项目名称: 基于虚拟成阵技术的DIFAR浮标网络测向方法研究

项目编号: No.51209173

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 水利科学与海洋工程学科

项目作者: 陶林伟

作者单位: 西北工业大学

项目金额: 25万元

中文摘要: 单个被动定向浮标(简称DIFAR)的基阵受物理尺寸限制,等效声学孔径小,在低信噪比情况下,测向精度很差,导致DIFAR浮标网络测向精度随之降低。由于受海洋洋流等因素干扰,DIFAR网络位置是一个时变的随机量,同时各个浮标之间的距离远大于目标辐射信号的半波长,所以不能使用现有的阵列信号处理方法。本申请书试图利用虚拟成阵的理论,将DIFAR浮标网络中接收的信号映射到一个理想的虚拟阵列,利用阵列信号处理技术,并增加浮标网络接收信号的幅度差异信息,来提高低信噪比下的目标测向精度。使用虚拟阵技术,与单个浮标相比,通过增加阵的声学孔径,提高测向精度;通过增加幅度差异信息,降低噪声影响。难点和关键问题包括:最佳虚拟阵形的选择、幅度差异信息如何更好的参与测向过程、算法在不同信噪比下的稳健性、DIFAR网络位置漂移及测量误差对算法的影响等。该项目的成功实施,对不规则阵、随机阵等测向精度的改善产生积极影响。

中文关键词: DIFAR浮标;虚拟成阵;测向;目标跟踪;

英文摘要: Limited by the physical size of array, the acoustics aperture of single DIFAR is small. On condition of low signal to noise ratio, the finding accuracy is pool, which makes the accuracy of buoy networks low. Under the influence of ocean current, the location of the DIFAR network is a time-varying random variable, and the distance among each buoys is much larger than the half-wavelength of target radiation signal, whuch makes the existing array signal processing methods not feasible. This application tries to use the theory of virtual array,mapping the signals which are received by the DIFAR buoy network to an ideal virtual array. By the array signal processing technology, and the increasing of magnitude differences information of buoys network signals, the target finding accuracy is improved under high signal to noise ratio. Using the virtual array technology, the finding accuracy is improved (compared to single buoy) by the increase of acoustic aperture, and the influence of Noise is Weaken by the increase of magnitude differences. The difficulties and key point includes: the choice of Optimal virtual array, how to use magnitude differences information in finding process, robustness of the algorithm under different signal to noise ratio, the influence of location of the DIFAR network and finding error to algori

英文关键词: DIFAR sonobouy;virtual array;direction finding;target track;

成为VIP会员查看完整内容
0

相关内容

对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
专知会员服务
18+阅读 · 2021年5月16日
专知会员服务
41+阅读 · 2021年1月18日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
专知会员服务
109+阅读 · 2021年1月1日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
29+阅读 · 2020年7月31日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
【干货】CVPR 2022 | 北邮ICN&CAD实验室开启人体姿态估计新篇章
中国图象图形学学会CSIG
0+阅读 · 2022年3月31日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
TOIS'21 | 第一个基于多关系图的任务驱动GNN框架
图与推荐
0+阅读 · 2021年10月26日
ICCV 2019 | 精确的端到端的弱监督目标检测网络
AI科技评论
11+阅读 · 2019年12月9日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
深度学习中的五大正则化方法和七大优化策略
全球人工智能
11+阅读 · 2017年12月25日
国家自然科学基金
1+阅读 · 2015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
1+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
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
小贴士
相关主题
相关VIP内容
相关资讯
相关基金
国家自然科学基金
1+阅读 · 2015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
1+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
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员