جهت یابی منابع همبسته آکوستیکی با آرایه خطی تودرتو بر مبنای حل اسپارس
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 392
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PADSA-8-1_009
تاریخ نمایه سازی: 19 مرداد 1399
چکیده مقاله:
جهت یابی منابع آکوستیکی در بسیار از کاربردهای صنعتی و نظامی از اهمیت ویژهای برخوردار است. الگوریتم های زیادی تاکنون برای حل این مساله پیشنهاد شدهاند اما شرایط گوناگون و پیچیده ای که محیط واقعی به فرضیات مساله اعمال مینماید باعث شده که همچنان در برخی شرایط، راه حلی برای جهت یابی منابع آکوستیکی به صورت پایدار و بادقت دلخواه وجود نداشته باشد یکی از این موارد، یافتن جهت منابع آکوستیکی، در محیط های پرانعکاس مانند آب های کم عمق دریا است. در این شرایط منابع مجازی زیادی به وجود میآیندکه در واقع کپی منابع مستقل بوده و قابل شناسایی و حذف نیستند. زمانی که تعداد این انعکاس ها از تعداد حسگرهای آرایه بیشتر شود، فرضیات روش های مرسوم جهتیابی، اقناع نشده و قابل به کارگیری نمیباشند. در این شرایط با مساله تعداد منابع، بیشتر از تعداد حسگرها (فرومعین)، روبرو هستیم. یک ایده مهم برای مقابله با این تاثیر چند مسیرگی، افزایش درجه آزادی آرایه سوناری است که می تواند بر مبنای آرایه های اسپارس حل شود. در واقع با به کارگیری آرایه MRA تعداد حسگرهای آرایه واقعی، به طور مجازی افزایش یافت به طوری که مساله به شرایط عادی (فرامعین) برگردد در این ایده ماتریس منیفولد آرایه طوری اصلاح گردید که متناسب با آرایه های غیریکنواخت اسپارس باشد. شبیه سازیها به خوبی عملکرد الگوریتم را در حضور منابع همبسته، قابلیت های تفکیک زاویه ای و میزان خطای کمتر را تایید می نماید به طوری که با 6 حسگر واقعی در آرایه، الگوریتم توانست 12 منبع اعم از همبسته و مستقل را جهت یابی کند در عین حال روش ارائه شده از روش های مقایسه شده بهتر بوده و بسیار به حد CRLB نزدیک می شود.
کلیدواژه ها:
نویسندگان
عباس اسدزاده
دانشجوی دکتری، دانشگاه جامع امام حسین(ع)
سید محمد علوی
دانشیار، دانشگاه جامع امام حسین(ع)
محمود کریمی
استاد، دانشگاه شیراز
هادی امیری
استادیار، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :