导读:本文包含了近场源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:阵列,噪声,信号处理,信源,远近,高阶,求根。
近场源定位论文文献综述
窦育强,王晖[1]（2019）在《基于KR积的稀疏重构近场源定位》一文中研究指出针对声源数多于阵元数的近场信源定位问题,该文提出一种基于Khatri-Rao (KR)积的稀疏重构近场源定位方法。该方法首先假设信号是准平稳的,然后通过KR积得到虚拟阵列结构,增加了阵列的自由度;接着在虚拟阵列结构下对虚拟信号进行稀疏表示,最后通过l1范数约束得到声源的空间谱估计。仿真表明,此稀疏重构定位方法可以实现信源定位的欠定估计,且性能优于基于KR积的子空间方法。(本文来源于《电子科技大学学报》期刊2019年06期）
校松,倪萌钰,陈辉,倪柳柳[2]（2018）在《基于多项式求根的近场源定位算法》一文中研究指出针对阵元数目一定时采用最小冗余对称阵列模型能使阵列间距不局限在四分之一波长的特点,提出了基于多项式求根的近场源定位算法.该算法构建一个特殊四阶累积量矩阵,通过远场求根MUSIC算法估计信号角度;然后分离角度与距离参数,在非均匀阵列基础上采用多项式求根算法估计出距离参数;最后进行了仿真.仿真结果表明,该算法避免了阵列孔径损失,可以估计较多信源;与其他算法相比,该算法具有较高的估计精度和分辨率,且不需进行谱峰搜索,减少了计算复杂度.(本文来源于《空军预警学院学报》期刊2018年06期）
校松,陈辉,倪萌钰,倪柳柳,张佳佳[3]（2018）在《利用最小冗余对称阵列的近场源定位算法》一文中研究指出在阵元数目有限的情况下,针对近场源定位中的阵列孔径和阵元数损失问题,文中突破阵元间距为1/4波长的限制,提出了基于最小冗余对称阵列的协方差矩阵重构算法.该算法构建只与方位角有关的四阶累积量矩阵,通过多重信号分类算法来估计信号方位角;然后根据估计出的信号角度在距离维上进行搜索,估计出距离参数.该算法扩展了阵列的孔径,提高了阵列的自由度.仿真结果表明,该算法可以估计更多的信源数目,拥有较高的估计性能和空间分辨率,且只需进行一维搜索,避免了二维参数配对.(本文来源于《西安电子科技大学学报》期刊2018年06期）
邱龙皓,梁国龙,王燕,王晋晋[4]（2018）在《稀疏贝叶斯学习远近场混合源定位方法》一文中研究指出针对远、近场混合源定位,提出一种基于稀疏重构理论框架的远、近场混合源分离和定位算法。该算法充分考虑平面波导向矢量和球面波导向矢量的相关特性,利用远、近场声源在阵列上的响应机理的差异,针对远、近场区域分别构造过完备字典,采用多测量矢量模型下的稀疏贝叶斯学习算法重构远近场混合源的空间谱,同时完成远近场混合源的分离和定位。本文算法可以在半波长间距布放的线列阵下对混合源进行定位,适用于高斯和非高斯信号,且无需信源数和噪声功率等先验信息,并具有较高的分辨力和定位精度·计算机仿真结果验证了算法的有效性。(本文来源于《声学学报》期刊2018年01期）
何盼盼[5]（2016）在《基于组合阵的近场噪声源定位方法研究》一文中研究指出在对浅海近程噪声源定位研究时,针对多途环境和左右舷模糊问题,采用了组合阵与时反技术相结合的方法。利用矢量水听器的单边指向性去除虚假声源的干扰,并利用时间反转镜技术抑制多途效应的影响,从而实现了浅海近程声源定位。(本文来源于《电子科技》期刊2016年11期）
李建中[6]（2016）在《近场信号源定位技术研究及其应用》一文中研究指出信号源定位技术是阵列信号处理领域中的一个关键技术,其在雷达、地理学、声纳、电子对抗、医疗电子等领域中有着广泛的应用。根据信号源与接收器阵列之间的距离,信号源定位可以分为远场信号源定位和近场信号源定位两种。在这两种不同的情况下,信号的波阵面的处理方式也不相同:远场信号源的波阵面可近似为平面波,仅用波达方向(Direction-Of-Arrival,DOA)一个参数就可以描述其位置;近场信号源的波阵面则为球面波,其位置需要波达方向和距离共同确定。针对情况更为复杂的近场信号源定位技术,本文从算法的计算复杂度及估计精确度入手,提出一些基于高阶累积量的近场信号源定位算法及其在探地雷达(Ground Penetrating Radar,GPR)中的相关应用,其主要创新性成果有:1)在现有基于高阶累积量的改进型二维多重信号分类(MUltiple SIgnal Classification,MUSIC)算法的基础上,提出了叁个方法,以期提高算法的运行速度或者估计精度及分辨率。a)现有基于高阶累积量的改进型二维MUSIC算法需要构造两个不同的矩阵及进行两次相应的特征值分解(Eigen Value Decomposition,EVD),而本文证明了改进型二维MUSIC算法可以通过一个非厄米特矩阵来实现,从而提出了低复杂度MUSIC算法(Low-Complexity MUSIC,LCM)。算法在构造一个特殊的非厄米特矩阵后只需要进行一次特征值分解,用其中与零特征值对应的特征向量估计近场信号源的波达方向,而在正交化与非零特征值对应的特征向量后则可以估计信号源距离。与其他高阶MUSIC算法相比,LCM算法避免了多余的矩阵构造及特征值分解,从而降低了计算复杂度,提高了算法的运行效率,同时也保持了高阶MUSIC算法的高估计精度。b)第二个算法是对LCM算法的进一步简化。鉴于高阶累积量免疫于高斯噪声,本文提出一种基于传播算子的算法。算法构造一个高阶累积量矩阵并推导出其与两个不同的方向矩阵之间的关系。高阶累积量矩阵的列或者行可以用来构造两个传播算子,而这两个传播算子则可以直接构造两个与不同方向矩阵相互正交的子空间,并分别用于估计近场信号源的波达方向和距离。在LCM算法的基础上,基于传播算子的算法只需构造一个高阶累积量矩阵,并且不再需要对矩阵进行特征值分解,可以进一步降低算法的计算复杂度。c)针对现有高阶MUSIC算法的阵列孔径受限于实际阵列的问题,本文提出一种拓展阵列孔径的MUSIC(Aperture-Expanded MUSIC,AEM)算法。阵列孔径的数值直接影响算法的分辨率及估计精度,算法在估计出信号源的波达方向之后,充分利用了高阶累积量的高自由度,不需要增大阵元间距或者增加阵元数量,而是通过构造虚拟阵元,极大地拓展了虚拟阵列孔径,从而提高了距离估计的分辨力及估计精度。与其他高阶MUSIC算法相比,此算法的性能可以突破实际阵列孔径的限制,进一步提高信号源的距离估计精度,仿真结果验证了算法的有效性。2)提出一种融合了聚类和压缩感知(Compressive Sensing,CS)技术的近场信号源定位算法。在改进型二维MUSIC算法的启发下,本文通过构造一个高阶累积量矩阵,将信号源的两个位置参数分离到两个不同的部分,但与改进型二维MUSIC算法进行若干次一维MUSIC空间谱搜索不同,本文提出的算法只需通过构造两个一维过完备字典并进行两次信号重构即可分别估计出所有信号源的两个位置参数。算法最后充分利用信号重构的信息,提出一种基于聚类思想的参数配对方法,将两个参数成功配对,解出相应的波达方向和距离。3)提出一种在低信噪比环境中的时延估计算法。不同于需要进行信号去相关预处理的传统算法,本文提出用压缩感知技术估计探地雷达接收到的回波信号的时延,此算法可以直接对相干信号进行处理,从而估计出回波时延。除此之外,算法引入信号增强技术来提升算法在低信噪比环境下的性能,保证时延估计在强噪声环境中也能保持高估计精度。(本文来源于《华南理工大学》期刊2016-11-08）
田野,练秋生[7]（2016）在《基于重加权l_1范数惩罚的远近场混合源定位算法》一文中研究指出现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l_1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l_1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.(本文来源于《电子学报》期刊2016年10期）
贾艳云,陈宏宇[8]（2016）在《基于矢量水听器的MVDR水下近场噪声源定位方法研究》一文中研究指出针对现有的聚焦波束形成技术在水下噪声源低频段近场定位识别研究上的不足,提出了基于矢量水听器的幅度-相位联合补偿的MVDR聚焦波束形成方法,提高了低频范围内的空间分辨率,能有效估算出噪声源的相对强度,进一步抑制背景噪声的干扰。仿真结果表明,该方法能够有效测出目标的噪声源相对空间位置分布及能量强度,为后续减振降噪提供理论依据。(本文来源于《声学与电子工程》期刊2016年02期）
孙晓颖,刘壮,秦宇镝,刘妍妍[9]（2016）在《可硬件系统实现的多频近场源定位方法》一文中研究指出基于信号子空间与噪声子空间的正交性,提出了一种适用于多频近场信源方位角和距离联合估计新方法。该方法通过对传感器接收数据进行正交变换获得复数观测矩阵,应用特征值分解的相似变换方法求解复数协方差矩阵的特征值和特征向量,构造噪声子空间,考虑到信源信号频谱的特点,建立了适用于多频信号的谱函数,由谱峰搜索获得信源定位结果。本文方法提高了定位系统对多频信号的适用性,实际定位系统的仿真结果验证了该方法的有效性。(本文来源于《吉林大学学报(工学版)》期刊2016年06期）
刘国红[10]（2015）在《远近场混合源定位参量估计算法研究》一文中研究指出被动信源定位参量估计是阵列信号处理领域的主要研究内容,具有重要研究意义和实际应用价值。依据定位目标与接收传感器阵列之间的距离,传统的信源定位技术可以分为远场源定位和近场源定位。然而在一些实际应用中,如当使用麦克风阵列对说话人进行定位时,目标信号既可能处于阵列孔径的夫琅和费(Fraunhofer)区,也可能位于阵列孔径的菲涅尔(Fresnel)区,即阵列观测信号由远场源和近场源共同组成。本质上,远场源定位模型和近场源定位模型均可认为是远近场混合源定位模型的特殊形式,与二者相比,远近场混合源定位模型更具普适性。若将传统的远场源定位方法直接扩展至远近场混合源的情况,近场源距离参量难以得到估计;若将现有近场源定位方法直接应用到远近场混合源定位中,会出现计算复杂度高、混合源难以分离、估计错误等问题。因此,研究基于远近场混合源模型的定位参量估计算法既是完善信源定位理论体系的必然,同时也是解决说话人定位等实际问题的需要。现有的基于特征子空间的远近场混合源定位算法主要采用如下两种思路实现定位参量估计:(a)同时获得远场源和近场源方位角估计值,以此为基础将角度信息代入二维谱峰搜索实现近场源距离估计,最具代表性的方法为基于四阶累积量的两步多重信号分类(MUSIC)算法;(b)在估计出远场源方位角的基础上,通过合理的数学手段分离远场源和近场源,应用近场源观测数据实现相应的方位角和距离估计,最具代表性的方法为基于二阶统计量的斜投影算法。本文依据上述两种基本思路,在充分分析远近场混合源定位模型特性、远场源和近场源协方差矩阵结构特性的基础上,研究应用叁阶循环矩以降低计算复杂度,引入子空间差分技术、协方差矩阵差分技术等来分离远场源和近场源,并提出相应的定位参量估计算法,旨为远近场混合源分离及定位问题提供新而有效的解决途径。本文的主要贡献与创新性工作具体包括如下四个方面:1.针对以两步MUSIC算法为代表的特征子空间类方法计算复杂度较高的问题,提出基于叁阶循环矩的远近场混合源定位新算法及其改进算法。通过恰当选择阵列观测数据计算叁阶循环矩,构造出两个特殊的叁阶循环矩矩阵,使得其方向矩阵仅包含方位角信息,旋转因子则同时包含角度和距离信息,联合应用MUSIC和旋转子空间不变(ESPRIT)技术实现无需参数匹配的定位参量估计。与两步MUSIC算法相比,叁阶循环矩算法可将计算复杂度降低一个量级。进一步应用二阶循环矩改进上述算法,将距离估计的均方根误差减小一个量级。2.针对以斜投影算法为代表的特征子空间类方法对近场源定位性能不尽理想的问题,提出基于子空间差分的远近场混合源定位新算法及其改进算法。借助已获得的远场源方位角估计出相应的信号功率,以此为基础在信号子空间重构远场源协方差矩阵,应用远场子空间差分技术提取出纯净的近场源分量,并采用ESPRIT-Like方法实现近场源方位角和距离的联合估计。与斜投影算法相比,子空间差分算法可有效提升近场源定位参量估计精度。进一步利用多项式求根代替一维MUSIC谱峰搜索,将上述算法的计算复杂度降低一个量级。3.针对以斜投影算法为代表的特征子空间类方法的信源分离性能受远场源方位角估计精度影响的问题,在证明出远场源协方差矩阵同时满足Hermitian和Toeplitz特性,而近场源协方差矩阵仅具有Hermitian结构的基础上,提出基于协方差矩阵差分的远近场混合源定位新算法及其改进算法。推导出近场差分矩阵特征值的对称分布特性,应用差分ESPRIT-Like方法求解出相应的方位角和距离。与斜投影算法相比,协方差矩阵差分算法对混合源分离的合理性仅依赖于矩阵特征结构差异,不受远场源定位性能的影响,并提升近场源定位参量估计精度。此外,探索有色噪声协方差矩阵的对称Toeplitz特性,通过两步协方差矩阵差分将上述算法扩展至未知有色噪声背景下,提升其对复杂噪声的适用性。4.针对以斜投影算法为代表的特征子空间类方法在定位远场源时存在伪峰的问题,提出基于两步矩阵差分的远近场混合源分离及定位新算法。依据远场源与近场源源协方差矩阵存在的特征结构差异性,应用协方差矩阵差分技术分离出近场分量,在获得近场源方位角和距离信息的基础上,重构近场源协方差矩阵,通过近场子空间差分技术提取远场分量,估计出远场源的方位角。与斜投影算法相比,两步矩阵差分算法可有效避免伪峰问题,实现远场源与近场源的理想分离,提升近场源定位参量估计精度。本文在特征子空间理论框架下,对远场源与近场源共存下的信源分离及定位问题进行了深入研究。所提出的新算法在计算复杂度、近场源方位角和距离估计精度、远近场混合源分离的合理性、以及伪峰问题的避免等方面较现有方法均具有一定的改善,为进一步研究基于特征子空间的远近场混合源定位参量估计方法提供参考。(本文来源于《吉林大学》期刊2015-12-01）
近场源定位论文开题报告
（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：
针对阵元数目一定时采用最小冗余对称阵列模型能使阵列间距不局限在四分之一波长的特点,提出了基于多项式求根的近场源定位算法.该算法构建一个特殊四阶累积量矩阵,通过远场求根MUSIC算法估计信号角度;然后分离角度与距离参数,在非均匀阵列基础上采用多项式求根算法估计出距离参数;最后进行了仿真.仿真结果表明,该算法避免了阵列孔径损失,可以估计较多信源;与其他算法相比,该算法具有较高的估计精度和分辨率,且不需进行谱峰搜索,减少了计算复杂度.
（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。
近场源定位论文参考文献
[1].窦育强,王晖.基于KR积的稀疏重构近场源定位[J].电子科技大学学报.2019
[2].校松,倪萌钰,陈辉,倪柳柳.基于多项式求根的近场源定位算法[J].空军预警学院学报.2018
[3].校松,陈辉,倪萌钰,倪柳柳,张佳佳.利用最小冗余对称阵列的近场源定位算法[J].西安电子科技大学学报.2018
[4].邱龙皓,梁国龙,王燕,王晋晋.稀疏贝叶斯学习远近场混合源定位方法[J].声学学报.2018
[5].何盼盼.基于组合阵的近场噪声源定位方法研究[J].电子科技.2016
[6].李建中.近场信号源定位技术研究及其应用[D].华南理工大学.2016
[7].田野,练秋生.基于重加权l_1范数惩罚的远近场混合源定位算法[J].电子学报.2016
[8].贾艳云,陈宏宇.基于矢量水听器的MVDR水下近场噪声源定位方法研究[J].声学与电子工程.2016
[9].孙晓颖,刘壮,秦宇镝,刘妍妍.可硬件系统实现的多频近场源定位方法[J].吉林大学学报(工学版).2016
[10].刘国红.远近场混合源定位参量估计算法研究[D].吉林大学.2015
论文知识图
