运动目标噪声源识别方法

文章提出了利用单线列阵确定运动目标噪声源部位和特性的方法,并提出了基于DOA解算运动目标噪声源的空间位置的方法.介绍了噪声源部位识别时MUSIC近场和相关性处理方法.数字仿真计算、消声水池模拟试验和实物试验结果表明,文中所介绍的方法是正确的.当运动目标和测试阵垂直距离小于150 m时,噪声源部位测试误差不大于0.1 m,可用于工程测试.     

由波束形成的噪声源识别方法对比研究

噪声源识别在航空航海等领域具有重要的意义。目前常用的识别算法多数是基于波束形成,一方面是由于其性能稳定,另一方面则可以在定位噪声源的同时估计其辐射强度。常规波束形成方法(CBF)的主瓣宽度较宽,不利于分辨相距较近的噪声源。近年来,基于波束形成的高分辨噪声源识别方法不断涌现,各种噪声源识别方法有其不同特点。为此,针对CBF,CLEAN,DAMAS三种算法进行分析,仿真对比这三种方法的特点,并通过外场实验验证了仿真的正确性,从而为噪声源识别中选择合适的算法提供依据。     

ARJ客机进场飞行过程的起落架噪声的实验研究

对ARJ客机降落阶段的起落架噪声进行了现场测量分析,为了将起落架噪声源与其他噪声源分开,利用了阵列信号处理技术,实验发现:ARJ飞机起落架噪声主要集中在900 Hz以下,且前、主起落架均存在强单音噪声,对起落架噪声可能的声源来源进行了分析,为起落架降噪设计提供了支持。     

宽带DOA估计的类MUSIC波束形成算法

为了提高频域波束形成的宽带波达方向估计性能,提出了类MUSIC波束形成算法(MBM,MUSIC-like Beamfomfing Method).在频域将宽带信号划分为若干窄带信号,叠加各窄带的MBM算法的空间谱后其峰值对应角度即为宽带波达方向估计结果.MBM算法的主瓣宽度在不同分析频率下基本保持不变,计算量与常规波束...     

最小残差法的方向估计

针对基于相位匹配原理的最小二乘法(LSMSPM)无法估计具有相同中心频率的窄带入射源的波达方向问题,提出了最小残差法(MRM)的方向估计方法.首先将阵列接收信号转换到频域,在中心频点处将相位匹配后的数据模型转换为估计频谱参数的线性方程组,采用加权最小二乘法解该方程组,以残差平方和的倒数作为MRM方法的方向估计算子.MRM方法提高了LSMSPM方法的方向估计性能,相同中心频率的等功率窄带双源入射时其角度分辨能力优于常规波束形成方法.     

OFDM水声通信中基于SPM原理的载波频偏估计

水声通信中由水声信道的时变性或本地振荡器失配所引起的载波频偏(CFO)非常普遍,这使得正交频分复用(OFDM)在高速通信中的应用面临严重挑战.因为CFO破坏了OFDM子载波间的正交性,产生严重的子载波间干扰(ICI),从而使得系统无法工作.针对这一问题,提出了一种基于信号相位匹配(SPM)原理的OFDM载波频偏估计方法...     

ARJ客机过顶飞行过程噪声的实验研究

对ARJ客机过顶的噪声源进行了现场实验分析。为了将飞机不同噪声源分开,利用了阵列信号处理技术,设计了多臂螺旋阵。实验发现:ARJ飞机的噪声源主要分布在发动机、起落架、襟翼、尾翼后部等位置,不同频率下,主要噪声源的组成不同,为飞机降噪工作提供了支持。     

水下高速直线运动目标的双参考源航迹估计方法研究

针对噪声源识别中水下近场高速直线运动目标的航迹估计问题,将双脉冲源方法扩展到三维空间中。该方法利用公垂线最小化,将基线定位方法估计的两个连续波脉冲参考源的定位结果投影到二维平面内,并结合已知的双参考源间距等信息构造航迹参数的目标函数,进而利用遗传算法估计三维空间内直线运动目标在各脉冲辐射时刻下的位置和航速。仿真结果表明,0 dB条件下当航向角和俯仰角均在\[-40°, 40°\]内时,其估计偏差均在3.8°以内,而正横距离和深度差的估计偏差在5.9 m以内。水库实验进一步验证了该方法的有效性。     

基于信号相位匹配原理的二维方位估计方法

提出一种基于信号相位匹配原理的二维方位估计奇异值分解算法.通过对空间虚参考点选择的说明,推导出远场条件下的时延计算公式以及基于信号相位匹配原理的奇异值分解算法公式.通过分析基元间距、信号频率以及信噪比对定向精度的影响,证实了该算法在保持尖锐指向性的前提下,可以突破压差式矢量传感器对阵元间距的严格要求,加宽工作频带,并实现低信噪比条件下的高精度二维测向.仿真结果表明:在0.8λ的基元间距下,信噪比为0dB,FFT点数大于2560时,方位角、俯仰角估计的均方根误差小于1°.     

估计声信号二维参数的免疫量子克隆算法

信号相位匹配(SPM)原理同时估计信号方位和频率两参数时,因计算量大,需设置固定的搜索步长和频带范围.针对该问题,提出了一种利用免疫量子克隆算法(IQCA)对声源波达方向和频率二维参数进行快速联合估计的高分辨方法.将SPM原理的奇异值分解(SVDSPM)判别准则作为具有双自变量(方位和频率)的适应度函数,并通过IQCA对该适应度函数进行非线性全局寻优,不仅实现了SPM的二维联合估计方法,而且加速了搜索最优参数的收敛过程.IQCA算法对SVDSPM的估计不仅提高了算法实时性,且与标准遗传算法(SGA)、免疫遗传算法(IGA)和量子进化算法(QEA)相比,大大提高了估计精度和稳定性.同时,双源估计的结果也表明本文算法在低信噪比下的性能优于MUSIC算法.