导读:本文包含了被动定位论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:波束,神经网络,声源,水下,噪声,圆台,信号。
被动定位论文文献综述
刘梦然,李善强,贾雯,聂磊[1]（2019）在《基于叁元阵列式MEMS水听器的被动定位系统设计》一文中研究指出声纳系统是水下武器装备的重要组成部分,其发展趋向隐蔽性、小型化。文章提出了一种基于小型化叁元阵列式微机电系统(MEMS)水听器的被动定位系统。首先,设计了一种叁元阵列式MEMS水听器,即在同一芯片上集成叁个不同角度偏差的MEMS矢量敏感单元;其次,在充分分析水听器工作原理的基础上建立了阵列式水听器的定位模型,并通过仿真验证了其设计的合理性;最后,以STM32单片机为控制核心设计了阵列式MEMS水听器的信号处理与目标定位系统。这种叁元阵列式MEMS水听器在仿真定位中展现了良好的定位精度,充分证明了本系统设计的正确性及实用性。(本文来源于《半导体光电》期刊2019年06期）
李昆鹏,康春玉,夏志军,郭德鑫,张亿[2]（2019）在《圆台阵近场目标叁维空间被动定位性能研究》一文中研究指出针对近场水下目标被动定位问题,提出圆台阵设计构想,推导了基阵接收数据模型和近场叁维声聚焦波束形成方法,通过对切割球面上聚焦点的扫描,得到目标方位角和俯仰角,再通过对不同扫描球面上最大输出功率的比较实现目标距离估计。采用最小方差无失真响应(MVDR)波束形成方法仿真分析了圆台阵阵型对水下目标叁维空间被动定位性能的影响,结果表明,圆台阵越接近平面,测距性能越好,方位角分辨率越高,但是对于俯仰角较低的目标而言,圆台阵越接近圆柱状,俯仰角分辨率越高,因此,圆台阵设计时需要对俯仰角和距离估计需求综合考虑。(本文来源于《舰船科学技术》期刊2019年19期）
牛海强,李整林,王海斌,宫在晓[3]（2019）在《水声被动定位中的机器学习方法研究进展综述》一文中研究指出本文对基于机器学习方法的水声被动定位研究进展进行了综述。所涉及的机器学习方法有多层感知机(前馈神经网络)、支持向量机、随机森林及以卷积网络层和全连接层为主要组成单元的深度神经网络。本文通过重点引述近几年发表在国际期刊和会议上的相关前沿研究工作,详细论述了将机器学习方法应用于水声被动定位的关键理论基础、单水听器和阵列前端信号预处理算法设计及几种典型的机器学习模型。此外,还指出了现有算法在推向实际应用中面临的困难及挑战。最后,基于作者的思考,文章展望了未来基于机器学习的水声定位算法的几个潜在的研究方向。(本文来源于《信号处理》期刊2019年09期）
张巧力,刘福臣[4]（2019）在《基于前馈神经网络的水下目标被动定位方法研究》一文中研究指出0引言随着大数据和人工智能技术崛起,以深度学习为代表的数据驱动方法广泛应用于各个领域,在水声领域的应用也获得了广泛关注[1-3]。2017年H.Q.Niu等人将前馈神经网络应用于水下目标定位,将定位问题转化为分类问题,取得了不错的定位效果[1-2]。本文通过构建不同的训练集(含验证集)来训练前馈神经网络,研究训练样本对FFNN定位性能的影响。1前馈神经网络分类器假设窄带声源中心频率为250Hz,深度为55m,(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
闫千里,万鹏武,卢光跃,黄琼丹,王瑾[5]（2019）在《非视距环境下RSS和TDOA联合的信源被动定位》一文中研究指出针对非视距环境下信源定位性能恶化的问题,提出了一种能时域联合的信源被动定位算法。综合利用接收信号强度和到达时间差两种测量信息,首先给出信源位置的最大似然估计;然后引入距离平方与加权最小二乘法,将非凸的定位方程求解问题转化为广义信赖域子问题,采用二分法求得信源位置的估计;接下来采用迭代法估计非视距误差与信源位置以提高定位精度;最后,推导了联合估计的克拉美罗下界,比较分析了计算复杂度。仿真结果验证了所提出算法在非视距环境下接近克拉美罗下界,且具有较好的鲁棒性。(本文来源于《西安电子科技大学学报》期刊2019年03期）
王凯,李军,张大伟[6]（2019）在《近场宽带舰船辐射噪声被动定位仿真研究》一文中研究指出针对近场环境中均匀线列阵声纳对舰船辐射噪声的被动定位问题,仿真研究了一种基于频域MUSIC聚焦波束形成技术的近场宽带目标被动定位方法。首先,给出了均匀线列阵声纳近场水声信号时域和频域接收数据模型;其次,应用傅里叶变换将时域接收数据变换到频域,根据MUSIC聚焦波束形成技术估计每一个子带信号的空间谱,并通过求和运算得到宽带信号空间谱,进一步通过谱峰搜索实现目标的被动定位;最后,开展仿真实验对本文所提出方法的有效性进行了验证。(本文来源于《中国声学学会水声学分会2019年学术会议论文集》期刊2019-05-25）
杜金香,祝鹏[7]（2019）在《基于TOA的主被动联合多目标定位方法》一文中研究指出水下多目标定位是水下信号处理系统的关键任务之一。本文以水下传感器网络为背景,研究非合作多目标定位问题。采用一个主动节点和多个被动节点构成传感器网络,利用各节点估计的时延关系建立优化问题模型,并通过约束条件的弱化将非凸优化问题转换为凸优化问题,从而可以借助cvx等软件求解,获得总体误差最小化意义下的多目标定位结果。由于引入了排序矩阵,将各节点多目标时延对应关系转化为优化问题中的一个未知量和约束条件,解决了多目标时延配对问题。进行了计算机仿真实验,与穷举法进行了比较,结果证明在未知配对关系时排序矩阵方法的定位性能与穷举法非常接近,且运算量明显低于穷举法,证明了该方法的有效性。(本文来源于《中国声学学会水声学分会2019年学术会议论文集》期刊2019-05-25）
葛奇鑫[8]（2019）在《基于逆时成像的被动源定位与识别方法研究》一文中研究指出被动源勘探方法省去了人工激发震源的步骤,相比主动源勘探方法,其成本更低、对复杂地形的适应性更好。根据震源能量在时间轴上的分布情况,被动源通常可以分为微震(瞬态源)和噪声源。前者能量集中在某一时刻,而后者的能量则在一段时间范围内均匀分布。被动源勘探在地下介质的各方面情况的监测中具有广泛应用,其中震源的空间坐标和激发时间是最值得关注的信息。被动源定位所用到的数据为到时(走时)或者记录(波场),所用到的方法为逆时成像或者反演。走时反演的效率最高,目前应用也最广泛,但该方法要求识别微震事件并拾取记录中的到时信息,这通常不易做到,且在噪声源定位中无法使用;由于使用反演拟合,因此有陷入局部极小的风险;另一方面,由于震源数量未知,反演过程中,震源数量属于超参数,无法通过反演求得,因此并不适用于多震源同时定位。基于波场的逆时成像方法无需进行到时拾取,对于微震和噪声源都有效;得到成像结果能够对模型空间进行整体把握,但成像结果中的假象会对震源位置的识别造成干扰。基于波场的反演与走时反演所使用的算法相类似,但需要预先获得子波信息,这通常很难办到;另外,该方法也有不适用于多震源同时定位的缺点。本文提出了叁类方法和策略,来优化和改善不同的被动源定位方法的若干环节。第一类针对微震定位中的基于波场的逆时成像的假象问题,将震源识别的判断标准由空间域(模型域)扩展到了空间-时间域,根据微震信号能量聚焦的特点建立了识别的条件,能够有效地压制成像结果中的假象。第二类针对噪声源定位中的基于波场的逆时成像的假象问题,根据波场传播的特征,对于某一成像点,使用了周围若干点的波场值来进行成像,该结果与常规结果的假象分布有所不同,两者结合能够有效压制成像结果中的假象。第叁类针对走时反演的局部极小和震源数量问题,将逆时成像和走时进行了结合,即利用走时信息进行成像,实现了高效率和对模型整体把握的结合,杜绝了局部极小问题。本文提出的主要方法及取得的主要成果可以概括如下:(1)对于基于波场的逆时成像方法,研究了微震事件的波场在正反传过程中的特点,以及成像结果中假象产生的原因。使用图像处理方法对成像结果中代表震源的成像值进行突出,均衡了强弱震源之间成像值的差距。提出将时间轴纳入到震源识别与判断的标准中来,建立了量化时间序列的能量集中程度的流程与公式。结合阈值,构造了筛选模型用于压制成像结果中的假象。由于公式涉及整个时间序列,因此,若考虑节约时间,可以将整个反传过程的波场快照全波保存,再进行统一处理;本文则考虑节约空间,将适用于数据体的处理方法转换成适用于数据流的处理方法,此时无需存储全体波场快照,但计算时间有所增加。(2)基于波场的逆时成像方法对噪声源仍然有效,但假象问题相比微震更为严重。噪声源记录无法进行到时拾取,也无法利用震源波场能量在时间轴上的分布来判断震源的存在。对此,研究了逆时成像的理论依据,即逆时不变性以及地震干涉,讨论了波场反传过程中干涉发生的情况,并据此提出了利用成像点周围点的反传波场时间序列进行成像的方法。该方法与震源性质无关,因此同样适用于微震定位。相比于常规方法,该方法会遭受更严重的假象问题,但假象分布范围有所不同,二者通过结合可以压制成像结果中的假象。在选取成像点周围点的过程中需要计算成像点周围的走时场,为减少此步骤的耗时,仅对常规成像结果中的极值点进行二次成像值计算。对不同步骤的成像结果中的成像值进行统计,通过对统计结果的分析,确定了阈值选择的方法,用以滤除非震源点。(3)根据被动源定位所使用的数据和方法,综合研究了定位方法的发展规律。根据被动源定位所使用的数据(走时或波场)和方法(逆时成像或反演)的特点,将走时与逆时成像进行了结合,同时实现了走时的高效率和逆时成像的整体性。根据波场传播的逆时不变性,提出了逆向计算走时场的方法,能够以极高的效率完成所有成像点到所有检波点的走时计算。震源点成像的成像条件并不需要有明确的动力学意义,而仅需要指示震源点的位置即可。本文根据震源波场的走时与记录中拾取的到时之间的关系,建立了可以用于走时成像的成像条件。根据成像条件的特点提出了一种基于统计的阈值选择方法,用以提取成像结果中的震源位置。该方法需要拾取到时,因此只适用于微震定位,但无需在拾取时识别微震事件的数量或者到时与微震事件之间的对应关系,因此适用于多震源定位。(本文来源于《吉林大学》期刊2019-05-01）
王顾彬[9]（2019）在《基于稀疏分解理论的叁维被动定位研究》一文中研究指出声源定位是水声信号处理领域经久不衰的研究热点之一,对于我国在海洋战略和国防建设方面的影响不言而喻。相比于主动定位,被动定位探测距离更远且隐蔽性更高,从而在水声对抗时既能增加安全性又能料敌先机、先敌制胜,因此对声源被动定位展开相关工作有着不容小觑的现实意义。鉴于此,本文将基于稀疏分解理论对声源的叁维被动定位进行研究,谋求实现对感兴趣声源的叁个空间维度位置参数(方位、距离和深度)的高分辨估计。根据目标声源在空域中分布的稀疏性特征,可以借助稀疏分解理论将声源的定位问题转化成一个欠定线性系统,运用适宜的稀疏分解算法进行求解。为了实现对声源的叁维定位,本文的主要工作内容可以分成两个部分,分别为空间谱估计(Spatial Spectrum Estimation)和匹配场处理(Matched Field Processing,MFP),前者实现对声源方位的估计,后者则用于估计声源的距离和深度。基于稀疏分解理论的空间谱估计和匹配场处理的过程都是类似的。首先,根据声源位置参数的定位需求,划定相应的搜索范围,根据定位精度要求选择合适的搜索步长,从而构成相应的空间搜索网格。然后,根据声源的不同类型(窄带、宽带,相干、非相干等),基于稀疏分解理论建立相应的阵列接收数据数学模型。最后,再利用稀疏分解算法进行求解,得到定位估计结果。我们假定所有网格点上都存在声源,但只有真实声源所在的网格点才有一定的信号强度,其余都为0。所以,通过稀疏分解算法求解得到的结果是一个与搜索网格同维度的向量或矩阵。按照上述流程,本文分别对空间谱估计和匹配场处理进行了相关研究。针对不同的声源和接收数据快拍数条件,给出了相应的解决方案,仿真和实验数据处理结果验证了这些方法的有效性和精确性。(本文来源于《哈尔滨工程大学》期刊2019-03-24）
杨坤德,李辉,段睿[10]（2019）在《深海声传播信道和目标被动定位研究现状》一文中研究指出随着我国海洋技术逐渐从近浅海向深远海的战略性转移,深海目标远程探测技术逐渐受到重视。海洋中目前已知的可用于远距离传播的信号是声信号,海洋是"声透明"的。基于水声传播特性的新型水声技术是实现装备探测能力突破的关键。文章主要概述了目前研究比较集中的深海表面波导、表面波导泄露、会聚区、海底弹射和可靠声路径5种深海声传播信道,以及基于可靠声路径的目标被动定位方法。旨在通过梳理深海声传播规律及相关被动定位技术,为水声技术的快速发展提供思路。(本文来源于《中国科学院院刊》期刊2019年03期）
被动定位论文开题报告
（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：
针对近场水下目标被动定位问题,提出圆台阵设计构想,推导了基阵接收数据模型和近场叁维声聚焦波束形成方法,通过对切割球面上聚焦点的扫描,得到目标方位角和俯仰角,再通过对不同扫描球面上最大输出功率的比较实现目标距离估计。采用最小方差无失真响应(MVDR)波束形成方法仿真分析了圆台阵阵型对水下目标叁维空间被动定位性能的影响,结果表明,圆台阵越接近平面,测距性能越好,方位角分辨率越高,但是对于俯仰角较低的目标而言,圆台阵越接近圆柱状,俯仰角分辨率越高,因此,圆台阵设计时需要对俯仰角和距离估计需求综合考虑。
（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。
被动定位论文参考文献
[1].刘梦然,李善强,贾雯,聂磊.基于叁元阵列式MEMS水听器的被动定位系统设计[J].半导体光电.2019
[2].李昆鹏,康春玉,夏志军,郭德鑫,张亿.圆台阵近场目标叁维空间被动定位性能研究[J].舰船科学技术.2019
[3].牛海强,李整林,王海斌,宫在晓.水声被动定位中的机器学习方法研究进展综述[J].信号处理.2019
[4].张巧力,刘福臣.基于前馈神经网络的水下目标被动定位方法研究[C].2019年全国声学大会论文集.2019
[5].闫千里,万鹏武,卢光跃,黄琼丹,王瑾.非视距环境下RSS和TDOA联合的信源被动定位[J].西安电子科技大学学报.2019
[6].王凯,李军,张大伟.近场宽带舰船辐射噪声被动定位仿真研究[C].中国声学学会水声学分会2019年学术会议论文集.2019
[7].杜金香,祝鹏.基于TOA的主被动联合多目标定位方法[C].中国声学学会水声学分会2019年学术会议论文集.2019
[8].葛奇鑫.基于逆时成像的被动源定位与识别方法研究[D].吉林大学.2019
[9].王顾彬.基于稀疏分解理论的叁维被动定位研究[D].哈尔滨工程大学.2019
[10].杨坤德,李辉,段睿.深海声传播信道和目标被动定位研究现状[J].中国科学院院刊.2019
论文知识图
