基于稀疏分解理论的三维被动定位研究

基于稀疏分解理论的三维被动定位研究

论文摘要

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三维被动定位进行研究,谋求实现对感兴趣声源的三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。为了实现对声源的三维定位,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。

论文目录

  • 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
  •   1.3 本文研究内容和章节安排
  • 第2章 稀疏分解理论
  •   2.1 引言
  •   2.2 稀疏分解理论
  •     2.2.1 欠定线性系统与正则化
  •     2.2.2 稀疏性
  •     2.2.3 稀疏分解模型
  •   2.3 稀疏分解算法
  •     2.3.1 正交匹配追踪算法
  •     2.3.2 基追踪算法
  •   2.4 本章小结
  • 第3章 基于稀疏分解的空间谱估计
  •   3.1 引言
  •   3.2 空间谱估计理论
  •     3.2.1 空间谱估计数学模型
  •     3.2.2 阵列输出协方差矩阵
  •     3.2.3 空间谱估计常见算法
  •   3.3 基于稀疏分解理论的空间谱估计
  •     3.3.1 基于稀疏分解理论的空间谱估计模型
  •     3.3.2 窄带声源处理
  •     3.3.3 宽带声源处理
  •     3.3.4 多目标估计
  •     3.3.5 算法性能分析
  •   3.4 本章小结
  • 第4章 基于稀疏分解的匹配场定位
  •   4.1 引言
  •   4.2 海洋声传播模型
  •   4.3 匹配场定位
  •     4.3.1 匹配场处理数学模型
  •     4.3.2 匹配场定位流程
  •     4.3.3 窄带匹配场处理器
  •     4.3.4 宽带匹配场处理器
  •   4.4 基于稀疏分解的匹配场源定位
  •     4.4.1 稀疏分解匹配场定位数学模型
  •     4.4.2 窄带声源处理
  •     4.4.3 宽带声源处理
  •     4.4.4 算法性能分析
  •   4.5 失配影响分析
  •     4.5.1 海水声速剖面失配
  •     4.5.2 沉积层参数失配
  •     4.5.3 底质参数失配
  •   4.6 本章小结
  • 第5章 实验数据处理
  •   5.1 实验介绍
  •     5.1.1 S5 实验
  •     5.1.2 海洋环境参数
  •   5.2 多普勒修正
  •   5.3 基于稀疏分解理论的三维定位
  •     5.3.1 窄带声源
  •     5.3.2 宽带声源
  •   5.4 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 王顾彬

    导师: 付金山

    关键词: 稀疏分解,声源定位,空间谱估计,匹配场定位

    来源: 哈尔滨工程大学

    年度: 2019

    分类: 基础科学

    专业: 海洋学

    单位: 哈尔滨工程大学

    分类号: P733.2

    总页数: 101

    文件大小: 3971K

    下载量: 122

    相关论文文献

    • [1].稀疏分解方法综述及其在旋转机械故障诊断中的应用[J]. 现代制造工程 2018(11)
    • [2].蛙跳算法优化品质因子的共振稀疏分解方法[J]. 机械传动 2020(11)
    • [3].基于共振稀疏分解的滚动轴承早期微弱故障诊断[J]. 中国工程机械学报 2017(02)
    • [4].基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断[J]. 振动工程学报 2015(06)
    • [5].声信号并行稀疏分解去噪方法研究[J]. 电路与系统学报 2012(06)
    • [6].张量低秩表示和时空稀疏分解的视频前景检测[J]. 光学精密工程 2017(02)
    • [7].基于信号共振稀疏分解的阶比分析及其在齿轮故障诊断中的应用[J]. 振动与冲击 2013(16)
    • [8].基于多字典-共振稀疏分解的脉冲故障特征提取[J]. 中国机械工程 2019(20)
    • [9].基于稀疏分解的心电信号特征波检测及心电数据压缩[J]. 科技创新导报 2013(26)
    • [10].基于改进的共振稀疏分解的滚动轴承故障诊断[J]. 机床与液压 2019(16)
    • [11].基于低秩稀疏分解的人脸图像识别技术[J]. 电子技术与软件工程 2017(23)
    • [12].增强稀疏分解及其在叶片振动参数识别中的应用[J]. 机械工程学报 2019(19)
    • [13].一种优化稀疏分解的雷达目标识别方法[J]. 现代电子技术 2017(23)
    • [14].自适应低秩稀疏分解在运动目标检测中的应用[J]. 计算机科学与探索 2016(12)
    • [15].基于混合搜索算法的图像稀疏分解[J]. 重庆邮电大学学报(自然科学版) 2011(03)
    • [16].基于全卷积神经网络与低秩稀疏分解的显著性检测[J]. 自动化学报 2019(11)
    • [17].基于稀疏分解的轴承声阵列信号特征提取[J]. 振动.测试与诊断 2018(04)
    • [18].基于自适应优化品质因子的共振稀疏分解方法及其在行星齿轮箱复合故障诊断中的应用[J]. 机械工程学报 2016(15)
    • [19].稀疏分解在雷达一维距离像中的应用[J]. 雷达科学与技术 2013(01)
    • [20].改进的低秩稀疏分解及其在目标检测中的应用[J]. 仪器仪表学报 2019(04)
    • [21].低秩矩阵和结构化稀疏分解的视频背景差分方法[J]. 西安交通大学学报 2016(06)
    • [22].基于原子稀疏分解和支持向量机的风电功率实时预测研究[J]. 东北电力大学学报 2020(03)
    • [23].低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用 2020(16)
    • [24].基于VMD共振稀疏分解的滚动轴承故障诊断[J]. 电子测量与仪器学报 2018(09)
    • [25].图像的多尺度稀疏分解及其在遥感图像融合上的应用[J]. 烟台大学学报(自然科学与工程版) 2017(01)
    • [26].自适应稀疏分解的分层介质参数反演[J]. 雷达科学与技术 2017(03)
    • [27].粒子群优化的稀疏分解在雷达目标识别中的应用[J]. 电子设计工程 2017(14)
    • [28].基于低秩稀疏分解与协作表示的图像分类算法[J]. 计算机科学 2016(07)
    • [29].基于粒子群优化的共振稀疏分解在轴承故障诊断中的应用[J]. 机械设计与制造 2017(04)
    • [30].基于改进MP稀疏分解的语音识别方法[J]. 计算机应用 2009(06)

    标签:;  ;  ;  ;  

    基于稀疏分解理论的三维被动定位研究
    下载Doc文档

    猜你喜欢