CN105652264B - 基于高阶累积量的多路径传播声信号分离方法 - Google Patents

基于高阶累积量的多路径传播声信号分离方法 Download PDF

Info

Publication number
CN105652264B
CN105652264B CN201610006173.3A CN201610006173A CN105652264B CN 105652264 B CN105652264 B CN 105652264B CN 201610006173 A CN201610006173 A CN 201610006173A CN 105652264 B CN105652264 B CN 105652264B
Authority
CN
China
Prior art keywords
sound ray
ray path
sound
acoustic
sensor
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
CN201610006173.3A
Other languages
English (en)
Other versions
CN105652264A (zh
Inventor
姜龙玉
洪亚萍
伍家松
贺润国
舒华忠
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201610006173.3A priority Critical patent/CN105652264B/zh
Publication of CN105652264A publication Critical patent/CN105652264A/zh
Application granted granted Critical
Publication of CN105652264B publication Critical patent/CN105652264B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S15/88—Sonar systems specially adapted for specific applications
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-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
    • G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于高阶累积量的多路径传播声信号分离方法。本发明将原有的基于二阶累积量的主动宽带信号分离方法拓展到四阶累计量，根据四阶累计量构造相应的副本矢量和噪声子空间，并假设声信号传播过程中的加性噪声为彩色噪声，最后根据与噪声子空间的正交性搜索出声线路径。本发明还公开了一种基于声线传播时间层析的海洋声层析方法以及一种声源定位方法。相比现有技术，本发明具有更高分离精度，能正确分离出间隔较小的声线路径，并能适用于传感器数目小于射线路径的情况，同时还可抑制高斯噪声和非高斯噪声的影响。

Description

基于高阶累积量的多路径传播声信号分离方法
技术领域
本发明涉及声信号处理技术领域，尤其涉及一种基于高阶累积量的多路径传播声信号分离方法。
背景技术
声信号处理技术目前已广泛应用在水声探测、通信以及地震、生物医学工程等许多领域。由于声音信号在介质中的传播往往是以多路径的形式存在，传感器所接收的是这多个路径传播的波的混叠数据，因此，要对声信号进行后续处理的前提是要从传感器所接收的多路径传播声信号中将每条声线路径分离出来，这种声信号处理方法即为多路径传播声信号分离方法。
以海洋声层析技术为例，海洋声层析是用声速方法检测海洋内部的最重要技术之一，它利用声音在海洋中传播速度的变化来反演海洋温度的变化乃至海洋气候变化。根据不同的反演模型，可分为：(1)声线传播时间层析(2)简正波传播时间层析；(3)峰值匹配层析；(4)简正波相位层析；(5)简正波水平折射层析；(6)匹配场层析。
浅海声层析术的前向问题中需识别不同的射线路径，之后将射线路径的到达时间用于解决反演问题并估计声速变化。高质量的反演过程建立在(1)可识别的线路径数；(2)线路径可覆盖的海洋波导一致空间。浅海声层析术利用的一个重要的性质是声信号在水中的多路径传播性质，即：由于海面或海底的折射或反射，声音信号是以多路径的形式传播且每个线路径为发射信号的复本。图1为多路径传播的一个例子。由于每一个线路径都覆盖不同的海洋区域，多路径传播性质可以为浅海声层析术的反演过程提供更多的信息。但多路径传播同时产生干扰区域，因此，在浅海声层析术中首先需用阵列处理技术对线路径分离并估计不同线路径的到达时间，这是获得准确反演结果要解决的首要问题。
在浅海声层析应用中，现有阵列处理技术主要为波束形成类算法。波束形成是阵列处理技术中简单且经典的算法。起初，它被用于点到点的试验结构中,即：一个信号源和一个传感器。为了提高分离精度，波束形成又被扩展到点到阵列的结构中，即用一个垂直传感器阵列作为信号接收端，将信号到传感器阵列的波达方向作为判别参数成功分离了部分在点到点结构中无法分离的情形。尽管如此，当线路径以很小的时间间隔到达阵列时，波束形成在点到阵列结构中仍不能成功将其分离识别。近来，有研究者提出一种新的双波束形成算法用于在声层析术背景下信号分离，该算法依据声音在水中传播的互易性，在信号发射端采用信号源阵列，建立阵列到阵列的二维试验结构，由此引入了新的判别参数——发射角度，试验表明较之波束形成算法该方法提高了分离精度。为进一步提高算法分辨力，Jiang等人在“Raypath separation with high resolution processing”一文中，提出在点到阵列结构中，结合空间-频域平滑方法与主动宽带多信号分离算法，提出了平滑的主动宽带多信号分离算法(smoothing Multiple Signal Classification Active Large-band:smoothing-MUSICAL)。该方法的主要步骤为：对传感器阵列接收到的数据傅里叶变换后依次做空间-频域平滑处理、求平滑后数据的协方差矩阵、对协方差矩阵做特征分解、构造副本矢量、构造估计器，最终寻找到声线路径的到达时间和角度。该方法有如下三方面的优点：(1)较之波束形成方法提高了分辨力：当线路径到达时间间隔非常小时，smoothing-MUSICAL可成功分离部分信号；(2)解决了线路径相关或相干时信号的高分辨分离问题；(3)合成数据与实际试验结果表明smoothing-MUS ICAL算法有很好的抗噪性。
但是smoothing-MUSICAL中的算法仍存在以下问题：(1)分辨力仍不能满足实际应用的要求；(2)算法基于二阶统计量，需假设信号为高斯信号；(3)阵元数必须多于待分离信号源数；(4)需增加预处理步骤来分离相关或相干信号。
发明内容
本发明所要解决的技术问题在于克服现有平滑的主动宽带多信号分离算法的不足，提供一种基于高阶累积量的多路径传播声信号分离方法，其具有更高分离精度，能正确分离出间隔较小的声线路径，并能适用于传感器数目小于射线路径的情况，同时还可抑制高斯噪声和非高斯噪声的影响。
本发明具体采用以下技术方案解决上述技术问题：
基于高阶累积量的多路径传播声信号分离方法，用于从声传感器阵列所接收到的多路径传播声信号中分离出每条声线路径，包括以下步骤：
步骤1、对传感器所接收声信号傅里叶变换后进行空域-频域平滑处理，获得K＝(2Ks+1)(2Kf+1)个窄带估计组成矩阵x ks，kf，Ks、Kf分别为空域平滑阶次、频域平滑阶次；且K大于声源个数P；
步骤2、利用下式计算矩阵x ks，kf的四阶累积量
其中，E表示求期望，*表示求共轭，H表示求共轭转置，表示克罗内克积；
步骤3、对四阶累积量进行EVD特征分解，并将所得到的(MF)2个特征值从大到小排列为：其中，F为频域平滑时选取的频率数；M为声传感器阵列中的传感器数量；
步骤4、对进行特征分解后得到(MF)2个特征值以其中P2个较大的特征值对应的特征向量构造信号子空间，以剩下的(MF)2-P2个较小特征值对应的特征向量构造噪声子空间；
步骤5、为声线路径构造以下的副本矢量a(θ，T)：
其中，θ表示声线路径的到达角度，T表示声线路径的到达时间，e(vi)是声信号在频率vi处的幅值，i＝1,2,…,F，表示克罗内克积，τ1,j(θ)表示声线路径到达第j个传感器相对于到达作为参考传感器的第1个传感器的时间延迟，j＝2,…,M-1；
步骤6、搜索与所述噪声子空间正交的副本矢量，这些副本矢量即为最终分离出的声线路径，其θ和T即为声线路径相应的到达方向和到达时间。
根据相同的发明思路还可以得到以下技术方案：
一种基于声线传播时间层析的海洋声层析方法，利用声音在海洋中传播速度的变化来反演海洋环境参数，其特征在于，首先利用上述基于高阶累积量的多路径传播声信号分离方法，从声传感器阵列所接收到的多路径传播声信号中分离出每一条声线路径；然后根据声线路径的到达时间反演出海洋环境参数。
一种声源定位方法，首先利用上述基于高阶累积量的多路径传播声信号分离方法，从声传感器阵列所接收到的多路径传播声信号中分离出每一条声线路径；然后根据声线路径的到达角度和到达时间在空域和时域构成的二维平面内确定声源的方位。
相比现有技术，本发明具有以下有益效果：
1、本发明具有更高的声线路径分离精度；
2、本发明可以正确分离出间隔较小的声线路径；
3、本发明可在传感器数目小于射线路径的情况下正确分离出声线路径；
4、现有平滑的主动宽带多信号分离算法对于声信号传播的建模是假设加性噪声为高斯噪声，但实际情况往往并非如此，因此会导致信号模型失配；而本发明假设加性噪声为彩色噪声，比传统的高斯噪声假设更符合实际的海洋环境情况，可更好地抑制各类环境噪声(包括高斯噪声和非高斯噪声)；
5、本发明产生的伪影较少。
附图说明
图1为声信号多路径传播的一个实例；
图2为空域平滑方法的一个示例；
图3为频域平滑方法的一个示例；
图4为本发明方法与现有smoothing-MUSICAL方法的效果对比。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明：
在点到阵列结构中，根据声线路径在介质中的传播，用波达方向等参数，建立能够合理描述声音信号多路径传播的物理过程的数学模型。假设信号源的数目为P，传感器的数目为M,则第m个传感器上接收到的信号可表示为：
τm，p＝Tp+tm(θp) (2)
对(1)式做傅里叶变换可表示为：
在以上信号模型基础上，本发明多路径传播声信号分离方法具体包括以下步骤：步骤1、对传感器所接收声信号进行空域-频域平滑处理，获得K＝(2Ks+1)(2Kf+1)个窄带估计组成矩阵x ks，kf，Ks、Kf分别为空域平滑阶次、频域平滑阶次；且K大于声源个数P。
声线路径是由一个信号源经过不同介质界面的折射或反射形成的多路径传播射线，这些声线路径是完全相干的，信号的互谱矩阵的秩为1，然而只有当互谱矩阵的秩至少为声源个数P时，才可以对声线路径进行有效的分离，因此，为了增加矩阵秩的数量，就需要使用空域-频域平滑技术。空域-频域平滑为现有技术，下面对其进行简要说明。
空域平滑通过对空域子阵列的平均来实现，其原理如图2。M个传感器被分成若干尺寸相同，部分重叠的子阵列，假设子阵列是线性一致的，则子阵列传感器上信号的强度不会发生剧烈变化。当子阵列数目大于或等于射线路径数时空间谱矩阵为非单秩矩阵。假设空间平滑阶次为Ks，则每个子阵列的尺寸为M-2Ks，子阵列的数目为2Ks+1。
频域平滑方法根据操作对象是时域数据还是频域数据可分为如下两种：(1)加权相关矩阵；(2)频域子带平均。本发明采用频域子带平均法，其具体原理见图3。假设频域的平滑阶次为Kf，则平滑后可以得到2Kf+1个尺寸为M-2Kf的子带。
对空域或频域的过度平滑均会导致互谱矩阵产生严重的误差，为了减小估计误差，需要将空域和频域的平滑相结合。
从一组观测矩阵x，可以产生2Ks+1个空间上平移出现的观测数据x ks。这2Ks+1个复现的矩阵分别经过频域的平滑又可以获得K＝(2Ks+1)(2Kf+1)个窄带估计组成矩阵x ks，kf。为了更好的将射线路径从噪声中分离出来，需要设置K的值大于P。
步骤2、计算矩阵x ks，kf的四阶累积量
四阶累积量的计算公式如下：
式中，E表示求期望，*表示求共轭，H表示求共轭转置，表示克罗内克积。
步骤3、对四阶累积量进行EVD特征分解，并将所得到的(MF)2个特征值从大到小排列为：其中，F为频域平滑时选取的频率数；M为声传感器阵列中的传感器数量；
EVD特征分解为现有技术，其表达式如下：
其中，F为频域平滑时选取的频率数；M为声传感器阵列中的传感器数量；λk为对进行特征分解得到的第k个特征值；μk为对进行特征分解后得到的第k个特征值λk对应的单位特征向量；特征值从大到小排列为：
步骤4、对进行特征分解后得到(MF)2个特征值以其中P2个较大的特征值对应的特征向量构造信号子空间，以剩下的(MF)2-P2个较小特征值对应的特征向量构造噪声子空间；
则四阶累积量又可以表示为：
所以P2个较大的特征值对应的特征向量表征的信号子空间投影可表示为：
(MF)2-P2个较小的特征值对应的特征向量表征的噪声子空间投影可表示为：
步骤5、为声线路径构造副本矢量a(θ，T)：
副本矢量中包含有待估计的参数的信息，合理的副本矢量不但可提高定位分离精度，而且如果加入发射信号的频谱信息，也可以提高算法对噪声的鲁棒性。本发明在构造副本矢量时利用发射信号的幅度和相位信息，同时在频域利用信号宽带信息，提高了算法的分离精度和抗噪性。副本矢量a(θ，T)的具体构造形式如下：
其中，θ表示声线路径的到达角度，T表示声线路径的到达时间，e(vi)是声信号在频率vi处的幅值，i＝1,2,…,F，表示克罗内克积，τ1,j(θ)表示声线路径到达第j个传感器相对于到达作为参考传感器的第1个传感器的时间延迟，j＝2,…,M-1；
步骤6、搜索与所述噪声子空间正交的副本矢量，这些副本矢量即为最终分离出的声线路径，其θ和T即为声线路径相应的到达方向和到达时间；
现有文献表明，信号子空间与噪声子空间正交，据此，可以构造适合高阶统计的估计器。本发明所构造估计器P(θ，T)的形式如下：
当函数P(θ，T)取得极大值时，副本矢量与噪声子空间相互垂直，此时的副本矢量参数θ表示的就是声线路径的方向，T表示声线路径到达传感器的时间。
完成声线路径分离后，可以进行后续的处理，例如，可由参数θ和T在角度和时间构成的二维平面内确定出信号源的方位；或者，根据参数T，利用声线传播时间层析方法反演出海洋环境参数。
为了验证本发明的效果，将其与现有平滑的主动宽带多信号分离算法(简称smoothing-MUSICAL)进行仿真对比实验。实验使用的射线路径的相关信息为：五条射线路径在各个传感器间的延迟时间分别为：0、1、-1、1.6、-1.6；五条射线路径到达传感器的时间分别为10、12、12.5、14、14；选取第一个传感器为参考传感器；传感器采样数据长度为129；两种方法所采用的空域和频域的平滑阶次均为1。
Smoothing-MUSICAL算法是基于传感器采样数据的二阶累积量，并且假设噪声为高斯噪声；本发明方法(简称4-Smoothing-MUSICAL)是基于传感器采样数据的四阶累积量，同时假设噪声为彩色噪声，更符合实际的海洋环境。对于同样的实验对象：传感器间的延迟时间分别为：0、1、-1、1.6、-1.6，信号到达传感器的时间分别为10、12、12.5、14、14的五条射线路径：
1)不加噪声，传感器数目为4，选取第一个传感器为参考传感器；Smoothing-MUSICAL算法和4-Smoothing-MUSICAL算法的结果分别如图4中第一行的两幅图所示，其中左侧为采用Smoothing-MUSICAL算法得到的结果，右侧为本发明方法的结果。
2)不加噪声，传感器数目为6，选取第一个传感器为参考传感器；Smoothing-MUSICAL算法和4-Smoothing-MUSICAL算法的结果分别如图4中第二行的两幅图所示，其中左侧为采用Smoothing-MUSICAL算法得到的结果，右侧为本发明方法的结果。
3)不加噪声，传感器数目为7，选取第一个传感器为参考传感器；Smoothing-MUSICAL算法和4-Smoothing-MUSICAL算法的结果分别如图4中第三行的两幅图所示，其中左侧为采用Smoothing-MUSICAL算法得到的结果，右侧为本发明方法的结果。
4)加彩色噪声，信噪比为20dB，传感器数目为4，选取第一个传感器为参考传感器；Smoothing-MUSICAL算法和4-Smoothing-MUSICAL算法的结果分别如图4中第四行的两幅图所示，其中左侧为采用Smoothing-MUSICAL算法得到的结果，右侧为本发明方法的结果。
5)加彩色噪声，信噪比为-5dB，传感器数目为4，选取第一个传感器为参考传感器；Smoothing-MUSICAL算法和4-Smoothing-MUSICAL算法的结果分别如图4中第五行的两幅图所示，其中左侧为采用Smoothing-MUSICAL算法得到的结果，右侧为本发明方法的结果。
6)加彩色噪声，信噪比为-10dB，传感器数目为4，选取第一个传感器为参考传感器；Smoothing-MUSICAL算法和4-Smoothing-MUSICAL算法的结果分别如图4中第六行的两幅图所示，其中左侧为采用Smoothing-MUSICAL算法得到的结果，右侧为本发明方法的结果。
根据图4的对比实验结果可见本发明方法相比于现有的Smoothing-MUSICAL算法具有如下优势：
1)可以正确分离出间隔较小的射线路径；
2)可以分离出传感器数目小于射线路径的情况
3)抑制非高斯噪声的影响；
4)高的分离精度；
5)产生较少的伪影。

Claims (4)

1.基于高阶累积量的多路径传播声信号分离方法，用于从声传感器阵列所接收到的多路径传播声信号中分离出每条声线路径，其特征在于，包括以下步骤：
步骤1、对传感器所接收声信号做傅里叶变换后进行空域-频域平滑处理，获得K＝(2Ks+1)(2Kf+1)个窄带估计组成矩阵x ks，kf，Ks、Kf分别为空域平滑阶次、频域平滑阶次；且K大于声源个数P；
步骤2、利用下式计算矩阵x ks，kf的四阶累积量
其中，E表示求期望，*表示求共轭，H表示求共轭转置，表示克罗内克积；
步骤3、对四阶累积量进行EVD特征分解，并将所得到的(MF)2个特征值从大到小排列为：其中，F为频域平滑时选取的频率数；M为声传感器阵列中的传感器数量；
步骤4、对进行特征分解后得到(MF)2个特征值以其中P2个较大的特征值对应的特征向量构造信号子空间，以剩下的(MF)2-P2个较小特征值对应的特征向量构造噪声子空间；
步骤5、为声线路径构造以下的副本矢量a(θ，T)：
其中，θ表示声线路径的到达角度，T表示声线路径的到达时间，e(vi)是声信号在频率vi处的幅值，i＝1,2,…,F，表示克罗内克积，τ1,j(θ)表示声线路径到达第j个传感器相对于到达作为参考传感器的第1个传感器的时间延迟，j＝2,…,M-1；
步骤6、搜索与所述噪声子空间正交的副本矢量，这些副本矢量即为最终分离出的声线路径，其θ和T即为声线路径相应的到达方向和到达时间。
2.如权利要求1所述多路径传播声信号分离方法，其特征在于，所述频域平滑使用频域子带平均方法。
3.一种基于声线传播时间层析的海洋声层析方法，利用声音在海洋中传播速度的变化来反演海洋环境参数，其特征在于，首先利用权利要求1或2所述基于高阶累积量的多路径传播声信号分离方法，从声传感器阵列所接收到的多路径传播声信号中分离出每一条声线路径；然后根据声线路径的到达时间反演出海洋环境参数。
4.一种声源定位方法，其特征在于，首先利用权利要求1或2所述基于高阶累积量的多路径传播声信号分离方法，从声传感器阵列所接收到的多路径传播声信号中分离出每一条声线路径；然后根据声线路径的到达角度和到达时间在空域和时域构成的二维平面内确定声源的方位。
CN201610006173.3A 2016-01-05 2016-01-05 基于高阶累积量的多路径传播声信号分离方法 Active CN105652264B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610006173.3A CN105652264B (zh) 2016-01-05 2016-01-05 基于高阶累积量的多路径传播声信号分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610006173.3A CN105652264B (zh) 2016-01-05 2016-01-05 基于高阶累积量的多路径传播声信号分离方法

Publications (2)

Publication Number Publication Date
CN105652264A CN105652264A (zh) 2016-06-08
CN105652264B true CN105652264B (zh) 2018-07-10

Family

ID=56491618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610006173.3A Active CN105652264B (zh) 2016-01-05 2016-01-05 基于高阶累积量的多路径传播声信号分离方法

Country Status (1)

Country Link
CN (1) CN105652264B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108089155B (zh) * 2017-12-28 2021-04-02 西北工业大学 一种深海环境下单水听器声源被动定位方法
CN110865333B (zh) * 2019-11-19 2021-08-24 浙江大学 洋流影响下水下滑翔机单信标无源声学定位方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101150345B (zh) * 2006-09-18 2011-11-23 中国人民解放军空军装备研究院雷达与电子对抗研究所 适用于非平稳噪声背景下相干信源的测向方法
US7606113B2 (en) * 2007-05-10 2009-10-20 Lockheed Martin Corporation Modeling sound propagation for underwater test areas
CN101726730A (zh) * 2009-12-07 2010-06-09 中国人民解放军空军雷达学院 基于特征分量剔除的自适应抗相干干扰技术
CN103135091A (zh) * 2011-11-25 2013-06-05 上海无线电设备研究所 一种波达方向估计***中的自适应冲击噪声消除方法
CN104298850A (zh) * 2014-07-18 2015-01-21 哈尔滨工业大学深圳研究生院 信源数未知的相干信号测向方法及***

Also Published As

Publication number Publication date
CN105652264A (zh) 2016-06-08

Similar Documents

Publication Publication Date Title
Gemba et al. Adaptive and compressive matched field processing
Abadi et al. Blind deconvolution for robust signal estimation and approximate source localization
Harley et al. Data-driven matched field processing for Lamb wave structural health monitoring
Mantzel et al. Compressive matched-field processing
Bilik Spatial compressive sensing for direction-of-arrival estimation of multiple sources using dynamic sensor arrays
Yang Data-based matched-mode source localization for a moving source
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
Park et al. Grid-free compressive mode extraction
CN113671473B (zh) 基于环境约束和黎曼距离的联合匹配场定位方法及***
Ren et al. Acoustic interferometry for geoacoustic characterization in a soft-layered sediment environment
Lin et al. Low-frequency broadband sound source localization using an adaptive normal mode back-propagation approach in a shallow-water ocean
CN111563233B (zh) 基于非线性贝叶斯理论的水声信号频散特征被动反演方法
Cao et al. Passive broadband source localization based on a Riemannian distance with a short vertical array in the deep ocean
Cho et al. Impact of array tilt on source-range estimation in shallow water using the array invariant
CN105652264B (zh) 基于高阶累积量的多路径传播声信号分离方法
Dettmer et al. Joint time/frequency-domain inversion of reflection data for seabed geoacoustic profiles and uncertainties
Park et al. Gridless sparse covariance-based beamforming via alternating projections including co-prime arrays
Aulanier et al. Time-angle sensitivity kernels for sound-speed perturbations in a shallow ocean
Niu et al. Mode separation with one hydrophone in shallow water: A sparse Bayesian learning approach based on phase speed
CN105703841B (zh) 一种多路径传播宽带主动声信号的分离方法
CN108181611B (zh) 基于子空间的压缩感知高分辨阵列处理方法
Zhang et al. Broadband underwater multi-source localization with a computationally efficient coherent OMP algorithm
Jesus et al. Estimating geoacoustic bottom properties from towed array data
Zhang et al. Imaging processor for multi-receiver SAS in the presence of partially failed receivers
Soares et al. Environmental inversion using high-resolution matched-field processing

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant