导读:本文包含了方位估计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:方位,协方差,波束,目标,声源,信号,阵列。
方位估计论文文献综述
周明阳,郭良浩,闫超[1]（2019）在《改进的贝叶斯压缩感知目标方位估计》一文中研究指出针对基于高斯先验模型的贝叶斯压缩感知在目标方位(Direction Of Arrival,DOA)估计中可能出现明显随机伪峰的问题,改进了高斯先验模型,并在此基础上提出了一种贝叶斯压缩感知目标方位估计方法。通过波束输出噪声背景预估与二值指示变量标记,并引入基于信号先验方差的噪声方差估计方法,与变分贝叶斯推断相结合改进目标方位估计性能和优化迭代收敛过程。利用32元线阵对改进算法进行数值仿真处理和分析结果表明,该改进方法不仅可以准确估计目标信号的方位,而且可以显着地减少空间谱中伪峰的数量。实际海上实验数据处理结果表明,使用改进后的贝叶斯压缩感知方法进行DOA估计,可以显着地抑制空间谱中随机的伪峰,提高波束输出峰值背景比,具有更强的目标检测能力。(本文来源于《声学学报》期刊2019年06期）
康春玉,李文哲,夏志军,李军,李昆鹏[2]（2019）在《盲重构频域阵列信号的压缩感知水声目标方位估计》一文中研究指出针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。(本文来源于《声学学报》期刊2019年06期）
牛海强,李整林,宫在晓[3]（2019）在《多频多快拍稀疏贝叶斯学习目标方位序贯估计》一文中研究指出0引言快速高分辨率水声目标方位估计一直是水声学领域的重要研究方向。相比于水声中常用的常规波束形成CBF和自适应波束形成MVDR方法,压缩感知具有分辨率高、旁瓣低同时可处理相干信号等优势,但缺点是计算复杂度高、计算效率低。稀疏贝叶斯学习[1-5]作为压缩感知实现方式的一种,具有稳健性好、无需人为设定稀疏度的优点,已被应用于水声目标方位估计[2,3]、被动定位[4]及水平波数谱估计[5]。本文针对实际水声应用中面临的(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
孙英棣,刘煜文,杨金鸿[4]（2019）在《基于线谱特征的目标方位估计方法研究》一文中研究指出0引言实际应用环境中,目标源是在多个干扰背景下被探测的。常规的水声信号宽带处理通常选用整个工作频带,对接收的采样信号做处理,获取目标特征信息[1]。但是这种处理方法忽视了目标和干扰在频谱上的差异信息,在实际应用中不可避免的存在一些缺陷。基于线谱特征的目标方位估计方法,通过线谱检测器提取出目标和干扰的线谱特征,利用目标和干扰固有的线谱特征[2][3],通过提取各目标频谱,(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
苟晓帅,梁红,杨长生[5]（2019）在《基于压缩感知的LFM信号频率方位联合估计》一文中研究指出0引言线性调频(Linear Frequency Modulation,LFM)信号广泛应用于雷达、声呐、通信、地震探测、医学成像等研究领域中。在许多系统中,LFM信号的参数估计受到广泛关注,因此如何实现稳健的参数估计成为学者们研究的热点问题[1][2]。2006年压缩感知理论[3-5]提出对于一个可压缩信号可以通过少量观测值实现对原始信号的精确重构,这为人们提供了一种新的信号处理方式。文献[6]基于压缩感知理论实现了在均匀欠采样环境下信号频率的估计。受文献[3-6]的启发,本文提出了一种压缩感知理(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
季浩然,马晓川[6]（2019）在《应用凸优化拟合的最小方差无失真的方位估计算法》一文中研究指出0引言方位估计是阵列信号处理中重要的组成部分[1][2][3]。利用波束形成对接收信号进行方位估计,称为波束扫描类算法,主要基于常规波束形成的目标方位估计(CBF),以及自适应类波束形成算法,如最小方差无失真算法(MVDR)[4],目标方位估计能力高于CBF算法[5]。之后又出现了利用信号子空间与噪声子空间对方位进行估计的算法,主要代表为多重信号分类(MUSIC)[6]以及信号参数估计旋转不变技术(ESPRIT)[7]。2006年,E.Candes等人提出压缩感知理论(CS)[8]。之后,Malioutov利用压缩感知(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
游屈波,吴耀云,胡飞,夏雄,关莹[7]（2019）在《基于机载单站双航段联合估计的纯方位定位跟踪算法》一文中研究指出在前人研究基础上,针对高速运动辐射源目标,提出了更具鲁棒性的基于机载单站双航段联合估计的纯方位目标定位跟踪算法。该算法通过机载单站的两个不同航段飞行,一次性完成对匀速直线运动目标的距离、切向速度和径向速度的估计,且在求解过程中没有加入任何强制性的约束。在典型场景的仿真实验结果验证了新提出算法的有效性。(本文来源于《电子信息对抗技术》期刊2019年05期）
朱少豪,杨益新,汪勇[8]（2019）在《基于协方差矩阵特征向量的圆环阵目标方位估计方法》一文中研究指出为解决传统高分辨方位估计(DOA)算法计算量大、不稳健的问题,文章首先利用圆环阵空间均匀噪声场中噪声协方差矩阵的特征向量重新定义了不同阶数的特征向量和阵列流形向量,并将数据采样协方差矩阵根据阶数的大小进行了降维处理,最后利用新的阵列流形向量和降维的数据采样协方差矩阵采用最小方差无失真响应(MVDR)进行目标方位估计。仿真结果表明,在没有误差的情况下,所提方法的最高阶方位估计结果与传统MVDR一致;存在幅度和相位误差时,更稳健的低阶方位估计的结果要优于传统MVDR方法,在提升了抗误差稳健性的同时,降维的数据协方差矩阵也大大减少了求逆的计算量。海试结果验证了文中方法的有效性,采用的12元均匀圆环阵,其2阶和3阶方位估计的结果要优于传统的MVDR方法。文中方法可为水下无人系统等平台上的圆环阵水下目标方位估计提供应用参考。(本文来源于《水下无人系统学报》期刊2019年04期）
时胜国,李赢[9]（2019）在《声矢量圆阵宽带相干目标MVDR方位估计》一文中研究指出针对宽带相干目标的远程探测问题,该文提出一种基于声压振速联合处理和矢量重构的声矢量圆阵MVDR波束形成方法。该方法利用相位模态变换技术,将声矢量圆阵变换为与信号频率无关的虚拟线阵,并构建虚拟线阵声压与组合振速的互协方差矩阵,利用声压与振速各分量间的空间相关性有效地抑制各向同性环境噪声;并对宽带相干信号的互协方差矩阵进行矢量重构,即将最大特征值对应的特征向量划分为相互重迭的子向量,从而构建前/后向Hermitian矩阵;最后,基于MVDR波束形成器实现宽带相干目标的方位估计。仿真计算和实验数据处理结果表明,该方法具较强的解相干能力和噪声抑制能力以及较高的方位估计性能。(本文来源于《应用声学》期刊2019年04期）
黄惠祥,郭秋涵,童峰,吴燕艺[10]（2019）在《分布式压缩感知麦克风阵列多声源方位估计》一文中研究指出麦克风阵列已被广泛应用于音/视频会议等人机交互领域中,多声源应用场景对声源方位估计性能提出了更高的要求。压缩感知声源定位算法将声源定位问题转化为信号的稀疏重构问题,相比传统的定位算法如联合可控响应功率和相位变换和时延累加定位能够获得较高的定位性能,但多声源的存在一定程度上降低了稀疏程度,影响了压缩感知重构性能。考虑到传统的压缩感知定位算法并未利用多个连续语音帧之间声源空间向量的共同稀疏性,提出采用分布式压缩感知理论以改善多声源的稀疏恢复估计的性能。仿真和实验结果表明,相比于传统定位算法和压缩感知-正交匹配追踪算法,分布式压缩感知-同步正交匹配追踪算法在不同信噪比和不同声源强度的环境中,对多声源的方位估计都具有更好的定位性能和定位稳健性。(本文来源于《应用声学》期刊2019年04期）
方位估计论文开题报告
（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：
针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。
（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。
方位估计论文参考文献
[1].周明阳,郭良浩,闫超.改进的贝叶斯压缩感知目标方位估计[J].声学学报.2019
[2].康春玉,李文哲,夏志军,李军,李昆鹏.盲重构频域阵列信号的压缩感知水声目标方位估计[J].声学学报.2019
[3].牛海强,李整林,宫在晓.多频多快拍稀疏贝叶斯学习目标方位序贯估计[C].2019年全国声学大会论文集.2019
[4].孙英棣,刘煜文,杨金鸿.基于线谱特征的目标方位估计方法研究[C].2019年全国声学大会论文集.2019
[5].苟晓帅,梁红,杨长生.基于压缩感知的LFM信号频率方位联合估计[C].2019年全国声学大会论文集.2019
[6].季浩然,马晓川.应用凸优化拟合的最小方差无失真的方位估计算法[C].2019年全国声学大会论文集.2019
[7].游屈波,吴耀云,胡飞,夏雄,关莹.基于机载单站双航段联合估计的纯方位定位跟踪算法[J].电子信息对抗技术.2019
[8].朱少豪,杨益新,汪勇.基于协方差矩阵特征向量的圆环阵目标方位估计方法[J].水下无人系统学报.2019
[9].时胜国,李赢.声矢量圆阵宽带相干目标MVDR方位估计[J].应用声学.2019
[10].黄惠祥,郭秋涵,童峰,吴燕艺.分布式压缩感知麦克风阵列多声源方位估计[J].应用声学.2019
论文知识图
