CN112731283B - 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 - Google Patents
基于多级维纳滤波器的高亚音速飞行目标声学测向方法 Download PDFInfo
- Publication number
- CN112731283B CN112731283B CN202011553627.1A CN202011553627A CN112731283B CN 112731283 B CN112731283 B CN 112731283B CN 202011553627 A CN202011553627 A CN 202011553627A CN 112731283 B CN112731283 B CN 112731283B
- Authority
- CN
- China
- Prior art keywords
- signal
- acoustic
- matrix
- shaft
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 26
- 230000014509 gene expression Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000005428 wave function Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 12
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G01S3/86—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 with means for eliminating undesired waves, e.g. disturbing noises
-
- 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
-
- 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
Description
技术领域
本发明涉及目标探测与跟踪领域,尤其涉及一种基于多级维纳滤波器的高亚音速飞行目标声学测向方法。
背景技术
受到海面平台高度的制约,对海面低空飞行目标的超视距探测是常规雷达探测技术的难点。同时,由于海面平台附近电磁环境复杂、低仰角海杂波严重、多径效应影响等不利因素,对海面近程低空飞行目标的雷达探测也存在一定问题。声学探测方法通过接收海面目标的飞行噪声对其进行探测,具有不受电磁和光环境影响、全向监测、不受通视条件制约等优点,尤其是应用于海面平台时,其背景和环境噪声较为单一,杂波干扰较少,因此声学方法在对海面低空飞行目标的探测方面具有独特优势。
以声速为界限,低空飞行目标可分为超声速目标和高亚声速目标两大类。超声速目标飞行时会对周边空气产生扰动而形成马赫波,马赫波的波前又叫激波,激波呈锥面传播且时域特征明显,因此对超声速目标的声学跟踪已经有相对成熟的理论和技术。对于高亚音速飞行目标,其呈现宽带、瞬态和非平稳特性,对该类目标的声学跟踪方法研究相对较少。
对于声学探测方法而言,由于其不具备对目标距离的主动探测能力,且单个静止声阵列已被证明不能仅依靠波达方向估计目标的运动轨迹,实现对目标运动参数估计需要阵列中声传感器达到百米量级间距,因此目前主要通过单传感器实现对目标噪声的波达方向(Direction of Arrive,DOA)估计,在此基础上通过角度交汇等方式实现目标轨迹估计。同时,在海面低空飞行目标探测场景中,声学探测方法受限于其声波频率和波长,其DOA估计精度也受到制约,因此声学探测方法获得的目标方位信息主要用于为其他高精度探测***提供引导信息,这就对声学DOA估计方法的实时性提出了较高的要求。
从目前宽带信号的声学测向方法的研究现状来看,目前所提出的方法包括宽带信号子空间方法、宽带波束域方法、宽带循环平稳DOA估计方法以及基于时域模型的宽带阵列信号DOA估计。宽带信号子空间方法需要对信号相关矩阵求逆,增加了其计算复杂度;宽带波束域方法主要针对多相关信号同时入射的场景,宽带循环平稳DOA估计方法一般针对持续出现的通信信号,海面高亚音速飞行目标噪声信号持续时间较短,不具有循环平稳特性。基于时域模型的宽带阵列信号DOA估计可同时适用于窄带和宽带信号,其一般采用马尔可夫链蒙特卡罗方法进行求解,也存在计算复杂度高的问题。
发明内容
针对现有的高亚音速飞行目标的声学测向实时性不高和精度受限的问题,本发明公开了一种基于多级维纳滤波器的高亚音速飞行目标声学测向方法,其特征在于,采用均匀分布于空间十字阵列上的声传感器阵列进行测向,空间十字阵列包括相互垂直的X轴、Y轴和Z轴三根安装轴,三根安装轴的交点称为O点,位于O点的声传感器称为基准传感器,除基准传感器外,每根安装轴上均匀安装有2M个非基准传感器;
在对高亚音速飞行目标进行测向时,其具体步骤包括:
S1,针对声传感器阵列,建立宽带时域阵列信号模型,得到接收信号矩阵;
S2,对每个离散接收信号进行小波变换,得到接收信号矩阵在某一尺度下的小波矩阵;
S3,根据步骤S2的小波变换结果,选取基准传感器收到的离散信号向量s(n)的小波变换结果为参考信号d0(k),选取接收信号矩阵进行小波变换得到的小波矩阵WT(a0,b)为初始接收信号,a0为小波变换尺度,利用多级维纳滤波器对二个信号进行多级维纳滤波,得到信号子空间US和噪声子空间UN,k为采样点序号,n为采样点时刻;
利用本方法对高亚音速飞行目标进行测向时,其具体步骤包括:
S1,针对声传感器阵列,建立宽带时域阵列信号模型,得到接收信号矩阵;
对于宽带入射信号s(t),其频率范围为[fl,fh],其带宽为B,fh=fl+B,为避免测向模糊,声传感器间距d应满足:
d≤c/(2fh),
其中,c为空气中的声速。
基准传感器接收的宽带目标声源信号为s(t),对于非基准传感器接收信号s(t-τ),采用带通信号重构和采样方法,将其表示为:
其中,τ为该非基准传感器接收信号相对于基准传感器接收信号的时延,Ts为采样周期,ψ(t)为带通采样信号,其采用sinc函数的带通形式或带通椭圆球面波函数,L表示窗函数的长度,l表示窗函数的延时。
将s(t-τ)进行时域离散采样,并用n-l代替l,得到传感器接收信号在n时刻的输出为:
其中,带通窗函数hl(τ)=ψ(l-τ)ω(l-τ),ω(l-τ)为窗函数。
对于某一安装轴上的2M个声传感器,其接收信号可表示为:
其中,m为时延数目。在n和m取不同值的情况下,不同阵元的接收信号表示为接收信号矩阵Sτ(n):
Sτ(n)=H(n,τ)s(n),
其中,H(n,τ)为时延差矩阵,s(n)为对基准传感器收到的信号采样后,再对其以n时刻为中心、向前后各拓展L-1个采样时刻进行截取,得到的离散信号向量,接收信号矩阵Sτ(n)中的每一行代表一个声传感器的离散接收信号。对于矩阵H(n,τ),其表达式为:
S2,对每个离散接收信号进行小波变换,得到接收信号矩阵在某一尺度下的小波矩阵。
具体地,针对步骤S1中的接收信号矩阵Sτ(n)进行小波变换,得到接收信号矩阵Sτ(n)在a0尺度下的小波矩阵WT(a0,b),其表达式为:
WT(a0,b)=A(a0,θ)Y(a0,b),
其中,A(a0,τ)为矩阵H(n,τ)的小波变换结果,Y(a0,b)为离散信号向量s(n)的小波变换结果;
S3,根据步骤S2的小波变换结果,选取基准传感器收到的离散信号向量s(n)的小波变换结果为参考信号d0(k),选取接收信号矩阵进行小波变换得到的小波矩阵WT(a0,b)为初始接收信号,利用多级维纳滤波器对二个信号进行多级维纳滤波,得到信号子空间US,k为采样点序号;多级维纳滤波的具体过程包括,计算参考信号d0(k)和初始接收信号的互相关向量令/>令i=1,2,3,...,6M,循环进行前向递推运算:
Xi(k)=Xi-1(k)-hidi(k),
其中,hi为第i次递推得到的稀疏向量,di(k)为第i次递推得到的参考信号,Xi(k)为第i次递推得到的接收信号;
计算信号子空间US和噪声子空间UN:
US=span{h1,h2,…,hP+2},
UN=span{hp+3,hp+4,…,h6M},
其中p为高亚音速飞行目标数目;
利用信号子空间构造的二维空间谱函数为:
所述的空间十字阵列由相互垂直的X轴、Y轴和Z轴三根安装轴构成,X轴、Y轴和Z轴三个安装轴呈空间直角坐标分布,X轴和Y轴位于水平平面上,Z轴与水平平面垂直,Z轴正向指向天空。当高亚音速飞行目标入射波的方位角和俯仰角分别为和θ时,俯仰角θ为基准传感器到目标连线与Z轴正向的夹角,对于同一安装轴上相邻传感器间接收信号的传输时延τ=αd/c,α为时延因子,对于X轴、Y轴和Z轴,其对应的α取值分别为/>和cosθ,对于目标声信号的方向矢量/>其表达式为:
其中,ax、ay和az分别为X轴、Y轴和Z轴的目标声信号方向矢量,其表达式分别为:
本发明的有益效果为:
(1)本发明方法通过构建均匀线性空间十字阵阵列的时域宽带信号模型,并采用基于MSWF的时域宽带DOA快速估计方法,有效降低了***的计算复杂度,提高了高亚音速飞行目标估计的实时性。
(2)本发明方法通过在时域构建宽带接收模型,有效拓展了基于多级维纳滤波器的DOA估计方法的应用范围,为有效实现海上高亚音速飞行目标的声学探测提供了技术基础。
(3)本发明方法通过对接收信号进行小波变换,实现了对环境噪声的有效抑制,同时对有限时域信号进行了聚集,提升了该方法的抗噪声性能和测向精度。
附图说明
图1为均匀线性空间十字阵列示意图。
图2为本发明方法和MUSIC方法的实际计算量仿真比较结果。
具体实施方式
为了更好的了解本发明内容,这里给出一个实施例。
本实施例公开了一种基于多级维纳滤波器(Multi-Stage Wiener Filtering,MSWF)的高亚音速飞行目标声学测向方法,采用均匀分布于空间十字阵列上的声传感器阵列进行测向,空间十字阵列包括相互垂直的X轴、Y轴和Z轴三根安装轴,三根安装轴的交点称为O点,位于O点的声传感器称为基准传感器,除基准传感器外,每根安装轴上均匀安装有2M个非基准传感器。
在对高亚音速飞行目标进行测向时,其具体步骤包括:
S1,针对声传感器阵列,建立宽带时域阵列信号模型,得到接收信号矩阵;
对于宽带入射信号s(t),其频率范围为[fl,fh],其带宽为B,fh=fl+B,为避免测向模糊,声传感器间距d应满足:
d≤c/(2fh),
其中,c为空气中的声速。
基准传感器接收的宽带目标声源信号为s(t),对于非基准传感器接收信号s(t-τ),采用带通信号重构和采样方法,将其表示为:
其中,τ为该非基准传感器接收信号相对于基准传感器接收信号的时延,Ts为采样周期,ψ(t)为带通采样信号,其采用sinc函数的带通形式或带通椭圆球面波函数,L表示窗函数的长度,l表示窗函数的延时。
将s(t-τ)进行时域离散采样,并用n-l代替l,得到传感器接收信号在n时刻的输出为:
其中,带通窗函数hl(τ)=ψ(l-τ)ω(l-τ),ω(l-τ)为窗函数。
对于某一安装轴上的2M个声传感器,其接收信号可表示为:
其中,m为时延数目。在n和m取不同值的情况下,不同阵元的接收信号表示为接收信号矩阵Sτ(n):
Sτ(n)=H(n,τ)s(n),
其中,H(n,τ)为时延差矩阵,s(n)为对基准传感器收到的信号采样后,再对其以n时刻为中心、向前后各拓展L-1个采样时刻进行截取得到的离散信号向量,接收信号矩阵Sτ(n)中的每一行代表一个声传感器的离散接收信号。对于矩阵H(n,τ),其表达式为:
S2,对每个离散接收信号进行小波变换,得到接收信号矩阵在某一尺度下的小波矩阵。
具体地,针对步骤S1中的接收信号矩阵Sτ(n)进行小波变换,得到接收信号矩阵Sτ(n)在a0尺度下的小波矩阵WT(a0,b),其表达式为:
WT(a0,b)=A(a0,θ)Y(a0,b),
其中,A(a0,τ)为矩阵H(n,τ)的小波变换结果,Y(a0,b)为离散信号向量s(n)的小波变换结果;
S3,根据步骤S2的小波变换结果,选取基准传感器收到的离散信号向量s(n)的小波变换结果为参考信号d0(k),选取接收信号矩阵进行小波变换得到的小波矩阵WT(a0,b)为初始接收信号,利用多级维纳滤波器对二个信号进行多级维纳滤波,得到信号子空间US,k为采样点序号;多级维纳滤波的具体过程包括,计算参考信号d0(k)和初始接收信号的互相关向量令/>令i=1,2,3,...,6M,循环进行前向递推运算:
Xi(k)=Xi-1(k)-hidi(k),
其中,hi为第i次递推得到的稀疏向量,di(k)为第i次递推得到的参考信号,Xi(k)为第i次递推得到的接收信号;
计算信号子空间US和噪声子空间UN:
US=span{h1,h2,…,hP+2},
UN=span{hp+3,hp+4,…,h6M},
其中p为高亚音速飞行目标数目;
利用信号子空间构造的二维空间谱函数为:
所述的空间十字阵列由相互垂直的X轴、Y轴和Z轴三根安装轴构成,X轴、Y轴和Z轴三个安装轴呈空间直角坐标分布,X轴和Y轴位于水平平面上,Z轴与水平平面垂直,Z轴正向指向天空,图1为均匀线性空间十字阵列示意图,101为高亚音速飞行目标,102为空间十字阵列。当高亚音速飞行目标入射波的方位角和俯仰角分别为和θ时,俯仰角θ为基准传感器到目标连线与Z轴正向的夹角,对于同一安装轴上相邻传感器间接收信号的传输时延τ=αd/c,α为时延因子,对于X轴、Y轴和Z轴,其对应的α取值分别为/>和cosθ,对于目标声信号的方向矢量/>其表达式为:
其中,ax、ay和az分别为X轴、Y轴和Z轴的目标声信号方向矢量,其表达式分别为:
在阵元数为4、8、12、16和20,目标为1个,信噪比为0dB,快拍数为100和200,阵元间距为0.5,搜索步长为0.5°的情况下,对本发明方法和经典MUSIC方法的运算所需的机器周期数进行了仿真。图2为本发明方法和经典MUSIC方法的实际计算量仿真比较结果。在阵元个数较少时,考虑到变量定义及存储等相关过程,两种方法所需的实际机器周期数基本相同;随着阵元数量的增加,本发明方法所需的实际机器周期数更少。同时,随着快拍数的减少,两种方法所需的实际机器周期数也逐渐减少。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种基于多级维纳滤波器的高亚音速飞行目标声学测向方法,其特征在于,采用均匀分布于空间十字阵列上的声传感器阵列进行测向,空间十字阵列包括相互垂直的X轴、Y轴和Z轴三根安装轴,三根安装轴的交点称为O点,位于O点的声传感器称为基准传感器,除基准传感器外,每根安装轴上均匀安装有2M个非基准传感器;
在对高亚音速飞行目标进行测向时,其具体步骤包括:
S1,针对声传感器阵列,建立宽带时域阵列信号模型,得到接收信号矩阵;
S2,对每个离散接收信号进行小波变换,得到接收信号矩阵在某一尺度下的小波矩阵;
S3,根据步骤S2的小波变换结果,选取基准传感器收到的离散信号向量s(n)的小波变换结果为参考信号d0(k),选取接收信号矩阵进行小波变换得到的小波矩阵WT(a0,b)为初始接收信号,a0为小波变换尺度,利用多级维纳滤波器对二个信号进行多级维纳滤波,得到信号子空间US和噪声子空间UN,k为采样点序号,n为采样点时刻;
所述的步骤S1具体包括,基准传感器接收的宽带目标声源信号为s(t),对于非基准传感器接收信号s(t-τ),采用带通信号重构和采样方法,将其表示为:
其中,τ为该非基准传感器接收信号相对于基准传感器接收信号的时延,Ts为采样周期,ψ(t)为带通采样信号,其采用sinc函数的带通形式或带通椭圆球面波函数,L表示窗函数的长度,l表示窗函数的延时;
将s(t-τ)进行时域离散采样,并用n-l代替l,得到传感器接收信号在采样点n时刻的输出为:
其中,带通窗函数hl(τ)=ψ(l-τ)ω(l-τ),ω(l-τ)为窗函数;
对于某一安装轴上的2M个声传感器,其接收信号可表示为:
其中,m为时延数目;在n和m取不同值的情况下,不同阵元的接收信号表示为接收信号矩阵Sτ(n):
Sτ(n)=H(n,τ)s(n),
其中,H(n,τ)为时延差矩阵,s(n)为对基准传感器收到的信号进行采样后,再对其以n时刻为中心、向前后各拓展L-1个采样时刻进行截取,得到的离散信号向量,接收信号矩阵Sτ(n)中的每一行代表一个声传感器的离散接收信号;对于矩阵H(n,τ),其表达式为:
2.根据权利要求1所述的基于多级维纳滤波器的高亚音速飞行目标声学测向方法,其特征在于,对于宽带入射信号s(t),其频率范围为[fl,fh],其带宽为B,fh=fl+B,为避免测向模糊,同一安装轴上的声传感器间距d应满足:
d≤c/(2fh),
其中,c为空气中的声速。
3.根据权利要求1所述的基于多级维纳滤波器的高亚音速飞行目标声学测向方法,其特征在于,所述的步骤S2,针对步骤S1中的接收信号矩阵Sτ(n)进行小波变换,得到接收信号矩阵Sτ(n)在a0尺度下的小波矩阵WT(a0,b),其表达式为:
WT(a0,b)=A(a0,θ)Y(a0,b),
其中,A(a0,τ)为矩阵H(n,τ)的小波变换结果,Y(a0,b)为离散信号向量s(n)的小波变换结果。
6.根据权利要求2所述的基于多级维纳滤波器的高亚音速飞行目标声学测向方法,其特征在于,所述的空间十字阵列由相互垂直的X轴、Y轴和Z轴三根安装轴构成,X轴、Y轴和Z轴三个安装轴呈空间直角坐标分布,X轴和Y轴位于水平平面上,Z轴与水平平面垂直,Z轴正向指向天空;当高亚音速飞行目标入射波的方位角和俯仰角分别为和θ时,俯仰角θ为基准传感器到目标连线与Z轴正向的夹角,对于同一安装轴上相邻传感器间接收信号的传输时延τ=αd/c,α为时延因子,对于X轴、Y轴和Z轴,其对应的α取值分别为/>和cosθ,对于目标声信号的方向矢量/>其表达式为:
其中,ax、ay和az分别为X轴、Y轴和Z轴的目标声信号方向矢量,其表达式分别为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553627.1A CN112731283B (zh) | 2020-12-24 | 2020-12-24 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553627.1A CN112731283B (zh) | 2020-12-24 | 2020-12-24 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112731283A CN112731283A (zh) | 2021-04-30 |
CN112731283B true CN112731283B (zh) | 2023-07-11 |
Family
ID=75615502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011553627.1A Active CN112731283B (zh) | 2020-12-24 | 2020-12-24 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112731283B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757242B (zh) * | 2022-06-16 | 2022-09-23 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于循环维纳滤波的直升机噪声增强方法以及检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353947A (zh) * | 2011-07-08 | 2012-02-15 | 哈尔滨工程大学 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
JP2013152112A (ja) * | 2012-01-24 | 2013-08-08 | Mitsubishi Electric Corp | 時間差方位探知装置 |
CN103969626A (zh) * | 2014-05-20 | 2014-08-06 | 西安电子科技大学 | 基于全通型可变分数延时滤波器的宽带数字波束形成方法 |
JP2014142279A (ja) * | 2013-01-24 | 2014-08-07 | Furuno Electric Co Ltd | 信号処理装置、レーダ装置、水中探知装置、及び信号処理方法 |
CN105158751A (zh) * | 2015-08-29 | 2015-12-16 | 许昌学院 | 一种声矢量阵快速方位估计方法 |
CN107255793A (zh) * | 2017-06-16 | 2017-10-17 | 中国电子科技集团公司第二十九研究所 | 一种针对宽带ofdm通信信号的阵列测向方法及装置 |
CN108983144A (zh) * | 2018-05-29 | 2018-12-11 | 西北工业大学 | 改进维纳滤波器及基于该滤波器进行目标方位的估计方法 |
CN111175693A (zh) * | 2020-01-19 | 2020-05-19 | 河北科技大学 | 一种波达方向估计方法及波达方向估计装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6611231B2 (en) * | 2001-04-27 | 2003-08-26 | Vivato, Inc. | Wireless packet switched communication systems and networks using adaptively steered antenna arrays |
ATE323891T1 (de) * | 2002-03-13 | 2006-05-15 | Raytheon Canada Ltd | System und verfahren zum erzeugen eines spektrums in radargeräten |
KR101647478B1 (ko) * | 2014-06-11 | 2016-08-10 | 국방과학연구소 | 고속이동 다중 표적 도래각 추정 방법 |
-
2020
- 2020-12-24 CN CN202011553627.1A patent/CN112731283B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353947A (zh) * | 2011-07-08 | 2012-02-15 | 哈尔滨工程大学 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
JP2013152112A (ja) * | 2012-01-24 | 2013-08-08 | Mitsubishi Electric Corp | 時間差方位探知装置 |
JP2014142279A (ja) * | 2013-01-24 | 2014-08-07 | Furuno Electric Co Ltd | 信号処理装置、レーダ装置、水中探知装置、及び信号処理方法 |
CN103969626A (zh) * | 2014-05-20 | 2014-08-06 | 西安电子科技大学 | 基于全通型可变分数延时滤波器的宽带数字波束形成方法 |
CN105158751A (zh) * | 2015-08-29 | 2015-12-16 | 许昌学院 | 一种声矢量阵快速方位估计方法 |
CN107255793A (zh) * | 2017-06-16 | 2017-10-17 | 中国电子科技集团公司第二十九研究所 | 一种针对宽带ofdm通信信号的阵列测向方法及装置 |
CN108983144A (zh) * | 2018-05-29 | 2018-12-11 | 西北工业大学 | 改进维纳滤波器及基于该滤波器进行目标方位的估计方法 |
CN111175693A (zh) * | 2020-01-19 | 2020-05-19 | 河北科技大学 | 一种波达方向估计方法及波达方向估计装置 |
Non-Patent Citations (4)
Title |
---|
基于多级维纳滤波器的二维测向算法及DSP实现;谢纪岭;司锡才;唐建红;宇航学报(第01期);全文 * |
复解析小波变换的圆阵波达方向估计方法;胡政权等;探测与控制学报(第04期);全文 * |
空间交叉阵被动声定位算法及其性能分析;马社祥;赵朝霞;***工程与电子技术(第03期);全文 * |
非圆信号多级维纳滤波DOA估计求根算法;宋爱民等;电子科技大学学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112731283A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842128B (zh) | 运动目标的声学跟踪方法及装置 | |
CN109490819B (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
Degurse et al. | Reduced-rank STAP for target detection in heterogeneous environments | |
CN107831480A (zh) | 弹载雷达和差通道稳健自适应杂波抑制方法 | |
CN105510887B (zh) | 一种杂波背景下对机载雷达的有源压制式干扰抑制方法 | |
CN110824439B (zh) | 一种雷达目标快速长时间相参积累方法 | |
CN106291449A (zh) | 对称稳定分布噪声下波达方向角估计新方法 | |
CN112731283B (zh) | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 | |
Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
Liu et al. | Deep learning based localization of near-field sources with exact spherical wavefront model | |
CN111580079A (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 | |
CN109597034B (zh) | 一种基于欧几里得距离的空时自适应处理方法 | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN113447919B (zh) | 扩展卡尔曼预测角度跟踪方法 | |
CN112731292B (zh) | 局部imf能量加权的低空飞行目标信号时延估计方法 | |
CN105572631A (zh) | 基于多波位联合处理的最大似然目标doa估计方法 | |
CN115856813A (zh) | 基于apc与iarft级联处理的雷达目标旁瓣抑制方法 | |
Fernandes et al. | Investigating the potential of UAV for gunshot DoA estimation and shooter localization | |
CN111610505A (zh) | 一种基于指数形式时变加权的机载双基雷达stap算法 | |
Chen et al. | A PCA-BP fast estimation method for broadband two-dimensional DOA of high subsonic flight targets based on the acoustic vector sensor array | |
Raia et al. | GSP-based DoA estimation for a multimission radar | |
CN111323750A (zh) | 一种基于声矢量阵列网络的直接定位方法 | |
CN113671477B (zh) | 一种基于图信号处理的雷达目标距离估计方法 | |
CN116990791B (zh) | 一种多接收阵合成孔径声纳回波仿真方法 | |
CN115407270B (zh) | 一种分布式阵列的声源定位方法 |
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 |