首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   1篇
物理学   5篇
  1997年   1篇
  1994年   1篇
  1993年   1篇
  1992年   2篇
排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
一种改善MVDR波束形成性能的方法   总被引:1,自引:1,他引:0  
最小方差信号无畸变响应(MVDR)波束形成具有最佳的信号保护、干扰消除和噪声降低能力,即信号/(干扰+噪声)比增益最大,它的能量输出作为一种波数谱(方位)估计器,其估计精度或分辨力受着声场信噪比因素的限制.本文提出一种新的改进MVDR波束形成方位分辨力的方法,它可以调节这种波束形成器权向量中的增强因子(等价于改善声场的信噪比条件),从而改进其方位分辨能力,并且不以牺牲信号/(干扰+噪声)比增益为代价。  相似文献   
3.
本文补充前一篇文章"一种改善MVDR波束形成性能的方法"计算机模拟结果。模拟实验表明:只要适当地设计波束形成器加权向量中的增强因子,就能够提高目标的方位估计精度和分辨力,并且不损失信噪比增益。从统一考虑信号检测和方位估计的观点看来,这种波束形成方法最适用于信号的基阵处理。  相似文献   
4.
基阵处理是对空间传播波所载信息的处理。在实际水声环境中,信号波阵面在随机时变介质中传播,常常出现空间解相关,导致波向量谱以真正的信号到达方向(DOA)为中心的角扩展。本文论述了这种带有角扩展的所谓广义指向性信号的基阵处理,并就这种信号模型在能量意义上实现了信号匹配。本文还给出了广义指向性信号模型的计算机模拟方法,同时给出了一些计算机模拟的结果和新安江水库实验数据。  相似文献   
5.
Pi-Sigma网络在水声目标分类中的应用   总被引:4,自引:0,他引:4  
长期以来,由于受许多因素的影响,使得水声目标的分类已成为一个十分困难的问题。现在,随着人工神经网络技术的发展,众多的研究人员已经致力于基于人工神经网络的水声目标分类的研究.本文介绍了一种高阶神经网络即Pi-Sigma网络,研究了它的两种学习算法(基于梯度下降法和共轭梯度法的学习算法),并将Pi-Sigma网络用于水声目标辐射噪声的分类。和多层感知器(MLP)网相比,Pi-Sigma网络具有结构简单、收敛速度快及存储量少等优点。Pi-Sigma网络分类器的输入为一个常Q带通滤波器组作特征提取形成的特征向量。对不同类别的实际水声数据的分类结果表明取得了令人满意的分类正确率(达到或超过了95%)。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号