项目名称: 水声信道平稳/时变混合多径模型及估计方法研究

项目编号: No.11274259

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 童峰

作者单位: 厦门大学

项目金额: 86万元

中文摘要: 由于海洋水声信道复杂的多径扩展和时变性对声传播带来的严重影响,准确、高效地获取信道特性是分析和设计水声通信、声纳系统的基础和重要研究前沿。针对水声信道中多径的时变及结构分布特点,本项目将围绕以下两个方面展开研究。 首先,根据声传播机理导致的信道多径动态特性不同,提出平稳/时变混合多径模型进行多径分量的分解,研究通过多径信道稀疏、时变特征的高效表征提高模型的结构和动态适配性,并对该模型描述水声信道的有效性进行充分验证;同时,研究模型中平稳、时变多径分量的针对性估计方法,特别是基于模型分解后分量解空间维数的下降,探索采用支持向量机的小样本动态学习能力解决时变分量的快速、低复杂度估计。在此基础上设计高效、稳健的水声信道平稳/时变混合多径估计方法。 通过上述研究中取得理论和关键技术的创新和突破,探索为水声信道特性的高效获取与匹配开辟新的途径,对高性能水声通信及探测系统的研究有积极意义。

中文关键词: 水声信道;迭代优化;稀疏恢复;近似范数;混合多径

英文摘要: Due to significant impacts on sound propagation from complicated multi-path spread and time variations of underwater acoustic (UWA) channels, accurate, efficient and robust estimation of UWA channels is important basis and frontier in research and design of UWA communication and sonar systems. Considering time-varying and structural features of UWA channels, the present research will focus on the following aspects. Firstly, according to different dynamic features caused by sound propagation mechanism, a novel hybrid stationary/time-varying multipath model is proposed to enable the exploitation of the sparisity as well as dynamic features of UWA channels to improve the structural-dynamic match with practical cases. The effectiveness and channel adaptability of the proposed model will be comprehensively verified. Secondly, the estimation methods that can adapt to the features of stationary components as well as time varying components will be developed respectively. Specifically, under the model decomposition, decreasing dimension of parameter space associated with time varying components makes it possible to exploit the excellent performance of support vector machine (SVM) to develop fast convergence, low complexity estimation algorithm for time varying multipath components. Finally a high efficiency, robust UW

英文关键词: underwater acoustic channel;recursive optimization;sparse recovery;approximated norm;hybrid multipath

成为VIP会员查看完整内容
0

相关内容

专知会员服务
48+阅读 · 2021年8月29日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
51+阅读 · 2020年12月19日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
专知会员服务
31+阅读 · 2020年10月13日
语音识别的快速纠错模型FastCorrect系列来了!
微软研究院AI头条
1+阅读 · 2022年3月22日
清华大学:从单体仿生到群体智能
专知
16+阅读 · 2022年2月9日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
超越快手腾讯!度小满NLP模型登顶CLUE榜首
新智元
0+阅读 · 2021年12月17日
今年听次数最多的一首歌是?
ZEALER订阅号
0+阅读 · 2021年12月1日
已删除
将门创投
12+阅读 · 2019年7月1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
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
国家自然科学基金
0+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
2+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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Chinese Idiom Paraphrasing
Arxiv
0+阅读 · 2022年4月15日
Challenges for Open-domain Targeted Sentiment Analysis
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
Arxiv
13+阅读 · 2020年4月12日
小贴士
相关VIP内容
专知会员服务
48+阅读 · 2021年8月29日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
51+阅读 · 2020年12月19日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
专知会员服务
31+阅读 · 2020年10月13日
相关资讯
语音识别的快速纠错模型FastCorrect系列来了!
微软研究院AI头条
1+阅读 · 2022年3月22日
清华大学:从单体仿生到群体智能
专知
16+阅读 · 2022年2月9日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
超越快手腾讯!度小满NLP模型登顶CLUE榜首
新智元
0+阅读 · 2021年12月17日
今年听次数最多的一首歌是?
ZEALER订阅号
0+阅读 · 2021年12月1日
已删除
将门创投
12+阅读 · 2019年7月1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
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
相关基金
国家自然科学基金
0+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
2+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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员