• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Radar, Sonar & Navigation, IET >Passive acoustic localisation using blind Gauss-Markov estimate with spectral estimation at each sensor
【24h】

Passive acoustic localisation using blind Gauss-Markov estimate with spectral estimation at each sensor

机译：使用盲高斯-马尔可夫估计和每个传感器的频谱估计进行无源声定位

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Time-delay estimation has essential applications in the field of radar, sonar and robotics. For a very distant source, timedelay vector estimation across an M-sensor array is realised using the generalised cross-correlation (GCC) function and the estimates combined with their covariance matrix, expressed in terms of a priori known signal and noise spectra, to yield a linear minimum variance unbiased estimator, known as the Gauss??Markov Estimate. In the absence of a priori information, spectral estimation has to be done at one of the sensors. For close range sources, the use of amplitude attenuation information across the array will improve this estimate further. This study presents a new amplitude information related Gauss??Markov estimate, which calculates the power spectral density (PSD) at all the sensors of the array and gives more accurate time delay estimates in terms of the mean-square error when compared to the earlier constant amplitude-based technique using the PSD at the closest sensor. The performance has been evaluated against signal-to-noise ratio for varying distance of a source from the receiving array. The results have been verified by simulations and experiments for a two-dimensional source localisation problem.
机译：时延估计在雷达，声纳和机器人技术领域具有重要的应用。对于一个非常遥远的源，使用广义互相关（GCC）函数，并结合其协方差矩阵（以先验已知信号和噪声频谱表示），可以实现M传感器阵列上的时延矢量估计，从而得出线性最小方差无偏估计量，称为高斯马尔可夫估计。在没有先验信息的情况下，必须在传感器之一处进行光谱估计。对于近距离源，在整个阵列上使用幅度衰减信息将进一步改善这一估计。这项研究提出了一种新的振幅信息相关的高斯·马尔可夫估计，该估计可计算阵列所有传感器的功率谱密度（PSD），并且与之前的均方误差相比，可以提供更准确的均方误差估计在最近的传感器上使用PSD的基于恒定幅度的技术。针对信源与接收阵列的距离变化，针对信噪比评估了性能。通过二维源定位问题的仿真和实验验证了结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号