去噪声压、振速信号，具体实现如下：
划分后的实际采集信号段可表示为xi(t)，其中i表示划分后的信号段序号；考虑到间隔Δt远小于采样时间T，目标信号近似不变，信号段xi(t)可由下式表示：
xi(t)＝xis(t)+nix(t)
其中，xis(t)表示信号段包含的目标信号，nix(t)表示该信号段内的噪声。xi(t)包含L个信号周期，第k个信号周期可由下式表示：
xik(t)＝xiks(t)+niks(t),k＝1,2,…,L
对第k个周期信号进行L次累加平均，可表示为：
Figure BDA0003869819560000055
第五步，通过EWT对信号进行分解，根据LOFAR谱分析估计信号频率确定该包含该频率的模态函数分量重构目标信号；
第六步，利用快速傅里叶变换计算去噪离散声压、振速信号的频谱，构建声压-振速声场空间干涉谱，具体实现方式为：
Figure BDA0003869819560000061
其中，<>表示计算平均，上标*表示复共轭，
Figure BDA0003869819560000062
表示重构去噪离散声压的傅里叶变换，
Figure BDA0003869819560000063
表示重构去噪离散水平振速的傅里叶变换。声压-振速空间干涉谱还可以近似展开，可表示为：
Figure BDA0003869819560000064
其中，上式忽略了噪声项对声压-振速空间干涉谱的影响，仅表示空间干涉谱的周期性干涉结构。
第七步，利用接收信号直达波声线到达特性，计算水平复声强和垂直复声强估计目标直达波垂直到达角，具体实现方式为：
计算直达波水平声能流和垂直声能流：
Figure BDA0003869819560000065
Figure BDA0003869819560000066
Figure BDA0003869819560000067
其中，上标*表示复共轭，符号
Figure BDA00038698195600000613
表示取实部，<>表示计算平均，
Figure BDA0003869819560000068
表示重构去噪离散直达波声压傅里叶变换，
Figure BDA0003869819560000069
表示去噪离散直达波水平振速傅里叶变换，
Figure BDA00038698195600000610
表示去噪离散直达波水平振速傅里叶变换,
Figure BDA00038698195600000611
表示计算的离散直达波到达角。
第八步，对声压-振速声场空间干涉谱沿目标直达波垂直到达角曲线进行离散傅里叶变换，去除垂直对称轴处的极大值后的次极大值对应深度为目标深度估计值，具体实现方式为：
声压-振速声场空间干涉谱沿目标直达波到达角输出深度函数具体为：
Figure BDA00038698195600000612
其中，I表示离散信号数。
以上对发明内容的具体实施方式进行了详细的说明。通过以上步骤，本发明方法实现了利用单矢量水听器对含噪接收信号构建声场-振速空间干涉谱，结合直达波垂直到达角实现了运动目标深度的估计；此外，还具有较强的抑制各向同性噪声的能力；针对接收含噪信号，通过随机线性累加和EWT方法对信号进行了去噪，使声场-振速空间干涉谱的构建以及直达波到达角的估计可行。下面通过仿真实验对本发明做进一步描述。
参数设置如下：单矢量水听器深度为4600m，频率为100Hz的目标从远场通过直达波区传播到单矢量水听器，目标深度为200m，总采样时间为600s，离散时间间隔为1s，在50Hz～150Hz频带内添加信噪比为10dB的高斯白噪声。
通过上述仿真实例可以看出，本发明能够在较强噪声干扰下实现对声压-振速空间干涉谱的获取，声压-振速空间干涉谱的对比图如图5所示，垂直到达角估计对比图如图6所示，估计运动目标深度如图7所示。通过仿真实验表明，本发明的方法能够较好的实现对运动目标深度的估计。
综上，本发明公开了一种基于单矢量水听器的运动目标深度估计方法。本发明包括：利用布放于靠近海底的矢量水听器接收来自深海表面附近目标激发、通过直达波区或可靠声路径下传播的声压、振速信号；构建声压-振速互谱，充分利用声压-振速联合处理中信号和噪声之间的不相关性，结合LOFAR谱分析估计信号频率；对声压、振速接收信号进行时域等间隔离散化处理，构建离散信号矩阵；对离散声压、振速信号分别进行随机线性相干累加去噪，获得初步去噪声压、振速信号；通过EWT对信号进行分解，根据LOFAR谱分析估计信号频率确定该包含该频率的模态函数分量对信号进行重构；利用快速傅里叶变换计算去噪离散声压、振速信号的频谱，构建声压-振速声场空间干涉谱；利用接收信号直达波声线到达特性，计算水平复声强和垂直复声强估计目标直达波垂直到达角；对声压-振速声场空间干涉谱沿目标直达波垂直到达角曲线进行离散傅里叶变换，去除垂直对称轴处的极大值后的次极大值对应深度为目标深度估计值。

Claims (5)

1.一种基于单矢量水听器的运动目标深度估计方法，其特征在于，步骤如下：
步骤一：通过单矢量水听器对深海表面附近目标激发的、通过直达波区或可靠声路径下传播的含噪声压p(r,ω,t)和振速信号vr(r,ω,t)、vz(r,ω,t)；
步骤二：构建声压-振速互谱，充分利用声压-振速联合处理中信号和噪声之间的不相关性，结合LOFAR谱分析估计信号频率；
步骤三：对声压、振速接收信号进行时域等间隔离散化处理，构建离散接收信号矩阵；
步骤四：对离散声压、振速信号分别进行随机线性相干累加去噪，获得初步去噪声压、振速信号；
步骤五：通过EWT对信号进行分解，根据LOFAR谱分析估计信号频率确定该包含该频率的模态函数分量重构目标信号；
步骤六：利用快速傅里叶变换计算去噪离散声压、振速信号的频谱，构建声压-振速声场空间干涉谱；
步骤七：利用接收信号直达波声线到达特性，计算水平复声强和垂直复声强估计目标直达波垂直到达角；
步骤八：对声压-振速声场空间干涉谱沿目标直达波垂直到达角曲线进行离散傅里叶变换，去除垂直对称轴处的极大值后的次极大值对应深度为目标深度估计值。
2.根据权利要求1所述的基于单矢量水听器的运动目标深度估计方法，其特征在于：步骤三具体为：
对于信号采样时间T，按照时间间隔Δt对接收信号进行划分，其中T＞＞Δt，划分后的信号按照矩阵进行重新排列，第i列声压、振速信号表示为：
pi＝p(sinθi，ω，t)+npi
vri＝p(sinθi，ω，t)cosθi+nvri
vzi＝p(sinθi，ω，t)cosθi+nvri
Figure FDA0003869819550000011
Figure FDA0003869819550000012
Figure FDA0003869819550000013
其中，t表示在Δt内的采样时间序列，ti表示离散分段处对应的时间，ri表示离散时间处目标和矢量水听器之间的水平距离，Ri表示离散时间处目标和矢量水听器之间的距离，H表示矢量水听器深度，θi表示垂直到达角；
根据虚源理论，上述单矢量水听器接收来自目标的声压信号进一步表示为：
Figure FDA0003869819550000021
其中，ejωt表示时间因子。
3.根据权利要求1所述的基于单矢量水听器的运动目标深度估计方法，其特征在于：步骤四具体为：划分后的实际采集信号段为xi(t)，其中i表示划分后的信号段序号；考虑到间隔Δt远小于采样时间T，目标信号近似不变，信号段xi(t)为：
xi(t)＝xiS(t)+nix(t)
其中，xis(t)表示信号段包含的目标信号，nix(t)表示该信号段内的噪声；xi(t)包含L个信号周期，第k个信号周期为：
xik(t)＝xikS(t)+nikS(t)，k＝1，2，…，L
对第k个周期信号进行L次随机累加平均，表示为：
Figure FDA0003869819550000022
4.根据权利要求1所述的基于单矢量水听器的运动目标深度估计方法，其特征在于：步骤七具体为：计算直达波水平声能流和垂直声能流：
Figure FDA0003869819550000023
Figure FDA0003869819550000024
Figure FDA0003869819550000025
其中，上标*表示复共轭，符号
Figure FDA0003869819550000026
表示取实部，<>表示计算平均，
Figure FDA0003869819550000027
表示重构去噪离散直达波声压傅里叶变换，
Figure FDA0003869819550000028
表示去噪离散直达波水平振速傅里叶变换，
Figure FDA0003869819550000029
表示去噪离散直达波水平振速傅里叶变换,
Figure FDA00038698195500000210
表示计算的离散直达波到达角。
5.根据权利要求1所述的基于单矢量水听器的运动目标深度估计方法，其特征在于：步骤八具体为：声压-振速声场空间干涉谱沿目标直达波到达角输出深度函数具体为：
Figure FDA00038698195500000211
其中，I表示离散信号数。
CN202211193226.9A 2022-09-28 2022-09-28 一种基于单矢量水听器的运动目标深度估计方法 Pending CN115561764A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211193226.9A CN115561764A (zh) 2022-09-28 2022-09-28 一种基于单矢量水听器的运动目标深度估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211193226.9A CN115561764A (zh) 2022-09-28 2022-09-28 一种基于单矢量水听器的运动目标深度估计方法

Publications (1)

Publication Number Publication Date
CN115561764A true CN115561764A (zh) 2023-01-03

Family

ID=84742577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211193226.9A Pending CN115561764A (zh) 2022-09-28 2022-09-28 一种基于单矢量水听器的运动目标深度估计方法

Country Status (1)

Country Link
CN (1) CN115561764A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116609725A (zh) * 2023-05-05 2023-08-18 中国科学院声学研究所 一种利用深海垂直阵的窄带线谱目标深度估计方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116609725A (zh) * 2023-05-05 2023-08-18 中国科学院声学研究所 一种利用深海垂直阵的窄带线谱目标深度估计方法及系统
CN116609725B (zh) * 2023-05-05 2024-01-30 中国科学院声学研究所 一种利用深海垂直阵的窄带线谱目标深度估计方法及系统

Similar Documents

Publication Publication Date Title
CN112269164B (zh) 深海可靠声路径下基于干涉结构匹配处理弱目标定位方法
CN112255607B (zh) 一种海杂波的抑制方法
CN109100711B (zh) 一种深海环境下单基地主动声纳低运算量三维定位方法
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
CN115561764A (zh) 一种基于单矢量水听器的运动目标深度估计方法
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
Ma et al. An underwater bistatic positioning system based on an acoustic vector sensor and experimental investigation
CN114265011A (zh) 利用近海面水平阵估计深海声源深度的匹配到达结构方法
Yuan et al. Underwater target detection using multichannel subband adaptive filtering and high-order correlation schemes
Borcea et al. Coherent interferometric imaging, time gating and beamforming
EP0689064B1 (en) Methods of adaptively reducing noise transients in co-sensor seismic signals
Josso et al. On the consideration of motion effects in the computation of impulse response for underwater acoustics inversion
CN112924926B (zh) 一种多途信道下的doa估计方法
CN115902849A (zh) 一种基于波束输出强度重采样的深海声源深度估计方法
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
CN113640888B (zh) 基于收发信号频域互相关的外部噪声抑制方法及系统
Rajan et al. Modal inverse techniques for inferring geoacoustic properties in shallow water
Xiang-jian et al. An Imaging Algorithm for High-speed Side-scan Sonar Based on Multi-beam Forming Technology
Thomson et al. A matched-field backpropagation algorithm for source localization
CN117148443B (zh) 基于鬼波提取与转换的浅剖数据信噪比增强方法
CN115856853A (zh) 一种基于矢量阵的宽带运动目标多参数联合估计方法
Fupo et al. Real time target localization using waveguide invariant in shallow water
Kun et al. The Time Reversal Method with a Short Array
Zhu et al. High-resolution sub-bottom profiling technology using parametric array and vector hydrophone
Yao et al. Target localization based on two broadband guide sources

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