不确实环境下基于稀疏贝叶斯学习的声源定位方法

摘要：

稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)应用于水声领域,显示出了较传统方法的优势,但是针对不确实环境下声源定位的研究较少.文章通过SBL方法估计简正模态和本征值,实现了海底参数未知情况下的拷贝场构建,从而缓解匹配场处理对环境先验的依赖.仿真研究实现了海底参数未知情况下的匹配场定位,并证明了SBL相较于已有方法的独特优势.

关键词：稀疏贝叶斯学习、随机最大似然、简正模态估计、本征值估计、匹配场定位、打靶法

分类号：TP391.41;TN925.93;R338.1

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：32-36,50