本文選題：近場噪聲源定位 + 高分辨��； 參考：《哈爾濱工程大學》2014年博士論文

【摘要】：艦艇自噪聲會破壞自身的隱蔽性,為敵方的聲吶提供檢測及定位信息,還會對自身水聲設(shè)備產(chǎn)生干擾。為提高艦艇的海上作戰(zhàn)能力,必須有效的采取減振降噪措施。艦艇的體積較大,其輻射噪聲源分布在不同部位,因此開展水下噪聲源定位技術(shù)的研究,得到噪聲源在艦艇上的空間分布,即可有針對性的進行噪聲源的減振降噪工作。相比于遠場源定位,近場定位可以更為精確的獲得噪聲源位置。然而,傳統(tǒng)近場源定位算法的分辨力較低,容易產(chǎn)生空間上的混疊,對定位精度產(chǎn)生很大影響。本文基于線列陣,研究了水下近場噪聲源高分辨定位方法。主要研究內(nèi)容包括:1.針對噪聲源中線譜信號的定位問題,提出了一種基于稀疏信號重構(gòu)的近場源定位算法。通過約束稀疏信號的L1-范數(shù)構(gòu)造優(yōu)化問題,實現(xiàn)信源的定位。該算法可以通過估計噪聲功率來自動選擇折中參數(shù),無需噪聲的先驗知識,滿足了稀疏性與保真性的平衡。對于近場源定位,信源與各個陣元的時延差是方位角和距離的函數(shù)。如果對二維空間稀疏劃分,計算量龐大,甚至不可接受。針對這個問題,本文利用對稱陣元數(shù)據(jù)的組合構(gòu)造了類遠場協(xié)方差矩陣,該矩陣僅包含近場源方位角參數(shù),進而將二維定位問題轉(zhuǎn)化為兩次一維參數(shù)估計問題,顯著降低了近場源定位的計算量。仿真結(jié)果和水池試驗結(jié)果驗證了算法的有效性。2.相比于遠場源定位,很多近場源定位算法將二維搜索轉(zhuǎn)化為多個一維搜索,用以降低計算量。然而,這類算法為避免產(chǎn)生空間模糊現(xiàn)象,需要滿足兩個條件,即陣元間距需要設(shè)置為四分之一波長和估計的信源數(shù)不能大于陣元數(shù)的一半,在陣元數(shù)目不變的情況下,就存在很大的孔徑損失問題。而陣列孔徑是影響陣列分辨力和定位精度的重要因素。針對這個問題,提出了互素對稱陣模型,有效的增加了陣元間距,使其不必受限于四分之一波長,擴大了陣列孔徑。在互素對稱陣模型下,通過重構(gòu)一個特殊的高階累積量矩陣,使其僅與信源方位角有關(guān),然后采用MUSIC算法進行方位角估計,進而在每個估計方位上定位目標,無需額外的參數(shù)配對方法。此外,該方法在方位角和距離兩個維度上都不會產(chǎn)生空間模糊現(xiàn)象。理論分析和仿真實驗驗證了該方法有效的提高了空間分辨力和定位精度。3.針對噪聲源中的寬帶連續(xù)譜信號的定位問題,研究了近場寬帶源的定位方法,并提出了一種基于子空間正交原理的定位算法。該算法利用各個頻帶分量的信號子空間和參考頻帶分量的噪聲子空間之間的正交性估計噪聲源位置,并引入信號參考頻率的陣列流形矢量的正交投影,用以減小噪聲子空間估計誤差對定位的影響,提高了空間分辨能力,并在低信噪比條件下有著較好的定位精度。該算法是投影子空間正交性測試算法在近場條件下的擴展,并充分利用了每個頻帶分量的信號子空間,解決了投影子空間正交性測試算法過于依賴參考頻率信號子空間估計精度的問題。理論分析和仿真研究驗證了該算法的有效性。
[Abstract]:The self noise of the ship will destroy its own concealment, provide detection and positioning information for the enemy sonar, and also interfere with its own underwater acoustic equipment. In order to improve the Naval Operational Capability of the ship, the vibration and noise reduction measures must be taken effectively. The volume of the ship is large and the radiation noise source is distributed in different parts, so the underwater noise source is set up. The research of bit technology obtains the spatial distribution of the noise source on the ship, which can reduce the noise and noise of the noise source. Compared with the far field source location, the near field location can get the location of the noise more accurately. However, the resolution of the traditional near field source localization algorithm is low, it is easy to produce the spatial aliasing and the positioning accuracy. Based on linear array, this paper studies the high resolution localization method of underwater near field noise sources. The main research contents include: 1. a near field source localization algorithm based on sparse signal reconstruction is proposed to locate the line spectrum signal in a noise source. The optimization problem is constructed by constraining the L1- norm of sparse signal to realize the source of the source. The algorithm can automatically select the eclectic parameters by estimating the noise power, without the prior knowledge of noise, which satisfies the balance between sparsity and authenticity. For the location of the near field source, the delay difference between the source and each element is a function of the azimuth and distance. If the two dimensional space is divided, the amount of calculation is huge and even unacceptable. In order to solve this problem, this paper uses the combination of symmetric matrix metadata to construct the covariance matrix of the class far field. This matrix only contains the azimuth parameters of the near field source, and then transforms the two-dimensional location problem into the two dimension parameter estimation problem, which significantly reduces the calculation of the near field source location. The simulation results and the pool test results verify the algorithm. The effectiveness of.2. is compared to the far field source location. Many near field source localization algorithms convert a two-dimensional search into a number of one-dimensional searches to reduce the amount of computation. However, this kind of algorithm needs to meet two conditions to avoid generating spatial ambiguity, that is, the interval between the array elements needs to be set to a length of four points and the number of the estimated sources cannot be larger than the number of elements. When the number of elements is constant, there is a large aperture loss problem, and the array aperture is an important factor affecting the array resolution and positioning accuracy. In this problem, a mutual symmetric matrix model is proposed, which can effectively increase the spacing of the array element, so that the array aperture is not limited to 1/4 wavelengths, and the aperture of the array is enlarged. By reconstructing a special high order cumulant matrix, it is only related to the azimuth of the source, and then the azimuth estimation is carried out by the MUSIC algorithm, and then the target is located on each estimated azimuth, and no additional parameter pairing is needed. In addition, this method will not produce the two dimensions in the azimuth and distance. Theoretical analysis and simulation experiments show that the method effectively improves the spatial resolution and positioning accuracy.3. for the localization of broadband continuous spectral signals in the noise source, studies the location method of the near field wideband source, and proposes a localization algorithm based on the subspace positive intersection principle. The orthogonality between the signal subspace of the band component and the noise subspace of the reference band component is used to estimate the location of the noise source, and the orthogonal projection of the array manifold vector of the signal reference frequency is introduced to reduce the influence of the noise subspace estimation error on the location, and the spatial resolution is improved, and it is better under the condition of low signal to noise ratio. The algorithm is the extension of the shadow space orthogonality test algorithm under the near field condition, and the signal subspace of each band component is fully utilized. The problem that the shadow space orthogonality test algorithm is too dependent on the precision of the subspace estimation of the reference frequency signal is solved. Validity.
【學位授予單位】：哈爾濱工程大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 豐樂平;偏相干函數(shù)的簡化計算及其噪聲源識別[J];聲學學報;1991年05期

2 黨媚;;基于小波分析的汽車噪聲源識別[J];中國新通信;2010年09期

3 周敬宣;兩種識別復雜噪聲源的多輸入頻域模型[J];華中理工大學學報;1990年03期

4 高志華;賁可榮;;基于多分類支持向量數(shù)據(jù)描述的噪聲源識別研究[J];計算機科學;2012年11期

5 韓秀苓;偏相干法在識別轎車噪聲源中的應用[J];北京理工大學學報;1993年03期

6 沈u& , 韓秀苓;相干技術(shù)和噪聲源識別的實驗研究[J];電聲技術(shù);1994年12期

7 吳海平;樓京俊;劉文武;;相干噪聲源貢獻量排序分析方法[J];四川兵工學報;2012年11期

8 周長敏;唐林海;;混合噪聲中特定噪聲源定位方法研究[J];計算機仿真;2012年03期

9 嚴光洪;陳志菲;孫進才;;運動目標噪聲源識別方法[J];西北工業(yè)大學學報;2009年03期

10 劉曉娟;潘宏俠;;相干分析法在機械設(shè)備噪聲源識別中的應用[J];電子測試;2010年07期

相關(guān)會議論文 前10條

1 司春棣;陳恩利;楊紹普;王翠艷;;基于聲強法的整車表面噪聲源識別試驗研究[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文集[C];2009年

2 余桐奎;時勝國;熊草根;;層次分析法在復雜噪聲源識別中的應用[A];第十三屆船舶水下噪聲學術(shù)討論會論文集[C];2011年

3 鄧可教;儲昭坦;呂偉國;;有限焦距波束形成在汽車噪聲源識別中的應用[A];中國聲學學會2006年全國聲學學術(shù)會議論文集[C];2006年

4 司春棣;陳恩利;楊紹普;王翠艷;;基于聲陣列技術(shù)的汽車噪聲源識別試驗研究[A];第八屆全國動力學與控制學術(shù)會議論文集[C];2008年

5 余珍;王志偉;;相干/偏相干分析結(jié)果數(shù)值比較在噪聲源分析中的應用問題[A];第十一屆船舶水下噪聲學術(shù)討論會論文集[C];2007年

6 楊金才;錢凌鋒;龐劍;張亮;丁艷平;楊金榜;;氣門噪聲的小波分析方法[A];2010重慶汽車工程學會年會論文專輯[C];2010年

7 何元安;何祚鏞;;噪聲源識別中的聲場空間變換技術(shù)[A];水下噪聲學術(shù)論文選集（1985-2005）[C];2005年

8 ;我國噪聲與振動控制行業(yè)2011年發(fā)展綜述[A];中國環(huán)境保護產(chǎn)業(yè)發(fā)展報告（2011年）[C];2012年

9 沈松;應懷樵;劉進明;;基于波束形成的噪聲源識別方法的應用和比較[A];第九屆全國振動理論及應用學術(shù)會議論文摘要集[C];2007年

10 張丹玲;王德友;張生;林佳佳;;大涵道比渦扇發(fā)動機噪聲源及輻射特性研究[A];第十五屆中國科協(xié)年會第13分會場：航空發(fā)動機設(shè)計、制造與應用技術(shù)研討會論文集[C];2013年

相關(guān)重要報紙文章 前1條

1 清華大學 楊殿閣;汽車噪聲測量技術(shù)：從靜止到運動[N];中國電子報;2005年

相關(guān)博士學位論文 前9條

1 韓博;水下近場噪聲源高分辨定位方法研究[D];哈爾濱工程大學;2014年

2 孟浩東;中小功率柴油發(fā)動機振聲源識別技術(shù)研究[D];南京航空航天大學;2014年

3 孟春霞;船舶輻射噪聲源簡化模型[D];哈爾濱工程大學;2009年

4 廖力達;挖掘機用柴油機噪聲聲源識別與特性研究[D];中南大學;2012年

5 周曉華;運動噪聲源識別技術(shù)的研究[D];吉林大學;2008年

6 陳歡;直線陣潛艇噪聲源高分辨定位識別方法研究[D];哈爾濱工程大學;2011年

7 郭小霞;水下結(jié)構(gòu)輻射噪聲源快速診斷識別研究[D];哈爾濱工程大學;2012年

8 薛瑋飛;機械噪聲源辨識與特征提取的研究[D];上海交通大學;2007年

9 時潔;基于矢量陣的水下噪聲源近場高分辨定位識別方法研究[D];哈爾濱工程大學;2009年

相關(guān)碩士學位論文 前10條

1 薛昊強;汽車車身壁板振動對乘坐室內(nèi)噪聲的聲學貢獻度分析研究[D];長安大學;2015年

2 楊濤;Ⅱ級生物安全柜氣流模擬和降噪研究[D];青島理工大學;2015年

3 喬晉紅;基于偏相干分析的車內(nèi)噪聲源識別與控制研究[D];合肥工業(yè)大學;2016年

4 周東旺;基于近場聲全息的車輛噪聲源識別[D];南京航空航天大學;2016年

5 李玲;某商務車M100 NVH特性的分析與改進[D];湖南大學;2015年

6 陸地;基于EEMD-ICA-CWT的裝載機噪聲源特征識別技術(shù)研究[D];天津大學;2014年

7 豆東陽;基于相位共軛法對噪聲源進行成像和分離研究[D];大連理工大學;2016年

8 葉虹敏;基于TSVD正則化廣義逆波束形成的噪聲源識別研究[D];中國計量學院;2016年

9 李郭銳;某發(fā)動機噪聲源識別及控制[D];重慶理工大學;2016年

10 許春民;基于傳聲器陣列技術(shù)的車輛噪聲源識別方法研究[D];長安大學;2011年

，

本文編號：1910366