一、基于矢量传感器的低空目标声测向算法及实验研究(论文文献综述)
陈昭男,王磊[1](2020)在《基于声传感器阵列的高亚音速飞行目标宽带DOA时域MSWF快速估计方法》文中研究指明在海面低空飞行目标探测场景中,主要利用声学方法对目标进行测向从而为其他高精度雷达系统提供引导,这就对声学测向方法的实时性提出了较高要求。针对低空高亚音速飞行目标DOA的快速估计问题,以利用布设于有限空间内的声传感器阵实现海面高亚音速目标角度的快速估计为背景,针对其宽带声信号精确测向的难题,建立了基于均匀线性空间十字阵的宽带时域阵列信号模型,为实现海面低空飞行目标的快速声学测向,将经典宽带时域多级维纳滤波器(MSWF)的DOA估计方法拓展至时域模型,提出了相应的宽带DOA快速估计方法,该方法在保持了多重信号分类算法优势的同时,有效提升了声学DOA估计的实时性。
董飞彪[2](2020)在《声阵列波达方向跟踪算法研究》文中研究表明随着无人机技术在军事和民用领域的迅速发展,对于反无人机技术的发展和应用需求越来越强烈,特别是随着我国低空空域的逐步开放,“低小慢”等航空器的出现使得现有低空防范体系面临新的挑战。传统雷达、光电探测技术容易受地面建筑物阻挡、多普勒效应不明显、雷达散射截面小和恶劣天气环境的影响,使得“低小慢”目标探测也成了一个世界性难题。基于声阵列的被动探测技术,因其具有很高的隐蔽性、便易性、不受电磁干扰和全天候工作特性,成为当前解决“低小慢”目标探测难题的一种有效途径和研究热点。本文结合“低小慢”声目标探测的实际应用需求,基于声阵列的不同应用场景,对空气声阵列探测系统测试平台和应用于线型声阵列、L型声阵列和互质声阵列的波达方向(Direction of Arrival,DOA)跟踪理论与方法分别开展了探索性研究,为其在运动声源目标探测领域的应用提供一定的理论参考和实验依据。为对声阵列探测算法进行有效的实验验证,设计了声阵列探测系统测试平台,对当前主流的阵列DOA跟踪算法开展了实验研究,总结归纳了各个算法的性能表现。开展对无需信源数的MUSIC-like算法实验研究,提出一种基于对角加载技术的改进MUSIC-like算法,基于线型声阵列的实测结果表明,在单声源和双声源信号场景下,所提方法可有效抑制虚假谱峰的出现,提高了算法实际应用中的稳健性。以上实验结果也验证了该测试平台的有效性和实用性。为实现二维空间中的微弱声源目标的快速波达方向跟踪,开展基于均匀线型声阵列的DOA跟踪算法研究,针对子空间跟踪方法和传统粒子滤波(Particle Filter,PF)算法,在低信噪比环境下跟踪精度下降和在动态目标波达角变化速度较快而致使实时性变差的问题,提出一种基于传播算子算法(Propagator Method,PM)算法空间谱函数的PF跟踪算法,通过将PM算法的空间谱分布应用到PF似然函数的改进中,降低了计算复杂度的同时保留子空间算法的高分辨率特性,增强了预测粒子的筛选性能。理论分析和仿真结果表明,在低信噪比环境下,该方法具有更高的运算效率和更低的跟踪误差,更能适用小型、快速运动声源目标的定位跟踪,实测结果验证了本文PF跟踪算法的有效性。为实现三维空间中相干声源目标的波达方向跟踪,开展了基于L型声阵列的二维DOA跟踪算法研究,针对传统波束形成类、子空间类方法存在需要在二维角度空间内进行谱峰搜索,导致计算量较大,且无法处理相干源的DOA跟踪问题,针对传统稀疏信号重构类方法需要在二维角度空间构造过完备原子库,导致稀疏信号重构过程中的计算量成指数增加,且无法解决多目标场景下方位角和俯仰角之间的配对问题,提出应用两种L型阵列下基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的二维DOA跟踪算法。在第一种L型阵列DOA跟踪算法中,将二维过完备原子库的稀疏信号重构问题降为两个一维过完备字典的信号重构问题,以降低算法的计算复杂度,进一步地,利用SBL算法重构出信号之间幅值的差异性,完成方位角和俯仰角之间的自动配对,该算法能够实现相干信号的DOA估计。在第二种L型阵列DOA跟踪算法中,根据阵列协方差矩阵的共轭对称特性,将L型阵二维DOA稀疏重构问题转换为了两个具有扩展孔径的线型阵列DOA稀疏重构问题,进一步地,分别应用SBL算法重构出来波信号,根据源信号之间幅值的不同,解决待估计参数之间配对问题。理论分析和数值仿真表明,所提算法具有更低的计算复杂度、更大的阵列孔径和更小的空间角度跟踪误差,实验结果验证了本文方法的有效性。为实现在特殊应用场景下的声源目标高效、高精度波达方向跟踪,开展了基于互质声阵列的DOA跟踪算法研究,针对均匀阵列无法突破空间角度分辨率受奈奎斯特采样定理限制的问题,提出了一种基于互质阵列的粒子滤波DOA跟踪算法,针对在低信噪比或快拍数较少环境下,粒子滤波似然函数对预测粒子筛选性能减弱现象,推导了互质阵列的空间平滑PM谱函数,并应用到粒子滤波的似然函数改进中。理论分析和仿真结果表明,本文方法具有更高的估计精度和更低的计算复杂度,实验结果验证了所提算法的有效性。
李江欣[3](2020)在《基于差分麦克风阵列的低仰角目标测向与增强方法研究》文中研究表明针对低空直升机、地面履带车等低仰角目标,被动声探测技术利用目标运动部件发出的声信号实现探测与识别,能有效解决雷达探测面临的电子干扰、地物遮挡等问题。近年来,随着微机电系统(MEMS)技术的发展,麦克风朝着微型化、智能化的方向发展。采用麦克风阵列形式的小微声探测节点具有成本低廉、结构简单、功耗较低等特点,多个小微声测节点还可采用抛撒等方式大量部署,通过组网进一步构建声学区域警戒系统。基于小微麦克风阵列进行低仰角目标测向与增强,是相应系统应用时的重要任务,相关研究成果在军用、民用领域具有广泛的应用前景与良好的实际应用价值。本文针对小微平面差分麦克风阵列,重点研究低仰角目标的测向与增强方法。首先讨论了大气声传播规律及典型低仰角目标声信号产生机理与时频特性,通过仿真分析发现所研究的低仰角目标声信号不具备良好的短时正交与时频稀疏(W-DO)特性,因此现有针对语音信号的声强估计多声源测向方法对所研低仰角目标声源效果不佳。考虑到基于差分麦克风阵列的单个小微声探测节点通常探测能力较弱,监测区域较小,本文重点研究面向较近距离范围内最强目标声源的检测与测向方法。具体而言,采用短时能量双阈值法实现目标声源检测,然后提出基于时频筛选及功率加权的改进直方图法进行目标方位角估计,最后通过模板匹配法进行地面与低空目标区分。在完成目标测向后,本文还研究了一种结合一阶方向可控的差分麦克风阵列波束形成技术与广义旁瓣对消技术的干扰抑制与目标增强方法,以提高目标信号的信干噪比,为后续目标分类识别等任务提供良好条件。通过开展仿真及外场实验,验证了上述基于差分麦克风阵列的低仰角目标测向与增强方法的有效性,研究成果为差分麦克风阵列声测节点在边境警戒、要地防护等诸多领域的广泛应用奠定良好基础。
郭培培[4](2020)在《基于音频的无人机定位与跟踪研究》文中研究说明针对常用的雷达、调频无线电以及视频摄像等定位方法不足,利用无人机声信号进行定位跟踪可以作为辅助和系统完善。本文在基于音频的无人机识别的基础上,对后续无人机的定位与跟踪进行相关分析与研究。第一,根据无人机音频信号的特性以及在传播过程中受到环境气候、风雨噪声的影响,对无人机音频信号进行小波变换的阈值降噪和分帧加窗预处理,为无人机被动声定位方法的研究奠定基础。第二,研究了基于无人机音频的时延估计算法。针对广义互相关时延估计精度低的问题,提出了将广义二次相关和相关峰精确插值融合的改进算法,并对叠加了实际环境噪声的无人机音频信号进行时延估计。实验结果表明:改进算法显着提高了时延估计的准确性、抗噪性以及稳定性,满足实时性要求,更利于应对复杂的实际应用环境。第三,实现了对无人机的定位研究。通过对平面四元阵、立体五元阵、三组麦克风阵列侧向交叉的联合定位的定位误差仿真对比,验证定位算法的性能,实验结果表明:三组阵列联合定位的定位误差远远小于其它两种阵列,定位效果较好,满足实际定位精度要求。最后结合音视频监控系统,对无人机进行音频与视频的协同定位。第四,研究了无人机被动跟踪算法。针对机动无人机,采用基于粒子滤波的交互式多模型算法,结合匀速和匀转弯的混合运动模型对机动无人机进行轨迹跟踪仿真,结果表明,基于粒子滤波的交互式多模型方法显示了良好的跟踪性能,对机动目标的跟踪适应性较好。
毕雪洁[5](2019)在《浅海环境下基于线谱干涉结构特征的目标深度属性判定方法研究》文中指出水下平台在巡航过程中,可能会遇到各种目标带来的安全性威胁,如何在没有目标先验信息且难以对目标进行精确定位的情况下,获得目标深度类别(空中目标、水面目标和水下目标)信息也是有重要价值的。目标深度类别的有效区分对水下平台的隐蔽性和安全性有着深远影响。浅海环境下的目标线谱信号的干涉结构特征和多普勒特征可应用于目标的深度属性判定中,基于线谱信号的干涉结构特征可实现水下目标的深度属性判定,基于线谱信号的多普勒特征可进一步实现水面目标和空中目标的深度属性判定。针对浅海环境下的水中目标的深度属性判定问题,首先研究了基于线谱信号干涉结构特征的水中目标深度属性判定算法。然后在有效深度模型的基础上,对算法的可行性与稳健性进行了深入研究。论文进行了理论研究及公式推导,并仿真分析了接收深度、声源频率以及信噪比等参数对深度属性判定性能的影响,从而提出了基于实际海况的接收深度选取方法以及临界深度预报方法。仿真结果表明:当接收器位于理想接收状态时,深度属性判定性能明显优于其它状态的情况,通过适当调节接收状态保证深度属性判定算法性能满足实际需求。海试数据处理结果验证了理想接收状态下的深度属性判定性能更优,验证了接收状态、接收信噪比等参数会对深度属性判定性能产生较大的影响,还验证了接收深度选取算法以及临界深度预报算法的有效性。针对浅海环境下的空中目标的深度属性判定问题。在对空中目标和水面目标的声场特性进行理论研究后,公式推导及仿真结果验证了:空中目标的声场与水面目标的声场在相同环境参数情况下仅存在幅度差异,在深度属性判定过程中,可将空中目标等效为水面目标,因此基于线谱信号干涉结构特征的水中目标深度属性判定算法也可以应用于空中目标的深度属性判定中。基于线谱信号干涉结构特征可实现水下目标的深度属性的有效判定,但是空中目标及水面目标的深度属性都被判定为非水下目标。该算法难以实现水面目标和空中目标的区分。接下来基于线谱信号的多普勒特征对水面目标和空中目标进行进一步的深度属性判定。基于空中目标的方位角、仰角和频率估计结果,利用线谱信号多普勒特征实现空中目标的参数估计,从而实现水面目标与空中目标的深度属性判定。海试数据处理结果验证了以上算法的可行性。另外,基于线谱信号干涉结构特征进行目标深度属性判定的相关研究较多,这些研究一般都有以下前提,那就是研究对象的线谱频率激发前两阶简正波。即尽管是同一目标,当其航行于浅海较浅海域时能够对其进行深度属性判定,而当其航行于浅海较深海域时无法对其进行深度属性判定。针对该问题,将线谱信号干涉结构特征与匹配场处理理论相结合,本文提出了基于匹配场处理的目标深度属性判定算法。该算法可以对线谱频率激发前三阶简正波的目标进行深度属性判定,有效拓展了可以进行深度属性判定的海域深度范围。仿真结果验证了算法的可行性和稳健性,论文分析了环境失配情况对算法性能的影响。以垂直复声强有功分量之和为匹配量的目标深度属性判定算法比以垂直复声强无功分量为匹配量的目标深度属性判定算法具有更高的准确性和稳健性。
陈昭男,孙翱,王磊,阎肖鹏[6](2019)在《基于超短基线声传感器阵的高速目标轨迹估计》文中指出针对低空高速飞行目标跟踪问题,首先研究了某典型目标噪声信号的时频特性,发现其信号呈现宽带低频特征,难以从频域对目标轨迹进行估计。在此基础上,从各路接收信号的到达时延量入手,考虑到声基阵只能布设于有限空间内的制约,提出了一种基于超短基线阵时延估计的目标跟踪方法。该方法利用各个超短基线阵接收声强极值点分别估计目标运动轨迹垂线方向,计算多个垂线的叉乘向量实现对目标运动方向的估计,再利用多面交汇的方式获估计得到目标运动轨迹。分别对目标俯仰角、方位角及运动轨迹估计的理论误差进行了推导,根据理论估计误差,为能够实现对目标运动轨迹的估计,各个超短基线阵应尽量保证与目标运动轨迹不在同一平面上。根据仿真结果,在采用4个传感器基阵时,角度估计平均误差在4°以内,位置估计相对误差在5%左右。仿真结果验证了该方法的有效性。
黄强[7](2018)在《低空无人机被动声探测定位方法研究》文中研究表明目前,无人机使得低空安防难度加大,被动声探测方法在军事、安全监控等领域有着广泛的应用。但是,在对低空目标探测的实际工程应用中,受户外环境噪声的影响,传统的被动声探测定位方法存在着较低信噪比下定位误差较大的问题。针对以上问题,本文以四旋翼无人机为研究对象,重点研究立体七元声传感器阵列下基于到达时间差(Time Difference of Arrival,TDOA)的被动声定位算法,并提出改进最大似然加权-相位变换加权-广义互相关(Maximum Likehood-Phase Transform-Generalized Cross Correlation,ML-PHAT-GCC)算法,达到提高时延定位精度的目的;建立双阵列模型并研究改进人工鱼群-无迹粒子滤波(Artificial Fish School Algorithm-the Unscented Kalman Partcle Filter,ASFA-UPF)被动跟踪定位算法,达到降低对目标的距离、方位角、俯仰角定位误差的目标。本文主要工作如下:首先,本文对四旋翼无人机的声信号进行了时频分析,并对声场环境中影响声波传播的因素进行了分析;由于无人机所处声场环境中存在大量的环境噪声和混响噪声,先对采集到的无人机的声信号进行带通滤波滤除高频信号,采用(Least Mean Square,LMS)自适应算法对滤波后的信号进行降噪处理。然后,本文对平面五元阵列和立体七元阵列的定位精度进行了公式推导并进行了对比分析;分析了广义互相关GCC的几种加权函数,并结合ML加权对PHAT加权函数进行改进,提出了ML-PHAT-GCC算法;给出了基于有理倍数增采样率的TDOA定位算法,并仿真分析了不同采样频率对声源目标的距离、方位角和俯仰角定位精度的影响。其次,本文给出了双声传感器阵列的空间交叉定位算法公式推导,并给出了目标状态方程和观测方程;采用ASFA对UPF进行改进,抑制粒子退化问题,并对其跟踪定位算法的性能与传统无迹粒子滤波算法进行MATLAB仿真分析对比。最后,本文搭建低空无人机被动声探测定位实验平台,包括声传感器阵列模块、多通道数据采集模块、数据处理模块和上位机软件显示模块。实验结果表明本文的改进ML-PHAT-GCC的TDOA算法性能明显优于传统算法,增加采样频率及增大阵元间距能够降低被动声定位误差;在采样频率为200kHz时,本文改进算法比传统算法的距离误差、方位角误差及俯仰角误差分别降低了2.477%,3.866%,1.187%。阵元间距在0.65m时,定位误差最小,比阵元间距为0.10m时的定位误差分别降低了9.198%,6.99%,6.091%,验证了改进方法的有效性。
陈乐乐[8](2014)在《基于声传感器网络的目标定位方法研究与系统实现》文中研究说明无源声探测定位技术具有隐蔽性高、不受地形限制、定位精度高、成本低和抗干扰能力强等优点,所以成为了现代战争中特别重要的定位方式,在军事领域与民用方面得到了广泛的应用。在军事领域主要用于对目标的侦测与定位,如战车、飞机等;在民用方面如室内定位。很多国家对无源声探测定位技术的研究起步较早,我国也在不断开展与加强这方面的研究工作,将传感器网络的灵活性与声探测定位技术相结合可以高效地提高目标定位效果。基于声传感器网络的无源声探测定位技术实质上就是定位方法与定位算法的结合,定位方法和定位算法是无源定位技术的核心,它们共同决定了定位系统的定位精度。本文首先研究与分析了目前常用的目标定位方法,主要包括测向定位技术(DOA)、测时差定位技术(TDOA)与多普勒频率差定位技术(DD);然后以测向定位方法为重点,研究了基于DOA测量的三种经典的目标定位算法:线性最小二乘定位法(LLS)、非线性最小二乘定位法(NLS)与最大似然估计定位法(ML);并给出了上述目标定位算法的仿真与分析结果,为基于声传感器网络的目标定位系统设计提供技术参考。在对上述定位算法研究的基础上,本文通过深入分析基于DOA测量的无源定位原理,又提出了一种基于声传感器网络的粒子群(PSO)-半球迭代定位算法,PSO-半球迭代定位算法是一种基于最小二乘误差估计技术的定位算法,通过粒子群算法的群体搜索性来选取最优的初始值,解决半球迭代定位方法由于初值估计不准而产生的不收敛、误差较大的问题。最后给出了此目标定位算法的仿真与分析结果。在定位模型和算法的理论分析基础上,本文在Visual C++6.0环境下设计并开发了一套基于声传感器网络的目标定位系统,该系统主要包括目标融合定位和目标模拟器两个部分。目标融合定位主要是完成对目标的定位输出和显示控制,采用模块化设计思想,模块独立性强,软件整体可靠性强,同时,界面更加友好、美观、操作方便;目标模拟器主要用于配合显控系统完成系统功能测试。通过实验室测试验证,显控系统能够完成预期目标,运行状态稳定,满足定位的功能需求。
蔡宗义,赵俊渭,李家武,郭艳,许学忠,唐玉志,董永峰[9](2007)在《基于质点振速测量的低空目标定向算法研究》文中提出声测被动定向是声学监视技术的重要研究内容。为实现对低空运动目标的声学监视,提出一种基于声矢量传感器原理的被动定向方法,推导出基于质点振速测量的定向算法,采用实测噪声信号对定向算法进行数值仿真,结果表明:当传感器尺寸为0.3 m、信号信噪比为0 dB时,定向精度在2°以内。通过外场实验,研究该传感器的质点振速指向性,得到了其质点振速指向性图,该传感器具有较好的空间指向性。外场实验证明:该定向算法具有较高的定向精度,能够用于低空目标的声测被动定向,有较好的应用前景。该研究成果可直接用于空中运动目标,如飞机、导弹和无人机等目标的声测被动定向。
时胜国[10](2007)在《矢量水听器及其在平台上的应用研究》文中进行了进一步梳理矢量水听器是由传统的声压水听器和质点振速水听器复合而成,可以同步、共点测量声场空间一点处的声压和质点振速的三个正交分量,这不仅有助于改善水声系统的性能,而且也拓宽了信号处理空间。矢量水听器具有良好的低频指向性、较强的抑制各向同性噪声能力等诸多优点,也为解决水声问题提供了新的思路和方法。随着矢量水听器技术的日益成熟以及在军事需求牵引下,矢量水听器技术已被广泛地应用于水声各领域,目前成为水声界最为活跃的研究方向之一。但矢量水听器技术是一项新兴技术,其信号处理方法和工程应用的潜力还有待深入研究。本文在回顾矢量水听器技术发展及其工程应用研究的基础上,以矢量水听器在水下作战平台上的应用为研究背景,对同振式矢量水听器的设计理论、弹性悬挂系统的动力学特性以及水下工作平台近场声散射和随机晃动等对矢量水听器测向性能的影响等方面进行了系统、全面的理论和试验研究。本文首先以同振式振速水听器的测量原理为基础,从理论上系统性地分析了同振式矢量水听器的声波接收理论和弹性悬挂系统的动力学特性,建立了矢量水听器理论分析方法;推导了自由运动刚性球体和弹性球体声波接收响应数学表达式,分析了振速水听器几何尺寸、平均密度与其频响特性曲线之间的关系;推导了矢量水听器声压接收响应数学表达式,得到了振速水听器表面上的声压分布规律以及声压水听器的声波接收压力系数与其接收面的大小、质点振速水听器的半径、布放的位置和半径等参数之间的关系。另外,还建立了矢量水听器—弹性悬挂系统受力分析模型,并从理论上分析了系统的谐振频率及其对矢量水听器声波接收响应的幅值和相位影响。本文以水下弹性球壳为研究对象,从理论上研究了弹性球壳近场声散射和声透射对矢量水听器声场测量的影响;推导了平面声波在弹性球壳上近场声散射和声透射的矢量声场数学表达式,计算了不同壳体参数下内充空气弹性球壳声散射和内充水弹性球壳声透射矢量声场对矢量水听器各通道声波接收响应幅值和相位以及各通道接收指向性的影响。理论分析表明:弹性球壳近场声散射对矢量水听器接收声场的影响具有明显的频率特性;而弹性球壳透射声场对矢量水听器接收声场的影响与水听器安装位置密切相关,水听器安装偏差对其声场测量影响比较大。本文针对矢量水听器在水下平台上应用所面临的实际情况,从矢量水听器各通道幅度及相位的不一致性、平台近场声散射和随机晃动等几个方面对矢量水听器目标定向性能的影响进行了系统研究。从理论上分析了矢量水听器各通道幅度及相位不一致性对其目标定向精度的影响;建立了平台近场声散射对矢量水听器目标定向性能影响计算模型,分析了入射声波信号频率和入射角度以及矢量水听器安装位置对目标定向的影响;建立了随机晃动平台运动模型,分析了观测平台随机晃动所引起的测向误差。文中对比分析上述三种测向误差的影响特点,提出了相应的修正和降低测向误差的方法和措施。通过弹性壳体近场声散射对矢量水听器声场测量和目标定向性能影响的水池试验研究,进一步分析了水下弹性球壳、两端带半球帽柱壳和两端封闭短柱壳近场声散射对矢量水听器声波接收响应的频率特性、接收指向性以及对目标测向性能影响,验证了理论分析结果的正确性,也为矢量水听器下一步的实际工程应用提供了试验基础。
二、基于矢量传感器的低空目标声测向算法及实验研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于矢量传感器的低空目标声测向算法及实验研究(论文提纲范文)
(1)基于声传感器阵列的高亚音速飞行目标宽带DOA时域MSWF快速估计方法(论文提纲范文)
1 引言 |
2 均匀线性空间十字阵接收模型 |
3 基于MSWF的时域宽带DOA快速估计方法 |
4 仿真结果及分析 |
4.1 宽带角度波达估计的仿真分析 |
4.2 算法计算量分析与仿真 |
5 结论 |
(2)声阵列波达方向跟踪算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 静止目标DOA估计算法研究现状 |
1.2.2 运动目标DOA估计算法研究现状 |
1.2.3 声阵列DOA估计研究现状 |
1.3 论文研究目标、内容及贡献 |
1.3.1 论文研究目标 |
1.3.2 论文主要内容与贡献 |
1.4 论文的结构安排 |
第二章 阵列信号处理相关基础 |
2.1 引言 |
2.2 DOA估计信号模型及其分析 |
2.2.1 均匀线阵信号模型 |
2.2.2 L型阵列信号模型 |
2.2.3 互质阵列信号模型 |
2.3 矩阵代数相关知识 |
2.3.1 特征分解和奇异值分解 |
2.3.2 Toeplitz矩阵 |
2.3.3 Vandermonde矩阵 |
2.3.4 矩阵的Kronecker积 |
2.3.5 矩阵的向量化 |
2.4 本章小结 |
第三章 声探测系统测试平台设计与实现及算法验证 |
3.1 引言 |
3.2 声阵列探测系统测试平台设计 |
3.2.1 系统总体结构 |
3.2.2 系统主要模块 |
3.3 阵列波达方向估计算法 |
3.3.1 Capon算法 |
3.3.2 MUSIC算法 |
3.3.3 PM算法 |
3.3.4 PASTd算法 |
3.3.5 ?_(p,q)范数重构算法 |
3.3.6 SBL算法 |
3.3.7 SPICE算法 |
3.4 基于线型声阵列的单源DOA跟踪实验 |
3.4.1 试验概况 |
3.4.2 实验结果与分析 |
3.5 基于线型声阵列的双源DOA跟踪实验 |
3.5.1 试验概况 |
3.5.2 实验结果与分析 |
3.6 本章小结 |
第四章 均匀线阵DOA跟踪算法研究及实验验证 |
4.1 引言 |
4.2 基于粒子滤波的DOA跟踪估计算法 |
4.2.1 阵列观测模型建立 |
4.2.2 目标状态模型建立 |
4.2.3 基于粒子滤波的DOA跟踪算法 |
4.2.4 似然函数推导 |
4.3 基于改进的粒子滤波的DOA跟踪估计算法 |
4.3.1 计算复杂度分析 |
4.3.2 仿真结果与分析 |
4.4 基于线型声阵列的DOA跟踪实验 |
4.4.1 试验概况 |
4.4.2 实验结果与分析 |
4.5 本章小结 |
第五章 L型阵二维DOA跟踪算法研究及实验验证 |
5.1 引言 |
5.2 贝叶斯学习理论推导 |
5.2.1 观测模型 |
5.2.2 信号先验稀疏模型 |
5.2.3 贝叶斯后验理论 |
5.3 L型阵列高效DOA跟踪算法 |
5.3.1 算法描述 |
5.3.2 角度配对 |
5.3.3 仿真结果与分析 |
5.4 L型阵列孔径扩展DOA跟踪算法 |
5.4.1 算法描述 |
5.4.2 仿真结果与分析 |
5.5 基于L型声阵列的双源DOA跟踪实验 |
5.5.1 试验概况 |
5.5.2 实验结果与分析 |
5.6 本章小结 |
第六章 互质阵列DOA跟踪算法研究及实验验证 |
6.1 引言 |
6.2 互质阵列信号模型 |
6.2.1 互质阵观测模型 |
6.2.2 目标运动模型 |
6.3 互质阵DOA跟踪估计算法 |
6.3.1 算法描述 |
6.3.2 计算复杂度分析 |
6.3.3 仿真结果与分析 |
6.4 基于互质线型声阵列的DOA跟踪实验 |
6.4.1 实验概况 |
6.4.2 实验结果与分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
攻读博士学位期间取得的成果 |
(3)基于差分麦克风阵列的低仰角目标测向与增强方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要工作及结构安排 |
2 大气声传播规律及目标声信号分析 |
2.1 大气声传播规律 |
2.1.1 声波传播模型 |
2.1.2 大气声衰减 |
2.1.3 多普勒效应 |
2.2 目标与环境声信号特性 |
2.2.1 冲激型目标声信号分析 |
2.2.2 准连续型目标声信号分析 |
2.2.3 环境声信号分析 |
2.3 本章小结 |
3 基于差分麦克风阵列的低仰角目标测向 |
3.1 差分麦克风阵列基础理论 |
3.1.1 阵列信号模型 |
3.1.2 传统声强法测向原理及分析 |
3.2 目标检测与测向 |
3.2.1 低仰角目标检测 |
3.2.2 基于时频筛选及功率加权改进直方图法的方位角估计 |
3.2.3 基于模板匹配的地面与低空目标区分 |
3.3 仿真实验与分析 |
3.3.1 低仰角目标测向性能分析 |
3.3.2 地面与低空目标区分方法验证 |
3.4 本章小结 |
4 基于差分麦克风阵列的低仰角目标信号增强 |
4.1 差分麦克风阵列波束形成 |
4.1.1 线型差分麦克风阵列 |
4.1.2 圆型差分麦克风阵列 |
4.1.3 一阶方向可控差分麦克风阵列 |
4.2 广义旁瓣对消器 |
4.2.1 GSC结构 |
4.2.2 维纳滤波器 |
4.2.3 块自适应算法 |
4.3 基于差分麦克风阵列的目标增强流程 |
4.4 仿真实验与分析 |
4.5 本章小结 |
5 外场实验验证 |
5.1 实验平台与方案 |
5.1.1 实验平台介绍 |
5.1.2 实验方案设计 |
5.2 目标测向结果分析 |
5.2.1 目标信号检测 |
5.2.2 目标测向 |
5.3 目标增强结果分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 本文工作总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
附录 攻读硕士学位期间撰写的论文和发明专利申请情况 |
(4)基于音频的无人机定位与跟踪研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景及意义 |
1.2 被动声定位技术在国内外研究现状 |
1.3 论文主要研究内容 |
2 无人机声信号的特性以及预处理 |
2.1 无人机声信号的特性 |
2.1.1 无人机声源特性 |
2.1.2 环境气候对无人机声信号传播的影响 |
2.2 无人机声信号的预处理 |
2.2.1 无人机声信号降噪处理 |
2.2.2 无人机声信号分帧加窗处理 |
2.3 本章小结 |
3 基于无人机音频的时延估计算法 |
3.1 基于广义互相关的时延估计算法 |
3.1.1 基本互相关算法 |
3.1.2 广义互相关算法 |
3.2 基于广义二次相关的时延估计算法 |
3.3 改进的广义二次互相关的时延估计算法 |
3.3.1 谱细化算法 |
3.3.2 相关峰精确插值算法 |
3.3.3 改进的广义二次互相关的时延估计算法 |
3.4 时延估计性能的仿真分析 |
3.5 本章小结 |
4 基于时延估计的声源定位算法 |
4.1 麦克风阵列的结构设置 |
4.1.1 麦克风阵列的几何结构 |
4.1.2 阵元间距 |
4.1.3 阵元数目 |
4.2 麦克风阵列的信号模型 |
4.2.1 远场与近场模型的区分 |
4.2.2 远场模型 |
4.3 基于麦克风阵列的定位算法与精度分析 |
4.3.1 平面四元阵列定位算法 |
4.3.2 立体五元阵列定位算法 |
4.3.3 两种阵列定位精度对比 |
4.4 三组麦克风阵列联合定位算法 |
4.4.1 三组麦克风阵列联合定位算法 |
4.4.2 三组阵列联合定位算法仿真 |
4.5 基于音视频监控系统的无人机定位研究 |
4.5.1 麦克风阵在监控领域的应用 |
4.5.2 基于音视频监控系统的无人机定位研究 |
4.5.3 基于音频的视频协同 |
4.6 本章小结 |
5 无人机被动跟踪算法 |
5.1 粒子滤波 |
5.1.1 粒子滤波算法 |
5.1.2 基于粒子滤波的无人机跟踪仿真分析 |
5.2 基于粒子滤波的交互式多模型跟踪算法 |
5.2.1 基于粒子滤波的交互式多模型 |
5.2.2 机动目标跟踪仿真分析 |
5.3 本章小结 |
6 总结与展望 |
致谢 |
参考文献 |
附录 |
(5)浅海环境下基于线谱干涉结构特征的目标深度属性判定方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 声场干涉结构研究现状 |
1.2.2 水中目标深度属性判定技术研究现状 |
1.2.3 空中目标深度属性判定技术研究现状 |
1.3 论文研究内容 |
第2章 浅海低频声场计算模型 |
2.1 声传播基本理论 |
2.1.1 波动方程式和边界条件 |
2.1.2 水声传播模型适用范围 |
2.2 三层介质模型 |
2.3 基于简正波理论的矢量声场计算模型 |
2.3.1 矢量传感器概述 |
2.3.2 矢量声场计算模型 |
2.4 本章小结 |
第3章 基于干涉结构特征的水中目标深度属性判定 |
3.1 水中目标辐射噪声信号模型 |
3.1.1 目标辐射噪声信号数学模型 |
3.1.2 仿真过程中的目标运动参数选取原则 |
3.1.3 水中目标辐射噪声 |
3.1.4 水中目标方位估计算法 |
3.2 基于垂直复声强无功分量的目标深度属性判定算法 |
3.2.1 深度属性判定原理 |
3.2.2 仿真研究 |
3.3 基于声压互谱有功分量的目标深度属性判定算法 |
3.3.1 深度属性判定原理 |
3.3.2 仿真研究 |
3.3.3 海试数据分析 |
3.4 两种目标深度属性判定算法比较 |
3.5 本章小结 |
第4章 基于干涉结构特征的空中目标与水中目标深度属性判定 |
4.1 基于垂直复声强无功分量的空中与水中目标的深度属性判定算法 |
4.1.1 空中目标激发的浅海声场 |
4.1.2 空中目标线谱信号的多普勒特征 |
4.1.3 空中目标参数估计算法 |
4.1.4 仿真研究 |
4.1.5 海试数据分析 |
4.2 基于理想接收状态的目标深度属性判定算法 |
4.2.1 深度属性判定原理 |
4.2.2 深度属性判定性能分析 |
4.3 本章小结 |
第5章 基于匹配场处理的空中目标与水中目标深度属性判定 |
5.1 基于匹配场处理的目标深度属性判定算法 |
5.1.1 深度属性判定原理 |
5.1.2 深度属性判定性能分析 |
5.1.3 海试数据分析 |
5.2 改进的基于匹配场处理的目标深度属性判定算法 |
5.2.1 深度属性判定原理 |
5.2.2 深度属性判定性能分析 |
5.3 四种目标深度属性判定算法比较 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(6)基于超短基线声传感器阵的高速目标轨迹估计(论文提纲范文)
1 信号特征分析 |
2 定位跟踪模型 |
3 测向及定位误差分析 |
4 仿真结果及分析 |
4.1 时延估计误差对目标测向精度影响 |
4.2 不同布站方式下目标测向及定位误差仿真 |
5 结论 |
(7)低空无人机被动声探测定位方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 低空目标被动声探测应用发展现状 |
1.2.2 低空无人机主动探测应用发展现状 |
1.2.3 低空目标被动声探测定位方法研究现状 |
1.3 研究目标及内容 |
1.4 本文的内容安排 |
第二章 低空无人机声信号特性与预处理 |
2.1 低空无人机声信号的时频特性 |
2.2 低空无人机声场环境对声信号传播的影响 |
2.2.1 声信号在空气中的衰减 |
2.2.2 温度对声信号传播的影响 |
2.2.3 风速对声信号传播的影响 |
2.3 低空无人机声源类型及传播模型 |
2.3.1 声源类型 |
2.3.2 近场及远场声信号模型 |
2.4 低空无人机声信号预处理 |
2.4.1 声信号滤波处理 |
2.4.2 声信号降噪处理 |
2.5 本章小结 |
第三章 基于TDOA的低空无人机被动声定位算法 |
3.1 TDOA被动声定位算法概述 |
3.2 声传感器阵列定位算法与精度分析 |
3.2.1 平面五元阵列声定位算法 |
3.2.2 立体七元阵列声定位算法 |
3.2.3 两种声传感器阵列定位精度对比 |
3.3 基于广义互相关的时延估计算法 |
3.3.1 基本互相关函数法 |
3.3.2 广义互相关函数法 |
3.3.3 改进ML-PHAT-GCC算法 |
3.3.4 改进算法仿真与分析 |
3.4 有理倍数增采样率TDOA声定位算法 |
3.4.1 采样频率对声定位精度的影响分析 |
3.4.2 信号采样率转换算法 |
3.4.3 有理倍数增采样率TDOA声定位算法与仿真分析 |
3.5 本章小结 |
第四章 基于AFSA-UPF的双阵无人机被动跟踪定位算法 |
4.1 双阵空间测向交叉定位模型 |
4.2 粒子滤波算法 |
4.2.1 PF算法 |
4.2.2 目标跟踪系统模型 |
4.3 基于AFSA-UPF的双阵动态目标被动跟踪定位算法 |
4.3.1 UPF算法 |
4.3.2 改进ASFA-UPF算法 |
4.3.3 改进算法仿真与分析 |
4.4 本章小结 |
第五章 低空无人机被动声定位平台设计与实验测试 |
5.1 低空无人机被动声定位平台总体方案设计 |
5.1.1 声传感器阵列模块 |
5.1.2 阵列信号数据采集模块 |
5.1.3 数据处理及上位机软件显示模块 |
5.2 被动声定位实验测试方案与结果分析 |
5.2.1 实验测试方案设计 |
5.2.2 实验结果与误差分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
(8)基于声传感器网络的目标定位方法研究与系统实现(论文提纲范文)
摘要 |
Abstract |
目录 |
Catalog |
第1章 绪论 |
1.1 引言 |
1.2 选题背景及研究意义 |
1.3 国内外发展现状与趋势 |
1.3.1 无源声探测定位研究现状 |
1.3.2 传感器网络与无源声探测定位相结合现状 |
1.4 本论文主要研究内容和章节安排 |
第2章 声传感器网络目标定位研究 |
2.1 声传感器网络目标定位概述 |
2.2 声传感器网络目标定位方法 |
2.3 无源测向定位原理 |
2.4 声传感器网络目标定位经典定位算法 |
2.4.1 线性最小二乘定位算法 |
2.4.2 最大似然估计定位算法 |
2.4.3 非线性最小二乘定位算法 |
2.5 本章小结 |
第3章 基于粒子群与半球迭代的目标定位估计 |
3.1 引言 |
3.2 目标定位模型与原理 |
3.3 粒子群-半球迭代混合算法 |
3.3.1 粒子群优化算法 |
3.3.2 半球迭代算法 |
3.3.3 PSO-半球迭代算法 |
3.4 仿真与性能分析 |
3.4.1 PSO-半球迭代算法仿真与分析 |
3.4.2 不同定位算法在相同网络拓扑结构下定位性能分析 |
3.4.3 同一定位算法在不同网络拓扑结构下定位性能分析 |
3.5 本章小结 |
第4章 基于声传感器网络目标定位系统设计与实现 |
4.1 软件系统的功能需要和开发环境 |
4.1.1 功能需要 |
4.1.2 软件开发环境 |
4.2 软件系统的结构 |
4.2.1 软件模块规划和功能设计 |
4.2.2 工作流程 |
4.3 软件关键技术 |
4.3.1 线程技术 |
4.3.2 VC 与 Matlab 的混合编程 |
4.4 软件系统的功能实现 |
4.4.1 系统初始化模块 |
4.4.2 网络通信设置模块 |
4.4.3 时间显示模块 |
4.4.4 数据存储与查询模块 |
4.4.5 目标定位模拟模块 |
4.5 本章小结 |
第5章 声传感器网络目标定位系统测试 |
5.1 目标模拟器设计 |
5.2 目标定位显控系统测试 |
5.3 测试结果分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表或撰写的学术论文及科研情况 |
致谢 |
详细摘要 |
(9)基于质点振速测量的低空目标定向算法研究(论文提纲范文)
1 质点振速测量目标定向算法 |
2 数值仿真与分析 |
2.1 定向误差与传感器尺寸的关系 |
2.2 定向误差与积分时间的关系 |
2.3 定向误差与信号信噪比的关系 |
3 外场实验研究 |
3.1 实验条件及仪器设备配置 |
3.2 实验结果及分析 |
4 小结 |
(10)矢量水听器及其在平台上的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.2 矢量水听器研究进展 |
1.2.1 矢量水听器研制 |
1.2.2 矢量水听器悬挂特性研究 |
1.3 声强测量技术概述 |
1.3.1 声强测量原理 |
1.3.2 声强测量误差 |
1.4 矢量水听器应用研究现状 |
1.5 本文研究背景、意义和内容 |
1.5.1 本文研究背景、意义 |
1.5.2 本文研究内容 |
第2章 同振式矢量水听器设计物理基础 |
2.1 引言 |
2.2 同振式质点振速水听器声波接收理论 |
2.2.1 自由运动刚性球体理论 |
2.2.2 自由运动弹性球体理论 |
2.3 声压水听器声波接收理论 |
2.3.1 质点振速水听器近场声散射 |
2.3.2 声压水听器声波接收压力 |
2.4 弹性悬置元件对矢量水听器影响分析 |
2.4.1 水下声场中矢量水听器受力分析 |
2.4.2 弹性元件对矢量水听器声场测量影响 |
2.4.3 分析和讨论 |
2.5 本章小结 |
第3章 水下弹性球壳对矢量水听器测量声场影响 |
3.1 引言 |
3.2 平面声波在弹性球壳上声散射和声透射 |
3.2.1 任意厚度球壳理论 |
3.2.2 薄壁球壳近似理论 |
3.3 弹性球壳散射声场对矢量水听器影响数值计算和分析 |
3.3.1 计算模型 |
3.3.2 数值计算和分析 |
3.3.3 壳体参数的影响 |
3.4 弹性球壳透射声场对矢量水听器影响数值计算和分析 |
3.4.1 数值计算和分析 |
3.4.2 壳体参数的影响 |
3.5 本章小结 |
第4章 水下平台对矢量水听器测向影响 |
4.1 引言 |
4.2 矢量水听器目标定向原理 |
4.2.1 矢量水听器测量模型 |
4.2.2 质点振速法测向原理 |
4.2.3 平均声强法测向原理 |
4.2.4 互谱声强法测向原理 |
4.3 水听器各通道幅度相位不一致性对测向性能影响 |
4.4 弹性球壳近场声散射对矢量水听器测向影响 |
4.4.1 计算模型 |
4.4.2 数值计算和分析 |
4.5 水下晃动平台对矢量水听器测向影响 |
4.5.1 晃动平台运动建模 |
4.5.2 晃动平台所引起的定向误差 |
4.6 本章小结 |
第5章 水下平台对矢量水听器测量声场和测向影响试验研究 |
5.1 引言 |
5.2 弹性球壳和两端带半球帽柱壳散射对测量声场影响试验 |
5.2.1 试验模型 |
5.2.2 试验概况 |
5.2.3 试验结果与分析 |
5.3 两端封闭短圆柱壳散射对声场测量和测向影响试验 |
5.3.1 试验模型 |
5.3.2 试验概况 |
5.3.3 试验结果与分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
个人简历 |
附录A 弹性球壳矩阵方程中系数矩阵元素 |
附录B 坐标变换公式 |
四、基于矢量传感器的低空目标声测向算法及实验研究(论文参考文献)
- [1]基于声传感器阵列的高亚音速飞行目标宽带DOA时域MSWF快速估计方法[J]. 陈昭男,王磊. 信号处理, 2020(12)
- [2]声阵列波达方向跟踪算法研究[D]. 董飞彪. 电子科技大学, 2020(07)
- [3]基于差分麦克风阵列的低仰角目标测向与增强方法研究[D]. 李江欣. 南京理工大学, 2020(01)
- [4]基于音频的无人机定位与跟踪研究[D]. 郭培培. 南京理工大学, 2020(01)
- [5]浅海环境下基于线谱干涉结构特征的目标深度属性判定方法研究[D]. 毕雪洁. 哈尔滨工程大学, 2019
- [6]基于超短基线声传感器阵的高速目标轨迹估计[J]. 陈昭男,孙翱,王磊,阎肖鹏. 航空学报, 2019(03)
- [7]低空无人机被动声探测定位方法研究[D]. 黄强. 电子科技大学, 2018(09)
- [8]基于声传感器网络的目标定位方法研究与系统实现[D]. 陈乐乐. 江苏科技大学, 2014(03)
- [9]基于质点振速测量的低空目标定向算法研究[J]. 蔡宗义,赵俊渭,李家武,郭艳,许学忠,唐玉志,董永峰. 兵工学报, 2007(02)
- [10]矢量水听器及其在平台上的应用研究[D]. 时胜国. 哈尔滨工程大学, 2007(04)