轴承估计中传感器位置标定的应用[外文翻译].doc

附件C：译文

轴承估计中传感器位置标定的应用
摘 要
新的标定方法的提出出于对轴承估计传感器定位技术的不确定性，在三个或更多不间断源在轴承估计中的一种基于特征值分解的样本方差矩阵的方法。该方法可以适用于任意阵列，包括线性阵列，需要更少的计算，并适合低信号信噪比（ SNR ）的案件。通过计算机仿真给出说明性能拟议方法。
1.简介
轴承估计是在雷达，声纳， 和地球物理学领域，机械等领域的一个突出的问题。在轴承估计中，对一系列的传感器进行分析，以确定到达传感器阵列[ 2 ] ， [ 4 ] ， [ 11 ] 的方位的信号，计算出一系列的传感器的测试点通常是假定被称为精确。然而，在现实中传感器的位置往往是不完美的。通过研究这种不确定性的影响显示即使传感器测试点的不确定性相对较小也能导致持续的，显著的整体定位误差[ 3 ] ， [ 12 ] 。因此阵列校准成为一个关键问题。校准的实现可以通过使用从足够数量的辅助来源中的阵列输出的数据。
Brandwood使用不正确的传感器的位置[ 1 ]，提出了轴承光谱的获得，其中没有解决这个问题的报告。罗和马普尔讨论了校准技术，提出至少需要两个断续来源。（即无论是在时域或频域来源是分开的）[6]。此外，重复计算的特征值分解（ EVD标准） 在校准技术是要求的。Rockah和Schultheiss提出的自校准技术，是基于观察断续来源[ 9 ] ， [ 10 ] 。然而，此技术假设的条件是：阵列是非线性的，并且一个传感器的位置和另一个传感器的方位是已知的。Levi和Messer提出了一个在已知/未知轴承[ 5 ]使用断续远场源和/或断续近场源的一个简要的结果。Weiss和Friedlander讨论了自标定方法[ 13 ]，基于阵列是非线性的，并且一个传感器的位置和另一个传感器的方位是已知的假设条件下成立。虽然该方法有可能解决多种来源，但它需要很多的计算，并且收敛速度是相当缓慢的。此外，它还给出了线性阵列的非常规的解决方案。
在本文中，我们使用在轴承中三个或更多来源提出了阵列校准标定的新方法，此消息来源是不分离的（即来源占领同一频段和相同的时间间隔）。该方法可以适用于任意阵列，包括线性阵列，并需要更少的计算。本文安排如下。
第2节介绍了符号及制定问题。第3节讲述校准方法的描述。第4节通过模拟试验验证该方法。第5节结论总结。