Quantitative assessment of the effectiveness of adaptive spatial processing algorithms in searching for low-noise underwater vehicles in surface shipping conditions of different density

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

The article describes the methodology and provides the results of a model quantitative assessment of the effectiveness of solving the problem of detecting and tracking a low-noise underwater object using three algorithms for spatial signal processing at the output of a multi-element antenna — the non-adaptive Bartlett algorithm, the Capon algorithm, and the Capon algorithm combined with a projection procedure limiting the signal power of strong local sources.

Авторлар туралы

A. Mashoshin

JSC "Concern" Central Research Institute "Electropribor"

Хат алмасуға жауапты Автор.
Email: aimashoshin@mail.ru
Ресей, st. Malaya Posadskaya 30, St. Petersburg, 197046

V. Melkanovich

JSC "Concern" Central Research Institute "Electropribor"

Email: aimashoshin@mail.ru
Ресей, st. Malaya Posadskaya 30, St. Petersburg, 197046

Әдебиет тізімі

  1. Burg J.P. Maximum Entropy Spectral Analysis // Proc. 37th meeting Soc. Explor. Geophysics. 1967.
  2. Anderson V.C., Rudnick P. Rejection of a coherent arrival at an array // J. Acoust. Soc. Am. 1969. V. 45. № 2.
  3. Capon J. High Resolution Frequency-Wavenumber Spectral Analysis // Proc. IEEE. 1969. V. 57. P. 1408−1418.
  4. Frost O.L. An Algorithm for Linearly Constrained Adaptive Array Processing // Proc. IEEE. 1972. V. 60. № 8. P. 926−935.
  5. Bienvenu G. Influence of the spatial Coherence of the Background Noise on High Resolution Passive Methods // Proc IEEE ICASSP. 1979. P. 306–309.
  6. Сазонтов А.Г. Локализация источника в переменном по трассе волноводе в условиях неполной информации о пространственной изменчивости среды распространения // Акуст. журн. 2022. Т. 68. № 6. С. 689−696.
  7. Gray D.A. Formulation of The Maximum Signal to Noise Array in Beam Space // J. Acoust. Soc. Am. 1982. V. 72. № 14. P. 1195−1201.
  8. Малеханов А.И., Смирнов И.П. Пространственная обработка акустических сигналов в каналах мелкого моря в условиях априорной неопределенности: оценки потерь эффективности // Акуст. журн. 2022. Т. 68. № 4. С. 427−439.
  9. Ильин И.М. Оптимизация обработки сигналов на выходе сформированного веера характеристик направленности // Вопросы судостроения. Серия «Общетехническая». 1984. Вып. 75. С. 49–54.
  10. Schmidt R.O. Multiple emitter location and signal parameter estimation // IEEE Trans. 1986. V. AP-34. № 3. P. 276–280.
  11. Раевский М.А., Бурдуковская В.Г. Пространствен-ная обработка акустических сигналов в океани-ческих волноводах на фоне шумов ветрового происхождения // Акуст. журн. 2023. Т. 69. № 1. С. 73−83.
  12. Gershman A.B. Robust Adaptive Beamforming in Sesor Arrays // Int. Journ. Electronics and Communications. 1999. V. 53. P. 305–314.
  13. Монзинго Р.А., Миллер Т.У. Адаптивные антенные решетки. Введение в теорию. М., 1986, 446 с.
  14. Krim H., Viberg M. Two decades of array signal processing research // IEEE Signal Processing Magazine. 1996. № 7. P. 67–95.
  15. Van Trees H.L. Optimum Array Processing: Part IV. Detection, Estimation, and Modulation Theory. Wiley Interscience, 2002. P. 1470.
  16. Малышкин Г.С. Оптимальные и адаптивные методы обработки гидроакустических сигналов. Т. 2. Адаптивные методы. ОАО "Концерн "ЦНИИ "Электроприбор", 2011. 374 с.
  17. Малышкин Г.С., Сидельников Г.Б. Оптимальные и адаптивные методы обработки гидроакустических сигналов (обзор) // Акуст. журн. 2014. Т. 60. № 5. С. 526–545.
  18. Ратынский М.В. Адаптация и сверхразрешение в антенных решетках. М.: Радиоисвязь, 2004. 199 с.
  19. Малышкин Г.С., Шафранюк А.В. Адаптивное разрешение широкополосных гидроакустических сигналов с частично нарушенной когерентной структурой // Акуст. журн. 2013. Т. 59. № 5. С. 613–629.
  20. Малышкин Г.С., Кузнецова А.С., Сидельников Г.Б. Обнаружение слабых гидроакустических сигналов на основе быстрых проекционных алгоритмов. // Акуст. журн. 2016. Т. 62. № 2. С. 237−246.
  21. Малышкин Г.С. Сравнительная эффективность классических и быстрых проекционных алгоритмов при разрешении слабых гидроакустических сигналов // Акуст. журн. 2017. Т. 63. № 2. С. 196−208.
  22. Малышкин Г.С. Экспериментальная проверка эффективности быстрых проекционных алгоритмов // Акуст. журн. 2019. Т. 65. № 6. С. 828−847.
  23. Малышкин Г.С., Мельканович В.С. Классические и быстрые проекционные адаптивные алгоритмы в гидроакустике. СПб.: ГНЦ РФ АО "Концерн "ЦНИИ "Электроприбор", 2022. 268 с.
  24. Мельканович В.С. Особенности построения адаптивной обработки сигналов по выходу цилиндрической антенной решетки с горизонтальной образующей // Сборник материалов конференции «Управление в морских системах» (УМС-2020). СПб., 2020.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML

© The Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».