【摘 要】
：
线谱信号检测技术一直是水声领域的研究热点。针对水声线谱信号的被动检测问题，本文研究了自适应线谱检测方法和LOFAR图线谱检测方法。 自适应线谱检测方法是水声信号处理
论文部分内容阅读
线谱信号检测技术一直是水声领域的研究热点。针对水声线谱信号的被动检测问题，本文研究了自适应线谱检测方法和LOFAR图线谱检测方法。 自适应线谱检测方法是水声信号处理中广泛使用的一类方法。本文首先总结了各种自适应线谱检测理论，并对比分析了各种自适应算法的特点。前人研究中，多采用全带宽信噪比评价自适应算法的信噪比性能。本文对比了谱级信噪比和全带宽信噪比在评价自适应线谱检测方法性能上的区别。对比研究表明，谱级信噪比更为准确、直接地决定自适应线谱检测方法的检测性能。进一步基于谱级信噪比对几种自适应线谱检测方法性能开展对比研究表明，自适应线谱检测方法只可处理谱级信噪比较高的信号，且具有短时处理能力强、高精度高分辨率频率估计特性。初步得到一些谱级信噪比相关定量结果。 针对LOFAR图中线谱信号检测问题，根据线谱信号特征设计特征函数，提出一种改进的线谱检测方法——频域滑动窗线谱特征累积检测方法。该方法在LOFAR图中设置矩形观察窗，观察窗沿频率轴步进移动。观察窗每移动一步，用多步决策算法计算观察窗内的最优解——线谱特征函数值，得到相应最优路径。如最优路径特征值大于由全噪声LOFAR图计算得到的特征值门限，则最优路径经过的每个LOFAR图像素点计数加1。观察窗沿频率轴步进移动完成后，LOFAR图中计数次数越多的像素点为线谱点的概率越大。研究表明，频域滑动窗线谱特征累积检测方法对频率时变、低信噪比的多根线谱信号具有良好的检测和增强能力。海试数据处理结果证明了该方法的可行性和稳健性。本文对自适应线谱检测方法和LOFAR图线谱检测法等各种线谱检测方法进一步进行了对比研究，自适应线谱检测方法和LOFAR图线谱检测法各有特色，线谱检测时可综合使用本文方法和自适应线谱检测方法，以满足不同的需求。文末对进一步研究工作进行了展望。
其他文献
合成孔径雷达(Synthetic Aperture Radar，SAR)是全球范围内持续观测海浪的唯一途径。然而，SAR对海浪的观测容易受到斑点噪声，方位向高波数截断，以及海浪传播方向180°模糊的限制
随着我国航天事业的发展,先进传感器技术、高速数据传输技术得到了飞速发展,下行的遥感数据也以几何量级的方式快速增长。由于遥感数据的数据量十分庞大,特别是对于不同来源
运动估计技术在视频压缩算法中扮演着重要的角色，它是消除帧间冗余度，提高编码效率的关键技术之一。但是传统的全搜索算法需要对搜索窗内每个点计算匹配误差，极大的增加了编码器
花卉业是现代农业的一部分,随着社会物质和精神生活水平的提高,人们对花卉的需求日益增加,对花卉质量的要求也越来越高。在我国,大多数的观赏植物均采用常规方法繁殖,如种子繁殖、扦插等方法,繁殖系数低、苗木质量差、繁殖周期长、品种推广慢,且受季节和自然发育的限制,严重阻碍了花卉业在我国的迅速发展。植物组织培养技术具有独特的优势,不仅能够快速繁殖一些优良品种并进行脱毒,而且为定向改良花卉的某个目标性状提供了
在酸性矿水(AMD)微生物中目前研究得最多的是Acidithiobacillusferrooxidans和Leptospirillum ferrooxidans菌，研究认为它们是氧化细菌，能够催化亚铁离子的氧化，因此被认为能够
请下载后查看，本文暂不支持在线获取查看简介。
Please download to view, this article does not support online access to view profile.
高灵敏度激光三维成像探测是利用激光器设备,通过发射大功率,窄脉冲激光去照射探测目标,并由高灵敏度探测器接收目标回波信号,最终获得目标信息的一种先进光电探测技术。三维
植物病害一直严重威胁着农业生产,生防微生物的应用是植物病虫害综合治理的重要手段,是保护生态环境,实现农业可持续发展的有力保证。角毛壳菌(Chaetomium cupreum)作为一种
信息技术的飞速发展为人类带来了极大的便利和无限的可能性，移动互联网、智能手机、智能穿戴设备这些新技术在改善人类生活的同时不可避免的带来了移动数据量的爆炸以及对移动