排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
针对海洋中存在的强干扰和环境噪声导致水下目标方位估计算法性能剧烈下降的问题,提出了一种子空间判决分析的强干扰抑制方法 (SSJ),可实现多个强干扰下的目标方位估计。根据常规波束形成粗估的目标角度区间,利用目标-干扰-噪声子空间与导向矢量的相关性,设置判决项和估计合适的判决阈值来分离和抑制样本协方差矩阵中的非目标信息,降低干扰和噪声的输出功率,同时提高输出信干噪比,为增强阵列的目标方位分辨能力提供方法支撑。仿真和海试数据处理结果显示,SSJ方法可抑制目标角度区间外的强干扰和噪声,明显降低了干扰的输出功率和目标主瓣附近的旁瓣级,提高了目标方位角度的分辨力。相比于现有的子空间干扰抑制方法,所提方法具有更加稳健的干扰抑制能力。 相似文献
2.
3月26日,英特尔宣布将投资25亿美元在中国大连建立一个晶圆厂。新工厂将采用世界最先进的300毫米晶圆生产技术。此次英特尔晶圆厂落户大连,不但是英特尔在中国市场的最大一笔投资,也是英特尔在东亚的第一个晶圆工厂。 相似文献
3.
4.
5.
水下声源被动测距基于接收数据中声源辐射的声压信号,通过特定方法在空域中搜索声源位置参数,是一个参数估计问题。对于参数估计问题,机器学习方法通常将其转化为分类问题,相比于传统匹配场处理(MFP)具有更准确的估计能力,并且无需先验的声场环境信息。但当训练数据和测试数据的概率密度函数服从不同的分布或者训练数据严重不足时,传统机器学习方法下的分类器预测效果通常较差。因此,该文提出基于联合分布适配(JDA)的水下声源测距算法,该算法使用JDA寻找恰当的变换矩阵进行数据映射,从而减小不同数据域间分布差异,实现源域到目标域的迁移。对经过JDA后数据进行实验的结果表明,JDA可以有效降低在不同时间和不同方位的水声场中获取航迹数据之间的差异,使得基于源域训练的分类器对目标域预测结果的均方根误差(RMSE)和平均绝对误差(MAE)降低了超过30%,从而实现对声源更准确的距离估计。 相似文献
1