基于模态分解的MEMS矢量水听器信号去噪及应用

被引量 : 6次 | 上传用户:qq88493940
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
矢量水听器是在标量水听器基础上发展的一种新形式,以其在定位定向方面优于标量水听器而成为研究的热门方向,再将微机电系统(MEMS)技术应用于矢量水听器更是一种创新方法和创新原理的尝试。MEMS矢量水听器具有矢量性、体积小、一致性好和可批量生产等优势。随着科学技术的不断发展,MEMS矢量水听器种类日趋繁多并且其性能也逐渐变得成熟,但其在接收信号数据时仍会混入噪声,为能更好地进行下一步的目标定向定位或是成像研究,需要先对水听器阵列信号进行去噪处理。本文系统地研究了不同的模态分解方法在MEMS矢量水听器信号
其他文献
本文对三类非线性波动方程的Cauchy问题解的性态进行了研究和分析,内容具体安排如下:  第一章介绍了非线性波动方程的研究背景意义、国内外研究状况,简述了本文的主要研究内
随着信息化时代的不断发展,用户对通信服务质量的需求也在不断提高。协同通信技术能够提供有效的分集增益,也被看作是未来通信技术发展的主要方向之一。因此,研究协同通信系
非孤立点与非序列开点是拓扑空间中的两类特殊点。通过在这两类特殊点集上所具有的集族性质,来探讨度量空间的近似紧映像、几乎s映像及其度量化问题。本学位论文主要做了下面三个部分的工作:在第二章,我们引入近似紧映射的定义并研究几乎紧映射、近似紧映射与边缘紧映射之间的基本关系,获得了度量空间的序列覆盖近似紧映像的内在刻画;同时也讨论了度量空间在这几类紧映射下像空间之间的关系。在第三章,我们引入近似s映射的定
学位
决策树学习作为机器学习的一个重要分支,目前已经成功应用于多个领域之中。但是由于有限样本学习自身的不足,使得在决策树学习过程中容易出现过度拟合现象,严重影响了决策树学习
近年来,随机延迟微分方程理论得到了广泛的研究,此类方程在建模的时候,考虑了滞后因素和外界环境造成的影响,因此大量运用于物理学、生物学和医学等多个领域。但是在实际建模