CN103116162B - 基于目标空间稀疏性的高分辨声呐定位方法 - Google Patents
基于目标空间稀疏性的高分辨声呐定位方法 Download PDFInfo
- Publication number
- CN103116162B CN103116162B CN201210596469.7A CN201210596469A CN103116162B CN 103116162 B CN103116162 B CN 103116162B CN 201210596469 A CN201210596469 A CN 201210596469A CN 103116162 B CN103116162 B CN 103116162B
- Authority
- CN
- China
- Prior art keywords
- vector
- mrow
- data
- dimension
- pitch
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000013598 vector Substances 0.000 claims abstract description 184
- 238000001228 spectrum Methods 0.000 claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 23
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 abstract description 6
- 238000012804 iterative process Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于目标空间稀疏性的高分辨声呐定位方法,主要解决现有技术中阵列孔径有限造成的空间分辨率不足、信号源相干造成的目标位置估计不准以及子空间分解类算法计算量大和数据量大的问题。本发明充分利用了空间目标稀疏性的先验信息,通过匹配滤波获得大信噪比的数据,构建空间谱向量到行列合成数据向量的投影矩阵,通过迭代计算获得高分辨的空间谱向量,最后对空间谱向量进行峰值检测,利用得到的峰值元素索引值通过计算得到目标的方位角和俯仰角,实现对目标的定位。本发明所需的数据量小,迭代过程计算量小,适合于硬件实现,测角精度较高,空间分辨率有显著地提高。
Description
技术领域
本发明属于通信技术领域,更进一步涉及阵列信号处理领域中一种基于目标空间稀疏性的高分辨声呐定位方法。本发明可以有效解决声呐换能器阵列孔径有限,造成的空间分辨率不足的问题,实现高分辨声呐目标定位。
背景技术
由于高频电磁波在水中传播时的能量随着频率的升高急剧衰减,使得低频的声波成为水下环境信息传递的有效载体,所以声呐技术的应用及研究得到广泛的关注。其中利用声呐基阵进行目标定位是声呐技术应用的一个主要方面。
目前,声呐目标定位技术主要有多波束形成法和子空间方法两种。
第一种,多波束形成法。例如,曹慧琼,王英民,李娜论文“一种改进的三波束测向方法”(《电声基础》2009,33(8):42-44)中公开一种三波束测向方法,该方法是对采集的所有通道的数据进行多波束形成,利用三个较大的波束形成输出值,通过二次拟合得到一条二次曲线,通过寻找该二次曲线的峰值对目标定位,虽然该方法能够准确进行目标定位,但是仍然存在的不足是,该方法无法实现多目标的同时定位。
第二种,子空间方法。中国人民解放军空军装备研究院雷达域电子对抗研究所提出的专利申请“适用于非平稳噪声背景下相干信源的测向方法”(申请号:200610113172.5,公开号:101150345A)中公开了一种基于子空间分解的高分辨目标测向方法。该方法通过子阵平滑来克服信号源的相干性,通过对获得的协方差矩阵进行特征分解来获得信号子空间和噪声子空间,然后在信号子空间形成空间谱,通过对空间谱进行谱峰搜索来对目标定向,但是仍然存在的不足是,该方法减小了阵列孔径,造成了空间分辨率下降,同时该方法需要采集大量的数据来估计协方差矩阵,需要的数据量较大大,并且该方法中特征分解计算量较大。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种基于目标空间稀疏性的高分辨声呐定位方法。本发明对声呐基阵各通道峰值信噪比数据,按照基阵阵元的排列方式进行行列合成,构建空间谱向量到行列合成数据向量的投影矩阵,通过迭代优化一个代价函数获得高分辨空间谱向量,对空间谱向量进行峰值检测获得目标的方位俯仰角,从而实现对目标的定位。
本发明的具体实施步骤如下:
(1)采集阵列各通道接收的数据,并存储到***内存中;
(2)匹配滤波
2a)采用匹配滤波公式,对采集的每个通道的数据进行匹配滤波;
2b)对每个通道匹配滤波后数据取最大值;
(3)行列合成
3a)将步骤2b)中获得的所有数据最大值按照各自通道对应阵元的位置在二维平面重新排列,得到一个数据矩阵如下:
其中,0表示零矩阵,M1、M2、M3、M4和M5分别表示五个矩阵;
3b)依次抽取矩阵M2、M3和M4中的列向量,将抽取出的列向量重新排列组成一个矩阵,将该矩阵的所有行向量相加得行合成数据向量R;
3c)依次抽取矩阵M1、M3和M5中的行向量,将抽取出的行向量重新排列组成一个矩阵,将该矩阵的所有列向量相加得列合成数据向量C;
(4)构建投影矩阵
4a)按照下式计算方位维空间谱向量到行合成数据向量的投影矩阵元素:
其中,A(r,c)表示方位维空间谱向量到行合成数据向量的投影矩阵中第r行第c列的元素,0<r<L,L表示步骤3b)中所述的行合成数据向量的维数,N表示方位维空间谱向量的维数,j表示虚数单位;
4b)将步骤4a)获得的元素按照行列位置排列,构成方位维空间谱向量到行合成数据向量的投影矩阵;
4c)按照下式计算俯仰维空间谱向量到列合成数据向量的投影矩阵元素:
其中,B(h,l)表示俯仰维空间谱向量到列合成数据向量的投影矩阵中第h行第l列的元素,0<h<D,D表示步骤3c)中所述的列合成数据向量的维数,K表示俯仰维空间谱向量的维数,j表示虚数单位;
4d)将步骤4c)中获得的元素按照行列位置排列,构成俯仰维空间谱向量到列合成数据向量的投影矩阵;
(5)获得空间谱向量
5a)通过求解下式,获得方位维空间谱向量:
其中,α表示方位维空间谱向量,||p表示求向量的p范数,ζ表示由用户输入的正则化参数,||表示求向量的模,R表示步骤3b)获得的行合成数据向量,A表示步骤4a)获得的方位维空间谱向量到行合成数据向量的投影矩阵,表示求最小值的运算符号;
5b)通过求解下式,获得俯仰维空间谱向量:
其中,β表示俯仰维空间谱向量,||p表示求向量的p范数,ζ表示由用户输入的正则化参数,||表示求向量的模,C表示步骤3c)获得的列合成数据向量,B表示步骤4b)获得的俯仰维空间谱向量到列合成数据向量的投影矩阵,表示求最小值的运算符号;
(6)峰值检测
6a)采用阈值比较法,对步骤5b)获得的俯仰维空间谱向量进行峰值检测,获得俯仰维空间谱向量峰值元素索引值;
6b)采用阈值比较法,对步骤5a)获得的方位维空间谱向量进行峰值检测,获得方位维空间谱向量峰值元素索引值;
(7)目标定位
7a)将步骤6a)获得的俯仰维空间谱向量峰值元素索引值代入下式,计算获得信号源俯仰角:
其中,为信号源俯仰角,asin表示反正弦函数,λ表示***载波波长,K表示俯仰维空间谱向量的维数,d表示***阵元间距,u表示俯仰维空间谱向量峰值元素的索引值;
7b)将步骤6b)获得的方位维空间谱向量峰值元素索引值和步骤7a)获得的信号源俯仰角代入下式,计算获得信号源方位角:
其中,θ为信号源方位角,asin表示反正弦函数,λ表示***载波波长,N表示方位维空间谱向量的维数,d表示***阵元间距,v表示方位维空间谱向量峰值元素的索引值,表示步骤6a)获得的信号源俯仰角。
本发明与现有技术相比具有如下优点:
第一,由于本发明通过对高分辨的空间谱向量进行峰值检测来定位,可以实现多目标的同时定位。
第二,由于本发明通过构建空间谱向量到行列合成数据向量的投影矩阵,在不减小阵列孔径的情况下,克服了目标信号源的相关性,且只需要单次快拍数据,减小了所需的数据量。
第三,由于本发明采用迭代过程获得空间谱向量,适合硬件实现,计算量小。
附图说明
图1为本发明的流程图;
图2为本发明的仿真示意图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照图1,本发明的具体实施步骤如下:
步骤1.采集阵列各通道接收的数据,并存储到***内存中。
将声呐基阵阵元对应通道的基带接收信号进行AD采样,转换为数字信号,将转换得到的数字信号利用存储设备存储。
步骤2.匹配滤波。
2a)采用匹配滤波公式,对采集的每个通道的数据进行匹配滤波,为了获得每个通道的峰值信噪比数据,对采集的每个通道数据分别进行匹配滤波,按照下式计算第m个通道匹配滤波后数据:
xm(t)=FT-1[em·s*]
其中,xm(t)表示第m个通道匹配滤波后的数据,t表示时域采样点,FT-1表示逆傅里叶变换,em表示第m个通道数据的频谱,s表示已知的参考信号频谱,*表示取共轭,·表示向量相乘。
2b)对每个通道匹配滤波后数据取最大值。
步骤3.行列合成。
3a)将步骤2b)中获得的所有数据最大值按照各自通道对应阵元的位置在二维平面重新排列,得到一个数据矩阵如下:
其中,0表示零矩阵,M1、M2、M3、M4和M5分别表示五个矩阵。
3b)依次抽取矩阵M2、M3和M4中的列向量,将抽取出的列向量重新排列组成一个矩阵,将该矩阵的所有行向量相加得行合成数据向量R。
3c)依次抽取矩阵M1、M3和M5中的行向量,将抽取出的行向量重新排列组成一个矩阵,将该矩阵的所有列向量相加得列合成数据向量C。
3a)将步骤2中获得的所有数据最大值按照图3所示的各个通道阵元在二维平面的位置重新排列,得到一个数据矩阵。
步骤4.构建投影矩阵。
根据空间分辨率的要求,将信号源所在空间的方位角范围和俯仰角范围内分别划分出N和K个角度单元,由于空域采样和时域采样存在一致性,按照离散傅立叶核函数构空间谱向量到行列合成数据向量的投影矩阵。
4a)按照下式计算方位维空间谱向量到行合成数据向量的投影矩阵元素:
其中,A(r,c)表示方位维空间谱向量到行合成数据向量的投影矩阵中第r行第c列的元素,0<r<L,L表示步骤3b)中所述的行合成数据向量的维数,N表示方位维空间谱向量的维数,j表示虚数单位。
4b)将步骤4a)获得的元素按照行列位置排列,构成方位维空间谱向量到行合成数据向量的投影矩阵。
4c)按照下式计算俯仰维空间谱向量到列合成数据向量的投影矩阵元素:
其中,B(h,l)表示俯仰维空间谱向量到列合成数据向量的投影矩阵中第h行第l列的元素,0<h<D,D表示步骤3c)中所述的列合成数据向量的维数,K表示俯仰维空间谱向量的维数,j表示虚数单位。
4d)将步骤4c)中获得的元素按照行列位置排列,构成俯仰维空间谱向量到列合成数据向量的投影矩阵。
步骤5.获得空间谱向量。
通过步骤4中的空间谱向量到行列合成数据矩阵的投影矩阵可以建立如下的两个方程:
其中,α表示方位维空间谱向量,R表示步骤3b)获得的行合成数据向量,A表示步骤4a)获得的方位维空间谱向量到行合成数据向量的投影矩阵,β表示俯仰维空间谱向量,C表示步骤3c)获得的列合成数据向量,B表示步骤4b)获得的俯仰维空间谱向量到列合成数据向量的投影矩阵,n表示***的噪声向量。
求解上述两个方程可获得空间谱向量,根据最大后验概率估计理论,上述两个方程可以采用下述方法求解。
5a)通过求解下式,获得方位维空间谱向量:
其中,α表示方位维空间谱向量,||p表示求向量的p范数,ζ表示由用户输入的正则化参数,||表示求向量的模,R表示步骤3b)获得的行合成数据向量,A表示步骤4a)获得的方位维空间谱向量到行合成数据向量的投影矩阵,表示求最小值的运算符号。
5b)通过求解下式,获得俯仰维空间谱向量:
其中,β表示俯仰维空间谱向量,||p表示求向量的p范数,ζ表示由用户输入的正则化参数,||表示求向量的模,C表示步骤3c)获得的列合成数据向量,B表示步骤4b)获得的俯仰维空间谱向量到列合成数据向量的投影矩阵,表示求最小值的运算符号。
步骤5a)和步骤5b)中两式的求解可通过如图4所示的迭代过程进行。
步骤6.峰值检测。
采用阈值比较法对空间谱向量进行峰值检测过程简单,并且峰值检测准确度较高,阈值比较法的基本过程如下:
对空间谱向量求一阶差分获得差分向量;找到差分向量的过零点并记录过零点索引值;将空间谱向量最大元素值的一半设置为阈值;空间谱向量过零点索引值处的元素中值大于阈值的元素即为峰值元素,峰值元素对应的索引值即为空间谱向量的峰值元素索引值。
6a)采用阈值比较法,对步骤5b)获得的俯仰维空间谱向量进行峰值检测,获得俯仰维空间谱向量峰值元素索引值。
6b)采用阈值比较法,对步骤5a)获得的方位维空间谱向量进行峰值检测,获得方位维空间谱向量峰值元素索引值。
步骤7.目标定位。
7a)将步骤6a)获得的俯仰维空间谱向量峰值元素索引值代入下式,计算获得信号源俯仰角:
其中,为信号源俯仰角,asin表示反正弦函数,λ表示***载波波长,K表示俯仰维空间谱向量的维数,d表示***阵元间距,u表示俯仰维空间谱向量峰值元素的索引值;
7b)将步骤6b)获得的方位维空间谱向量峰值元素索引值和步骤7a)获得的信号源俯仰角代入下式,计算获得信号源方位角:
其中,θ为信号源方位角,asin表示反正弦函数,λ表示***载波波长,N表示方位维空间谱向量的维数,d表示***阵元间距,v表示方位维空间谱向量峰值元素的索引值,表示步骤6a)获得的信号源俯仰角。
本发明的效果可以通过下述仿真实验加以说明:
1.仿真条件
运行***为Intel(R)Core(TM)i5CPU6503.20GHz,32位Windows操作***,仿真软件采用MATLAB R(2011a),仿真参数设置如下表所示。
参数 | 参数值 |
***载频 | 25kHz |
***阵元间距 | 0.03m |
脉冲重复周期 | 2s |
脉冲持续时间 | 85ms |
调频带宽 | 1kHz |
基阵孔径 | 0.36m |
信噪比 | 25dB |
目标个数 | 3 |
目标方位角 | -3.5°,0°,3.5° |
目标俯仰角 | -3.5°,0°,3.5° |
2.仿真结果
图2(a)表示波束形成获得的空间谱向量及峰值检测获得的峰值元素,图2(a)中“○”表示峰值元素。图2(b)表示子空间分解获得的空间谱向量及峰值检测获得的峰值元素,图2(b)中“○”表示峰值元素。图2(c)表示本发明获得的空间谱向量及峰值检测获得的峰值元素,图2(c)中“○”表示峰值元素。由图2可知波束形成法在阵列孔径有限的情况下,无法分辨空间位置相近的多个目标,而子空间分解法在空间信号源相干的情况下,仍然无法分辨空间位置相近的多个目标,本发明方法成功分辨出空间位置相近且相干的三个目标。下表具体说明三个目标的方位俯仰角均得到高精度的计算。
空间目标 | 方位角 | 俯仰角 |
目标1 | -3.44° | -3.47° |
目标2 | 0.01° | 0.03° |
目标3 | 3.55° | 3.51° |
Claims (3)
1.一种基于目标空间稀疏性的高分辨声呐定位方法,包括如下步骤:
(1)采集阵列各通道接收的数据,并存储到***内存中;
(2)匹配滤波
2a)采用匹配滤波公式,对采集的每个通道的数据进行匹配滤波;
2b)对每个通道匹配滤波后数据取最大值;
(3)行列合成
3a)将步骤2b)中获得的所有数据最大值按照各自通道对应阵元的位置在二维平面重新排列,得到一个数据矩阵如下:
其中,0表示零矩阵,M1、M2、M3、M4和M5分别表示五个矩阵;
3b)依次抽取矩阵M2、M3和M4中的列向量,将抽取出的列向量重新排列组成一个矩阵,将该矩阵的所有行向量相加得行合成数据向量R;
3c)依次抽取矩阵M1、M3和M5中的行向量,将抽取出的行向量重新排列组成一个矩阵,将该矩阵的所有列向量相加得列合成数据向量C;
(4)构建投影矩阵
4a)按照下式计算方位维空间谱向量到行合成数据向量的投影矩阵元素:
其中,A(r,c)表示方位维空间谱向量到行合成数据向量的投影矩阵中第r行第c列的元素,0<r<L,L表示步骤3b)中所述的行合成数据向量的维数,N表示方位维空间谱向量的维数,j表示虚数单位;
4b)将步骤4a)获得的元素按照行列位置排列,构成方位维空间谱向量到行合成数据向量的投影矩阵;
4c)按照下式计算俯仰维空间谱向量到列合成数据向量的投影矩阵元素:
其中,B(h,l)表示俯仰维空间谱向量到列合成数据向量的投影矩阵中第h行第l列的元素,0<h<D,D表示步骤3c)中所述的列合成数据向量的维数,K表示俯仰维空间谱向量的维数,j表示虚数单位;
4d)将步骤4c)中获得的元素按照行列位置排列,构成俯仰维空间谱向量到列合成数据向量的投影矩阵;
(5)获得空间谱向量
5a)通过求解下式,获得方位维空间谱向量:
其中,α表示方位维空间谱向量,||p表示求向量的p范数,ζ表示由用户输入的正则化参数,||表示求向量的模,R表示步骤3b)获得的行合成数据向量,A表示步骤4a)获得的方位维空间谱向量到行合成数据向量的投影矩阵,表示求最小值的运算符号;
5b)通过求解下式,获得俯仰维空间谱向量:
其中,β表示俯仰维空间谱向量,||p表示求向量的p范数,ζ表示由用户输入的正则化参数,||表示求向量的模,C表示步骤3c)获得的列合成数据向量,B表示步骤4b)获得的俯仰维空间谱向量到列合成数据向量的投影矩阵,表示求最小值的运算符号;
(6)峰值检测
6a)采用阈值比较法,对步骤5b)获得的俯仰维空间谱向量进行峰值检测,获得俯仰维空间谱向量峰值元素索引值;
6b)采用阈值比较法,对步骤5a)获得的方位维空间谱向量进行峰值检测,获得方位维空间谱向量峰值元素索引值;
(7)目标定位
7a)将步骤6a)获得的俯仰维空间谱向量峰值元素索引值代入下式,计算获得信号源俯仰角:
其中,为信号源俯仰角,asin表示反正弦函数,λ表示***载波波长,K表示俯仰维空间谱向量的维数,d表示***阵元间距,u表示俯仰维空间谱向量峰值元素的索引值;
7b)将步骤6b)获得的方位维空间谱向量峰值元素索引值和步骤7a)获得的信号源俯仰角代入下式,计算获得信号源方位角:
其中,θ为信号源方位角,asin表示反正弦函数,λ表示***载波波长,N表示方位维空间谱向量的维数,d表示***阵元间距,v表示方位维空间谱向量峰值元素的索引值,表示步骤6a)获得的信号源俯仰角。
2.根据权利要求1所述的基于目标空间稀疏性的高分辨声呐定位方法,其特征在于:步骤2a)中所述的匹配滤波公式如下:
xm(t)=FT-1[em·s*]
其中,xm(t)表示第m个通道匹配滤波后的数据,t表示时域采样点,FT-1表示逆傅里叶变换,em表示第m个通道数据的频谱,s表示已知的参考信号频谱,*表示取共轭,·表示向量相乘。
3.根据权利要求1所述的基于目标空间稀疏性的高分辨声呐定位方法,其特征在于:步骤(6)中所述的阈值比较法是:对空间谱向量求一阶差分获得差分向量;找到差分向量的过零点并记录过零点索引值;将空间谱向量最大元素值的一半设置为阈值;空间谱向量过零点索引值处的元素中值大于阈值的元素即为峰值元素,峰值元素对应的索引值即为空间谱向量的峰值元素索引值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210596469.7A CN103116162B (zh) | 2012-12-14 | 2012-12-14 | 基于目标空间稀疏性的高分辨声呐定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210596469.7A CN103116162B (zh) | 2012-12-14 | 2012-12-14 | 基于目标空间稀疏性的高分辨声呐定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103116162A CN103116162A (zh) | 2013-05-22 |
CN103116162B true CN103116162B (zh) | 2014-10-01 |
Family
ID=48414588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210596469.7A Expired - Fee Related CN103116162B (zh) | 2012-12-14 | 2012-12-14 | 基于目标空间稀疏性的高分辨声呐定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103116162B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488772A (zh) * | 2016-01-26 | 2016-04-13 | 北京市环境保护监测中心 | 一种传感器信号峰值检测方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330787B (zh) * | 2013-12-30 | 2017-01-18 | 河南科技大学 | 水下运动阵列多目标检测和方位估计一体化方法 |
CN106885631B (zh) * | 2017-02-17 | 2018-11-30 | 天津大学 | 一种基于数字投影的光谱检测方法 |
CN108931776A (zh) * | 2017-05-23 | 2018-12-04 | 常熟海量声学设备科技有限公司 | 一种高精度的匹配场定位方法 |
CN109541548B (zh) * | 2018-11-22 | 2021-06-25 | 西安联丰迅声信息科技有限责任公司 | 一种基于匹配场的空气声呐定位方法 |
CN109782216B (zh) * | 2018-12-26 | 2022-08-23 | 中国电子科技集团公司第二十研究所 | 一种二维空间谱峰值搜索的简易方法 |
CN109782246B (zh) * | 2018-12-31 | 2020-12-25 | 深圳市华讯方舟太赫兹科技有限公司 | 波达方向估计方法及装置、雷达、可读存储介质 |
CN111722185B (zh) * | 2020-05-15 | 2023-10-13 | 深圳市微纳感知计算技术有限公司 | 一种特征声音的定位方法、装置及设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5808962A (en) * | 1996-06-03 | 1998-09-15 | The Trustees Of The University Of Pennsylvania | Ultrasparse, ultrawideband arrays |
US5911692A (en) * | 1998-01-20 | 1999-06-15 | General Electric Company | Sparse two-dimensional wideband ultrasound transducer arrays |
US7542374B2 (en) * | 2006-09-28 | 2009-06-02 | Teledyne Rd Instruments, Inc. | System and method for acoustic Doppler velocity processing with a phased array transducer including applying correction factors to velocities orthogonal to the transducer face |
CN102385048A (zh) * | 2011-08-10 | 2012-03-21 | 西安交通大学 | 基于均匀线阵的混合信号方向估计方法 |
-
2012
- 2012-12-14 CN CN201210596469.7A patent/CN103116162B/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488772A (zh) * | 2016-01-26 | 2016-04-13 | 北京市环境保护监测中心 | 一种传感器信号峰值检测方法 |
CN105488772B (zh) * | 2016-01-26 | 2021-02-02 | 北京市环境保护监测中心 | 一种传感器信号峰值检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103116162A (zh) | 2013-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116162B (zh) | 基于目标空间稀疏性的高分辨声呐定位方法 | |
CN103901417B (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
Sun et al. | MIMO-MC radar: A MIMO radar approach based on matrix completion | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN111965615B (zh) | 一种基于检测前估计的雷达目标检测方法 | |
CN107436421B (zh) | 一种稀疏贝叶斯学习框架下混合信号doa估计方法 | |
CN106019214B (zh) | 宽带相干信号源doa估计方法 | |
CN104007414B (zh) | 基于平面阵的二维波达方向估计方法和估计器 | |
CN104730491A (zh) | 一种基于l型阵的虚拟阵列doa估计方法 | |
CN104199029B (zh) | 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法 | |
CN104991236B (zh) | 一种单基地mimo雷达非圆信号相干源波达方向估计方法 | |
CN107493106B (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
US10393869B2 (en) | Sub-Nyquist radar processing using doppler focusing | |
CN109828252B (zh) | 一种mimo雷达参数估计方法 | |
CN107037409B (zh) | 基于压缩感知的mimo雷达波形分离方法 | |
CN109582919A (zh) | 一种基于均匀线性阵列的空时参数估计方法 | |
CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
CN104535987A (zh) | 适用于均匀圆阵列声纳***的幅相误差自校正方法 | |
CN112180339A (zh) | 一种基于稀疏处理的雷达回波信号精确测向方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN107092005A (zh) | 一种时空联合的阵列处理方法及装置 | |
Tian et al. | Passive localization of mixed sources jointly using MUSIC and sparse signal reconstruction | |
CN104950282B (zh) | 连续域内稀疏重构实现的宽带信号超分辨测向方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141001 Termination date: 20191214 |
|
CF01 | Termination of patent right due to non-payment of annual fee |