项目名称: 矢量水听器阵列浅海目标方位距离稳健联合估计

项目编号: No.U1204611

项目类型: 联合基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 金勇

作者单位: 河南大学

项目金额: 30万元

中文摘要: 矢量水听器阵列目标方位、距离稳健联合估计是矢量水听器研究的重要方向之一,相对于常规复矩阵处理方法,张量代数和多元数方法在描述阵列输出局部特性和整体多维特征方面具有一定优势,但浅海噪声背景下的矢量水听器阵列输出张量建模,小样本、流型扰动条件下稳健空间增益获取,目标距离、方位联合估计高效方法等关键技术亟待解决。本项目拟利用张量代数和波动方程建立浅海噪声背景下的矢量水听器阵列输出模型,探索采用方位依赖性内插矩阵技术的小样本、流型扰动条件下阵列输出张量的校正方法,并在此基础上研究基于线性收缩估计和序列迭代半正定规划理论的阵列输出张量波束形成方法,以获取稳健空间增益;进而采用MCMC(马尔科夫链蒙特卡洛)和张量切片方法调和目标方位、距离联合估计精度和运算效率之间的矛盾。最后,通过水池实验对算法进行验证和完善。

中文关键词: 水下目标;矢量水听器;方位估计;跟踪;波束形成

英文摘要: The joint estimation of target azimuth and range based on vector hydrophone array is one of the important research areas of the vector hydrophone. Compared with the conventional complex matrix approach, the tensor algebra and multi-nion method has certain advantages in describing the local characteristics and the overall multi-dimensional characteristics of the array output. To implement such methods, however, a lot of key problems need to be solved such as the output tensor modeling in the context of shallow ocean noise, robust spatial gain capturing in view of small samples and array manifold disturbances, developing efficient methods for the joint estimation of target ranges and azimuths etc.In this proposal, first the tensor algebra and the wave equation are planned to be used to establish the vector hydrophone array output model based on the shallow ocean noise model, then the array output tensor calibration method adopting azimuth-dependent interpolation matrix technology in the context of small samples and array manifold disturbances is to be explored, next the array output tensor beamforming methods based on linear shrinkage estimation and serial iterative semi-definite programming theory are to be studied to obtain robust spatial gain, next the MCMC (Markov chain Monte Carlo) and tensor slice method are

英文关键词: underwater target;acoustic vector sensor;DOA eatimation;tracking;beamforming

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
专知会员服务
25+阅读 · 2021年9月9日
专知会员服务
21+阅读 · 2021年7月14日
专知会员服务
40+阅读 · 2021年7月5日
专知会员服务
42+阅读 · 2021年7月1日
专知会员服务
81+阅读 · 2021年5月10日
专知会员服务
42+阅读 · 2021年2月8日
【AAAI2021-斯坦福】身份感知的图神经网络
专知会员服务
38+阅读 · 2021年1月27日
专知会员服务
44+阅读 · 2020年9月3日
NeurIPS21 || 矢量量化的VQ-GNN
图与推荐
0+阅读 · 2021年12月3日
论文浅尝 | 时序与因果关系联合推理
开放知识图谱
35+阅读 · 2019年6月23日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
64+阅读 · 2021年6月18日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
30+阅读 · 2019年3月13日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
专知会员服务
25+阅读 · 2021年9月9日
专知会员服务
21+阅读 · 2021年7月14日
专知会员服务
40+阅读 · 2021年7月5日
专知会员服务
42+阅读 · 2021年7月1日
专知会员服务
81+阅读 · 2021年5月10日
专知会员服务
42+阅读 · 2021年2月8日
【AAAI2021-斯坦福】身份感知的图神经网络
专知会员服务
38+阅读 · 2021年1月27日
专知会员服务
44+阅读 · 2020年9月3日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
64+阅读 · 2021年6月18日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
30+阅读 · 2019年3月13日
微信扫码咨询专知VIP会员