典型文献
稀疏贝叶斯学习用于噪声互相关提取格林函数
文献摘要：
在较窄频带条件下,传统的噪声互相关提取时域格林函数(Time Domain Green's Function,TDGF)方法分辨率低,影响了海洋被动声层析的应用.针对这一问题,提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的噪声互相关提取TDGF的方法.首先,构造了TDGF的稀疏表示模型,其中字典矩阵由傅里叶变换算子构成,观测矩阵由频域噪声互相关函数组成.然后,使用预累积处理来折中SBL估计TDGF的分辨率与稳定性.仿真与海试实验数据表明,联合预累积处理的SBL方法有效地从较窄频带的海洋环境噪声中提取了传统方法无法分辨的TDGF到达时间,从而为自适应选取噪声频段、实现快速海洋被动声层析提供了一种可行思路.
文献关键词：
稀疏贝叶斯学习;噪声互相关函数;时域格林函数(TDGF);海洋被动声层析
中图分类号：
作者姓名：
郭启超;李风华;杨习山
作者机构：
中国科学院声学研究所,北京100190;中国科学院大学,北京100190
文献出处：
引用格式：
[1]郭启超;李风华;杨习山-.稀疏贝叶斯学习用于噪声互相关提取格林函数)[J].声学技术,2022(04):505-511
A类：
TDGF,海洋被动声层析
B类：
稀疏贝叶斯学习,习用,格林函数,较窄,频带,Time,Domain,Green,Function,Sparse,Bayesian,Learning,SBL,稀疏表示,表示模型,字典,傅里叶变换,换算,观测矩阵,频域,噪声互相关函数,数组,折中,海试实验,海洋环境噪声,到达时间,应选,噪声频段
AB值：
0.248101
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
