宽带声源定位方法及研究

来源 :哈尔滨理工大学 | 被引量 : 0次 | 上传用户:fengyun163
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着海洋领域的大力发展,声隐身性对于海上工作有着至关重要的作用。开展水下声源定位研究,确定水下声源所处空间的分布情况,研究不同类型声源对水下平台的影响,是进行减振降噪的一个重要过程。随着减振降噪技术的不断发展,水下平台自身辐射的噪声水平越来越低,若仍使用在远场条件下对水下声源的分析方法已经不能准确地获得声源位置信息。相较于窄带声源,宽带声源可以携带更多信息。因此,研究宽带声源的定位方法具有特别重要的意义。
  本文分析了典型的宽带声源的波达方向估计算法,并且在此基础上提出了基于同心分布双圆阵的声源定位算法和基于组合阵的声源定位算法。对不同频率和不同信噪比下的声源波达方向进行了仿真。
  首先,对声源定位基本方法进行分析,主要针对宽带声源子空间分类算法和近场高分辨算法并进行数学分析及仿真。其次,分析了宽带声源模型以及接收阵列模型,由于相干声源之间相差一个常数,故可以建立宽带相干声源模型。随后提出的高分辨算法,针对宽带远场声源提出了一种适合在宽频段内的相干源二维波达方向估计算法。该算法先计算出宽带声源的中心频率,再构造一个实值波束形成器,将宽带声源通过波束形成器进行处理,对处理后的数据采用二维子空间声源定位算法进行谱峰搜索即可得到声源位置信息。通过仿真分析验证了算法的准确性。最后,针对宽带近场声源提出一种基于矢量声压组合基阵的柱面分布宽带声源近场高分辨定位方法。先建立以柱面为被测面的近场声源模型,利用矢量水听器具有的单边指向性解决水下近场声源定位出现的左右弦模糊问题,采用子空间分类算法对宽带声源进行谱峰搜索。通过仿真分析验证了该算法的高分辨率的特性。
  
其他文献
指纹识别技术是目前应用最广泛的身份验证方式,这项技术的核心在于如何精准快速的提取可靠且数量多的指纹特征。为解决主流的指纹方向场获取方法存在图像灰度极值区域纹线方向不可靠、平滑操作易导致细节点方向丢失和只提取单一方向场特征的问题,本文提出图形化指纹方向解析算法。本文方法不同于基于形态学操作获取指纹特征的算法,通过建立指纹图像和二维信号之间的联系,以信号解析为主线获取指纹方向场特征。主要研究内容如下:
学位
目前钢板表面缺陷检测技术大多依靠人工目测和传统的机器视觉等方法完成。这些方法存在难以提取缺陷的本质特征、易受外界环境干扰等缺点,这些缺点导致检测精度受到影响。因此,本文研究基于深度学习的钢板表面缺陷处理技术。针对传统方法的缺点,本文引入VGG16网络模型并对其进行改进。首先在网络中加入通道注意力机制,以提高识别精度;其次采用深度可分离卷积替换网络中部分3×3卷积,以减少网络参数量和计算量,增加网络
近年来,随着全球化信息化的到来,产生了海量的数据,与此同时,频繁的数据交流和复杂的系统构建以及数据处理的时效性,对信息的网络传输和存储空间提出更高的要求,可见数据压缩在工业生产生活中越来越重要,数据压缩主要分为有损和无损压缩,其中无损压缩广泛应用于航天、医疗等技术领域。无损压缩中基于字典的压缩以自适应性强、复杂度低、编码效率高等被广泛利用,因此对无损压缩的算法研究具有十分重要的作用和意义。本文从数
学位
当今社会基于人类特征提取的生物认证技术不断发展,说话人识别作为其中之一,是通过发音人的声音来辨别身份的。该生物认证技术也被叫做声纹识别,其核心内容是将语音样本信号中提取出的能代表发音人身份的信息进行处理进而实现对各类别说话人的识别。由于近年来生物认证方法在机器学习的推动下获得了巨大进展,有着广阔的发展前景和重要的研究价值,说话人识别也深受其影响,学者们逐渐从基于传统方法的说话人识别的研究方向转移到
随着指纹识别技术的应用越来越广,人们对其识别效率和准确性要求越来越高,而现实中受采集环境或自身皮肤状况影响仍存在大量低质量指纹图像无法得到有效识别。现有低质量指纹图像识别算法以图像增强为主,在一定程度上能减少伪细节点数目,但经过特征提取后仍会存在大量伪细节点,最终导致整个指纹识别系统的性能下降,使得及时、准确识别低质量指纹图像成为目前亟待解决的一个问题。本文提出一种低质量指纹图像识别算法,该算法主
随着社会的发展和通信与信息处理技术的不断进步,生物识别技术与民众的信息安全联系越发紧密。声纹识别作为生物识别技术的一种,受到越来越多的关注,被广泛应用到手机支付、智能终端、医疗服务以及刑事侦查等领域。但是由于声纹识别的研究较短,所以仍然有很多问题尚未解决。在提取说话人的声纹特征时噪声会使说话人语音频谱发生畸变。传统自然语言处理模型由多个步骤组成,每个步骤是一个独立任务,其结果好坏会影响下一个步骤,
学位
随着软件的规模和复杂程度的不断增加,在软件开发过程中引入缺陷的可能性越来越大。而软件缺陷的存在可能会导致软件无法正常运行,甚至会危及人们的生命和财产。如果能够在软件发行之前发现缺陷,就可以合理有效地分配时间,降低成本和提高软件的质量。在实际的开发中,通常需要预测一个新的项目,或者项目所拥有的标签数据很少,在这种情况下,异构项目的软件缺陷预测应运而生。近年来,迁移学习方法的引入,解决了异构软件缺陷预
在图像处理领域,目标检测算法已经成为了人们的研究重点,并在人类生活中有着广泛的应用。但是现有的算法仍存在一些关键问题。一方面,卷积分类网络是目标检测算法提取图像特征的基础。在提取图像特征时,卷积分类网络自身参数规模大、模型计算复杂。另一方面,被检测的目标对象存在着尺度、大小的多样性,算法对于复杂场景的目标不能有效的识别。本文从理论与地基应用出发,针对存在的问题进行了深入研究,提出了有效的解决方法。
学位
在非协作条件下,通信信号的调制方式识别和参数估计是信号得以正确解调的前提。如今通信环境日渐复杂,信号的调制类型逐渐多样化,这会加大信号调制识别和参数估计的难度。随着计算机算力的提高,在人工智能领域中,深度学习算法渐渐崭露头角,开始在不同的领域得以应用。目前,将深度学习技术应用到调制识别领域已成为该领域的主流研究内容。因此,本文利用深度学习算法对数字信号调制方式的识别和参数估计进行了深入研究,主要研
近年来,卷积神经网络(CNN)在高光谱图像分类领域被广泛应用,其中3D-CNN可针对高光谱图像图谱合一的三维数据特点,同时提取高光谱图像的空谱联合特征,已被证明是一种有效的分类方法。但在运用3D-CNN进行高光谱图像分类时还存在以下问题:1.基于3D-CNN的分类方法需要一个大规模标注的数据集来训练网络,样本数量不足会导致网络产生过拟合现象,降低分类效果。2.光谱信息冗余、存在干扰像素,3D-CN