發(fā)布時(shí)間：2020-06-28 19:03

【摘要】：聲源定位是水聲信號(hào)處理領(lǐng)域經(jīng)久不衰的研究熱點(diǎn)之一,對(duì)于我國(guó)在海洋戰(zhàn)略和國(guó)防建設(shè)方面的影響不言而喻。相比于主動(dòng)定位,被動(dòng)定位探測(cè)距離更遠(yuǎn)且隱蔽性更高,從而在水聲對(duì)抗時(shí)既能增加安全性又能料敵先機(jī)、先敵制勝,因此對(duì)聲源被動(dòng)定位展開相關(guān)工作有著不容小覷的現(xiàn)實(shí)意義。鑒于此,本文將基于稀疏分解理論對(duì)聲源的三維被動(dòng)定位進(jìn)行研究,謀求實(shí)現(xiàn)對(duì)感興趣聲源的三個(gè)空間維度位置參數(shù)(方位、距離和深度)的高分辨估計(jì)。根據(jù)目標(biāo)聲源在空域中分布的稀疏性特征,可以借助稀疏分解理論將聲源的定位問(wèn)題轉(zhuǎn)化成一個(gè)欠定線性系統(tǒng),運(yùn)用適宜的稀疏分解算法進(jìn)行求解。為了實(shí)現(xiàn)對(duì)聲源的三維定位,本文的主要工作內(nèi)容可以分成兩個(gè)部分,分別為空間譜估計(jì)(Spatial Spectrum Estimation)和匹配場(chǎng)處理(Matched Field Processing,MFP),前者實(shí)現(xiàn)對(duì)聲源方位的估計(jì),后者則用于估計(jì)聲源的距離和深度�；谙∈璺纸饫碚摰目臻g譜估計(jì)和匹配場(chǎng)處理的過(guò)程都是類似的。首先,根據(jù)聲源位置參數(shù)的定位需求,劃定相應(yīng)的搜索范圍,根據(jù)定位精度要求選擇合適的搜索步長(zhǎng),從而構(gòu)成相應(yīng)的空間搜索網(wǎng)格。然后,根據(jù)聲源的不同類型(窄帶、寬帶,相干、非相干等),基于稀疏分解理論建立相應(yīng)的陣列接收數(shù)據(jù)數(shù)學(xué)模型。最后,再利用稀疏分解算法進(jìn)行求解,得到定位估計(jì)結(jié)果。我們假定所有網(wǎng)格點(diǎn)上都存在聲源,但只有真實(shí)聲源所在的網(wǎng)格點(diǎn)才有一定的信號(hào)強(qiáng)度,其余都為0。所以,通過(guò)稀疏分解算法求解得到的結(jié)果是一個(gè)與搜索網(wǎng)格同維度的向量或矩陣。按照上述流程,本文分別對(duì)空間譜估計(jì)和匹配場(chǎng)處理進(jìn)行了相關(guān)研究。針對(duì)不同的聲源和接收數(shù)據(jù)快拍數(shù)條件,給出了相應(yīng)的解決方案,仿真和實(shí)驗(yàn)數(shù)據(jù)處理結(jié)果驗(yàn)證了這些方法的有效性和精確性。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：P733.2
【圖文】：

使用稀疏分解理論提供了前提。解理論是由 Stephane Mallat 和 Zhifeng Zhang 于 1993 年正式提出破了正交分解的枷鎖，為信號(hào)提供了更加簡(jiǎn)潔、靈活的表示方法處理成本，提高了處理效率[6]。本文致力于利用稀疏分解理論實(shí)研究，以期實(shí)現(xiàn)對(duì)聲源三個(gè)空間維度位置參數(shù)的高分辨估計(jì)。外研究現(xiàn)狀疏性進(jìn)行聲源定位方面的研究十分廣泛，國(guó)內(nèi)外的眾多學(xué)者前赴碩的研究成果。值得注意的是，關(guān)于稀疏方面的相關(guān)理論見諸筆謂，諸如稀疏表示、冗余表示、稀疏逼近等等，其核心都是根據(jù)相應(yīng)的過(guò)完備字典，從而獲取原信號(hào)基于過(guò)完備字典的稀疏表示為是稀疏分解理論。至于在稀疏分解理論的基礎(chǔ)上推陳出新堪稱-9]，其應(yīng)用的先決條件要求原信號(hào)是稀疏的，然后再通過(guò)投影測(cè)量過(guò)壓縮的但保存了全部或者絕大部分信息的觀測(cè)信號(hào)。稀疏分解關(guān)系如圖 1.1 所示。因此本文將基于這些理論的聲源定位方面的這一本質(zhì)的研究。

哈爾濱工程大學(xué)碩士學(xué)位論文對(duì)于一個(gè) k 維的向量，其 p范數(shù)的數(shù)學(xué)表達(dá)式為：11( ) ，0 1kppipi< p <== a a (2-2)當(dāng) p <1時(shí)， p范數(shù)不滿足三角不等性，因而其不是規(guī)范的范數(shù)。如圖 2.1(a)所示，我們觀察當(dāng) p 的取值不同時(shí)px 的變化情況。由圖可知，隨著 p 的值趨于 0 時(shí)，px 的值趨于1(除了 x 為 0 時(shí))，這說(shuō)明 p范數(shù)可以用來(lái)衡量稀疏性，并且 p 越小，稀疏性越強(qiáng)。這一點(diǎn)也可以由圖 2.1(b)來(lái)解釋，對(duì)于二維單位2 -長(zhǎng)度向量構(gòu)成的一個(gè)單位圓，隨著 p 不斷減小， p范數(shù)單位長(zhǎng)度向量形成的二維圖形就越貼近于中間坐標(biāo)軸(顯然，當(dāng) p =0時(shí)，0 范數(shù)所構(gòu)成的圖形即為“十字架”)，所以稀疏性也不斷增強(qiáng)。而它們的交點(diǎn)都是沿著軸向產(chǎn)生，且僅存在于中間坐標(biāo)軸的端點(diǎn)上，端點(diǎn)所含元非 0 即 1，由此可以證明 p范數(shù)能度量稀疏性。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡年煒;楊建偉;姚德臣;;稀疏分解方法綜述及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];現(xiàn)代制造工程;2018年11期

2 尹忠科;;稀疏分解及其在圖像壓縮中的應(yīng)用研究[J];學(xué)術(shù)動(dòng)態(tài);2007年02期

3 張勇;;基于共振稀疏分解的滾動(dòng)軸承早期微弱故障診斷[J];中國(guó)工程機(jī)械學(xué)報(bào);2017年02期

4 李星;于德介;張頂成;;基于最優(yōu)品質(zhì)因子信號(hào)共振稀疏分解的滾動(dòng)軸承故障診斷[J];振動(dòng)工程學(xué)報(bào);2015年06期

5 孫云嵩;于德介;陳向民;李蓉;;基于信號(hào)共振稀疏分解的階比分析及其在齒輪故障診斷中的應(yīng)用[J];振動(dòng)與沖擊;2013年16期

6 隋中山;李俊山;張姣;樊少云;孫勝永;;張量低秩表示和時(shí)空稀疏分解的視頻前景檢測(cè)[J];光學(xué)精密工程;2017年02期

7 肖波;;基于稀疏分解的心電信號(hào)特征波檢測(cè)及心電數(shù)據(jù)壓縮[J];科技創(chuàng)新導(dǎo)報(bào);2013年26期

8 趙東波;李輝;;一種優(yōu)化稀疏分解的雷達(dá)目標(biāo)識(shí)別方法[J];現(xiàn)代電子技術(shù);2017年23期

9 郭瑩瑩;趙學(xué)智;上官文斌;張春良;;基于稀疏分解的軸承聲陣列信號(hào)特征提取[J];振動(dòng).測(cè)試與診斷;2018年04期

10 鄭純丹;周代英;;稀疏分解在雷達(dá)一維距離像中的應(yīng)用[J];雷達(dá)科學(xué)與技術(shù);2013年01期

相關(guān)會(huì)議論文 前6條

1 趙亮;;一種新的的陣列誤差自校正算法[A];2008年中國(guó)西部青年通信學(xué)術(shù)會(huì)議論文集[C];2008年

2 王瀟;尹忠科;王建英;楊鄭;;應(yīng)用基追蹤的信號(hào)分離的算法[A];2008年中國(guó)西部青年通信學(xué)術(shù)會(huì)議論文集[C];2008年

3 李海峰;徐忠亮;馬琳;信家男;;基于稀疏質(zhì)量?jī)?yōu)化的語(yǔ)音信號(hào)分析方法[A];第十四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC’2017）論文集[C];2017年

4 曾選;楊盈昀;;基于稀疏分解的彩色圖像編碼技術(shù)的研究[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 陳文婷;楊盈昀;李磊;;圖像稀疏分解算法的改進(jìn)[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

6 劉宛予;李新紅;黃建平;孫曉明;包立君;;基于稀疏分解理論的公路裂縫檢測(cè)研究[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 黃秋燕;高分辨率遙感圖像的稀疏分解與線性紋理信息提取研究[D];南京大學(xué);2014年

2 蔡得龍;基于稀疏分解的電能質(zhì)量分析研究[D];華中科技大學(xué);2018年

3 嚴(yán)�？�;低速重載機(jī)械早期故障稀疏特征提取的研究[D];武漢科技大學(xué);2014年

4 付金山;基于稀疏分解理論的聲矢量陣信號(hào)處理[D];哈爾濱工程大學(xué);2012年

5 王宏超;基于稀疏分解及圖像稀疏表征的滾動(dòng)軸承微弱故障診斷[D];上海交通大學(xué);2015年

6 梁巍;管道缺陷檢測(cè)中超聲信號(hào)稀疏解卷積及稀疏壓縮方法的研究[D];上海交通大學(xué);2008年

7 戎凱旋;基于投影替代與矩陣低秩稀疏分解的多光譜圖像融合[D];西安電子科技大學(xué);2016年

8 余發(fā)軍;機(jī)械故障稀疏特征提取及診斷方法研究[D];武漢科技大學(xué);2016年

9 王春光;基于稀疏分解的心電信號(hào)特征波檢測(cè)及心電數(shù)據(jù)壓縮[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

10 張新鵬;壓縮感知及其在旋轉(zhuǎn)機(jī)械健康監(jiān)測(cè)中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 朱榮亮;心電信號(hào)檢測(cè)與老年人常見心電異常的識(shí)別分類[D];太原理工大學(xué);2019年

2 王顧彬;基于稀疏分解理論的三維被動(dòng)定位研究[D];哈爾濱工程大學(xué);2019年

3 劉偉豪;雷達(dá)多視角增強(qiáng)成像技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

4 劉洋;蜂群算法與低秩稀疏分解融合的圖像去噪方法研究[D];東北石油大學(xué);2018年

5 楊雙雙;基于矩陣低秩稀疏分解的船舶交通流量預(yù)測(cè)研究[D];武漢理工大學(xué);2017年

6 張旋;基于振動(dòng)信號(hào)稀疏分解的風(fēng)電機(jī)組故障診斷方法研究[D];華北電力大學(xué)(北京);2018年

7 郭源耕;基于信號(hào)共振稀疏分解的風(fēng)電齒輪箱故障診斷方法研究[D];燕山大學(xué);2018年

8 陶欣;基于稀疏分解和支持向量機(jī)的高速銑削刀具磨損狀態(tài)監(jiān)測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

9 肖俊安;基于稀疏分解算法的局部放電信號(hào)干擾抑制技術(shù)的學(xué)習(xí)與思考[D];華中科技大學(xué);2016年

10 劉紅柳;基于原子稀疏分解的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)研究[D];東北電力大學(xué);2017年

本文編號(hào)：2733369