本文選題：張量 + 聲矢量傳感器��； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：聲矢量傳感器是在傳統(tǒng)聲壓傳感器基礎(chǔ)上發(fā)展而成的,它由聲壓傳感器以及質(zhì)點(diǎn)振速傳感器復(fù)合而成,是一種新型的水聲測(cè)量設(shè)備。聲矢量傳感器的結(jié)構(gòu)組成決定了聲矢量傳感器既可以測(cè)量聲壓,同時(shí)還可以測(cè)量聲場(chǎng)中質(zhì)點(diǎn)振速的三維正交分量。由于接收的信息具有多維性,所以聲矢量傳感器在聲吶、雷達(dá)、導(dǎo)航定位等眾多民用與軍事領(lǐng)域均具有廣泛應(yīng)用。因此,有關(guān)聲矢量傳感器陣列信號(hào)處理方法也受到各界學(xué)者的廣泛關(guān)注。在對(duì)聲矢量傳感器陣列接收信號(hào)進(jìn)行空間信號(hào)到達(dá)方向(Direction of Arrival,DOA)估計(jì)時(shí),傳統(tǒng)處理方式是將聲矢量傳感器接收到的聲壓及振速信息排列成為長(zhǎng)矢量矩陣形式,該形式并沒有充分利用聲矢量傳感器蘊(yùn)含的多維結(jié)構(gòu)信息,因此,本文引進(jìn)了高維數(shù)組張量分析模型,建立聲矢量傳感器陣列信號(hào)張量模型,并與傳統(tǒng)的DOA估計(jì)算法結(jié)合,提出了基于張量分解的聲矢量傳感器陣列信號(hào)DOA估計(jì)方法。本文的研究工作如下:針對(duì)聲矢量傳感器陣列包含的多維結(jié)構(gòu)信息,提出了一種聲矢量傳感器陣列張量模型,并對(duì)該模型進(jìn)行推導(dǎo)。針對(duì)空間信號(hào)到達(dá)方向估計(jì)問題,提出了聲矢量傳感器陣列直接張量分解的多重信號(hào)分類(Multiple Signal Classification method,MUSIC)算法以及協(xié)方差張量分解MUSIC算法。首先,對(duì)測(cè)量張量或者測(cè)量張量的協(xié)方差張量進(jìn)行高階奇異值分解,估計(jì)張量信號(hào)子空間和張量噪聲子空間,并證明這兩種張量高階奇異值分解估計(jì)的張量信號(hào)子空間具有等效性,由于信號(hào)處理時(shí)高階奇異值分解比傳統(tǒng)矩陣奇異值分解對(duì)噪聲抑制能力更強(qiáng),所以得到的信號(hào)子空間更加準(zhǔn)確。結(jié)合傳統(tǒng)MUSIC算法給出基于張量子空間的譜估計(jì)公式,對(duì)其進(jìn)行譜峰搜索,估計(jì)聲源信號(hào)的入射角。實(shí)驗(yàn)證明基于張量分解的MUSIC算法比傳統(tǒng)長(zhǎng)矢量矩陣MUSIC算法的參數(shù)估計(jì)性能更好,說明張量能夠更好地利用多維結(jié)構(gòu)數(shù)據(jù)信息。針對(duì)MUSIC算法需要進(jìn)行譜峰搜索,具有計(jì)算量大的缺點(diǎn),選取具有相同結(jié)構(gòu)的陣元偶,采用旋轉(zhuǎn)不變技術(shù)(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT),推導(dǎo)出該陣元偶的旋轉(zhuǎn)不變因子,構(gòu)造張量r維旋轉(zhuǎn)不變方程,提出了基于聲矢量傳感器陣列的張量分解ESPRIT算法,仿真實(shí)驗(yàn)證明該算法比張量MUSIC算法具有更快的計(jì)算速度,比傳統(tǒng)聲矢量ESPRIT算法具有更高的參數(shù)估計(jì)性能。針對(duì)張量高階奇異值分解估計(jì)子空間不是最優(yōu)的問題,提出了一種基于張量最佳秩逼近的聲矢量傳感器陣列MUSIC算法。首先,求解測(cè)量張量的最佳秩逼近張量,得到張量信號(hào)子空間,并結(jié)合傳統(tǒng)MUSIC算法對(duì)聲源的入射角進(jìn)行估計(jì)。實(shí)驗(yàn)證明,基于張量最佳秩逼近聲矢量傳感器陣列參數(shù)估計(jì)算法比基于高階奇異值分解算法的估計(jì)精度更高,參數(shù)估計(jì)性能更好。將矩陣實(shí)值ESPRIT算法擴(kuò)展到張量情況,提出基于張量最佳秩逼近的聲矢量傳感器陣列酉ESPRIT(Unitary-ESPRIT)算法。首先,對(duì)測(cè)量張量進(jìn)行雙向平滑處理,然后對(duì)得到的復(fù)張量進(jìn)行變換得到實(shí)數(shù)張量,利用張量最佳秩逼近算法,得到實(shí)數(shù)張量的信號(hào)子空間,構(gòu)造選擇矩陣和旋轉(zhuǎn)因子,對(duì)入射角進(jìn)行估計(jì)。實(shí)驗(yàn)證明,與傳統(tǒng)Unitary-ESPRIT算法相比,該算法有更高的參數(shù)估計(jì)性能。
[Abstract]:Acoustic vector sensor is developed on the basis of the traditional sound pressure sensor. It is composed of sound pressure sensor and particle vibration speed sensor. It is a new type of underwater acoustic measurement equipment. The structure of acoustic vector sensor determines that acoustic vector sensor can not only measure sound pressure, but also measure the velocity of the vibration of the particle in the sound field by three Since the received information is multidimensional, the acoustic vector sensor is widely used in many civil and military fields, such as sonar, radar, navigation and positioning. Therefore, the signal processing method of acoustic vector sensor array is also widely used by scholars from all walks of life. When the Direction of Arrival (DOA) is estimated, the traditional way is to arrange the sound pressure and speed information received by the acoustic vector sensor into a long vector matrix form. This form does not make full use of the multi-dimensional structure information contained in the acoustic vector sensor. Therefore, the high dimension array tensor analysis model is introduced in this paper. A tensor model of acoustic vector sensor array signal is established and combined with the traditional DOA estimation algorithm, a DOA estimation method for acoustic vector sensor array signal based on tensor decomposition is proposed. The research work of this paper is as follows: a tensor model of acoustic vector sensor array is proposed in view of the multi-dimensional structure information contained in the acoustic vector sensor array. In order to estimate the direction of arrival of space signals, the multiple signal classification (Multiple Signal Classification method, MUSIC) algorithm and covariance tensor decomposition MUSIC algorithm for the direct tensor decomposition of the acoustic vector sensor array are proposed. First, the covariance tensor of measurement tensor or measurement tensor is carried out. The high order singular value decomposition (SVD) is used to estimate the tensor signal subspace and tensor noise subspace. It is proved that the tensor signal subspace of the two tensor singular value decomposition estimation is equivalent. Because the high order singular value decomposition is more powerful than the traditional singular value decomposition, the signal subspace is better. Combined with the traditional MUSIC algorithm, the spectral estimation formula based on the quantum space is given, the spectrum peak is searched and the incidence angle of the source signal is estimated. The experiment shows that the MUSIC algorithm based on tensor decomposition is better than the traditional long vector matrix MUSIC algorithm. It shows that the tensor can make better use of the multi-dimensional structure data information. In view of the need for the MUSIC algorithm to search for peak spectrum, with the disadvantage of large computational complexity, the array element with the same structure is selected and the rotation invariant (Estimating Signal Parameters via Rotational Invariance Techniques, ESPRIT) is used to derive the rotation invariant factor of the array element pair, and a tensor R dimension rotation invariant equation is constructed, and a base is proposed. In the tensor decomposition ESPRIT algorithm of acoustic vector sensor array, the simulation experiment shows that the algorithm has faster computation speed than the tensor MUSIC algorithm and has a higher parameter estimation performance than the traditional sound vector ESPRIT algorithm. MUSIC algorithm for the rank approximation of acoustic vector sensor array. First, the best rank approximation tensor of the measurement tensor is solved. The tensor signal subspace is obtained, and the incidence angle of the sound source is estimated with the traditional MUSIC algorithm. The experiment shows that the estimation algorithm based on the tensor best rank approximation for the array parameter estimation of the acoustic vector sensor is based on the higher order singular value decomposition The estimation accuracy of the algorithm is higher and the performance of the parameter estimation is better. The ESPRIT algorithm is extended to the tensor condition and the unitary ESPRIT (Unitary-ESPRIT) algorithm based on the best rank approximation of tensor is proposed. First, the measurement tensor is processed by two-way smoothing, and the real tensor is obtained by changing the obtained complex tensor. By using the tensor best rank approximation algorithm, the signal subspace of real number tensor is obtained, the selection matrix and rotation factor are constructed and the incidence angle is estimated. The experiment shows that the algorithm has higher parameter estimation performance compared with the traditional Unitary-ESPRIT algorithm.

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN911.7;TP212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊士莪;單矢量傳感器多目標(biāo)分辨的一種方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2003年06期

2 馬敬廣,劉建濤;矢量傳感器的工程應(yīng)用[J];聲學(xué)與電子工程;2004年02期

3 陳洪娟,楊士莪,王智元,洪連進(jìn);同振式矢量傳感器設(shè)計(jì)方法的研究[J];聲學(xué)技術(shù);2005年02期

4 王蘭美;廖桂生;王洪洋;;矢量傳感器增益校正與補(bǔ)償[J];電波科學(xué)學(xué)報(bào);2005年05期

5 楊偉;張福金;鄭澤龍;;關(guān)于矢量傳感器的實(shí)驗(yàn)研究分析[J];電子制作;2013年09期

6 江南,黃建國(guó),馮西安,管靜;基于水聲矢量傳感器陣的波達(dá)方向估計(jì)[J];貴州科學(xué);2002年04期

7 劉國(guó)勤,賀雯;聲矢量傳感器性能分析及應(yīng)用[J];艦船電子工程;2003年05期

8 熊維族,葉中付;利用電磁矢量傳感器估計(jì)分布源三維到達(dá)角[J];電路與系統(tǒng)學(xué)報(bào);2004年04期

9 孫貴青,李啟虎;聲矢量傳感器研究進(jìn)展[J];聲學(xué)學(xué)報(bào);2004年06期

10 孫貴青,李啟虎;聲矢量傳感器信號(hào)處理[J];聲學(xué)學(xué)報(bào);2004年06期

相關(guān)會(huì)議論文 前10條

1 韓晶;周祖華;張學(xué)剛;范琳;胡浩浩;;并矢量傳感器空間濾波特性試驗(yàn)研究[A];2009年全國(guó)水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

2 張國(guó)鋒;程廣福;張家為;;基于矢量傳感器的弱信號(hào)檢測(cè)技術(shù)[A];第十三屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2011年

3 李曉鵬;劉志文;曹金亮;;殘缺矢量傳感器線極化信號(hào)測(cè)向性能研究[A];全國(guó)第一屆信號(hào)處理學(xué)術(shù)會(huì)議暨中國(guó)高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理分會(huì)籌備工作委員會(huì)第三次工作會(huì)議�？痆C];2007年

4 徐敏;方世良;;減小噪聲影響的矢量傳感器定向方法研究[A];2004年全國(guó)物理聲學(xué)會(huì)議論文集[C];2004年

5 孟洪;趙海潮;王澤民;;基于矢量傳感器的簡(jiǎn)易被動(dòng)定向浮標(biāo)[A];中國(guó)聲學(xué)學(xué)會(huì)2006年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 蔡宗義;許學(xué)忠;董明榮;李家武;;聲矢量傳感器指向性的實(shí)驗(yàn)研究[A];2012'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

7 張家為;余珍;;矢量傳感器的指向性及其信號(hào)處理技術(shù)研究[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

8 生雪莉;郭龍祥;梁國(guó)龍;;球形軟障板矢量傳感器指向性研究[A];中國(guó)聲學(xué)學(xué)會(huì)2002年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2002年

9 王郁;房克家;劉文帥;;矢量傳感器校準(zhǔn)方法研究[A];第十屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2005年

10 王志偉;劉文帥;劉雨東;;矢量傳感器抑制混響干擾能力分析[A];第十屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 呂錢浩;矢量傳感器陣列技術(shù)研究[D];哈爾濱工程大學(xué);2004年

2 趙羽;矢量陣陣處理研究[D];哈爾濱工程大學(xué);2004年

3 嵇建飛;聲障板對(duì)矢量傳感器指向性的影響研究[D];哈爾濱工程大學(xué);2012年

4 姚愛紅;聲矢量傳感器信號(hào)處理技術(shù)研究[D];哈爾濱工程大學(xué);2005年

5 白興宇;基于聯(lián)合信息處理的聲矢量陣測(cè)向技術(shù)[D];哈爾濱工程大學(xué);2006年

6 王大宇;矢量傳感器在水聲通信中的應(yīng)用研究[D];哈爾濱工程大學(xué);2010年

7 張鍇;基于聲矢量傳感器的空間譜估計(jì)算法研究[D];哈爾濱工程大學(xué);2012年

8 陳新華;矢量陣信號(hào)處理技術(shù)研究[D];哈爾濱工程大學(xué);2004年

9 鄭桂妹;電磁矢量傳感器陣列的角度估計(jì)及其在MIMO雷達(dá)中的應(yīng)用[D];西安電子科技大學(xué);2014年

10 Elhafiz Abdalla Bakhit Yagoup;[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王郁;矢量傳感器校準(zhǔn)裝置系統(tǒng)研究[D];哈爾濱工程大學(xué);2009年

2 苗曉楠;矢量傳感器在信道特性研究中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

3 沈駿元;基于聲矢量傳感器陣列的DOA估計(jì)[D];哈爾濱工業(yè)大學(xué);2014年

4 施麗麗;基于聲矢量傳感器的OFDM多普勒補(bǔ)償研究[D];哈爾濱工業(yè)大學(xué);2015年

5 謝洪超;基于電磁矢量傳感器的雙基地MIMO雷達(dá)目標(biāo)參數(shù)估計(jì)方法研究[D];吉林大學(xué);2016年

6 趙泳強(qiáng);雙頻干涉型光纖激光聲矢量傳感器的指向性特性研究[D];暨南大學(xué);2016年

7 韓晶;基于矢量傳感器陣列的定位方法研究[D];中北大學(xué);2017年

8 樊帆;基于張量分解的聲矢量傳感器陣列信號(hào)處理方法研究[D];吉林大學(xué);2017年

9 何文翔;矢量傳感器多普勒定位研究[D];哈爾濱工程大學(xué);2010年

10 游娜;電磁矢量傳感器取向誤差校正和干擾抑制研究[D];西安電子科技大學(xué);2011年

，

本文編號(hào)：1858158