Time delay estimation in reverberant and low SNR environment by EMD based maximum likelihood method

混响 希尔伯特-黄变换 声纳 声学 信号(编程语言) 计算机科学 噪音(视频) 水下 信噪比(成像) 语音识别 电信 人工智能 白噪声 物理 地质学 海洋学 图像(数学) 程序设计语言
作者
B. Marxim Rahula Bharathi,A.R. Mohanty
出处
期刊:Measurement [Elsevier]
卷期号:137: 655-663 被引量:31
标识
DOI:10.1016/j.measurement.2019.01.096
摘要

In recent times, time delay estimation (TDE) has received significant practical importance in sonar, radar, GPS, and various other fields. In a passive sonar system, estimation of time delay for low frequency and low signal to noise (SNR) acoustic source is a difficult task. If the source and receivers are kept inside the reverberation environment, time delay estimation becomes more difficult because of sound source echo’s. This research work proposes a new TDE approach named empirical mode decomposition maximum likelihood time delay estimation (EMD ML TDE) method, for the low-frequency and low SNR underwater machinery acoustic signal in a reverberant environment. EMD ML TDE method is based on maximum likelihood (ML) method, and it is using empirical mode decomposition (EMD) denoising technique to estimate acoustic sound signal and noise from the noisy reverberant signal. The experimental results are provided that this new approach is better to estimate time delay in reverberant environments.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
大模型应助妩媚的强炫采纳,获得10
2秒前
marvelou完成签到,获得积分10
3秒前
3秒前
4秒前
4秒前
li完成签到 ,获得积分20
4秒前
5秒前
在水一方应助超级的三问采纳,获得10
6秒前
xiangqiuyu完成签到,获得积分10
7秒前
llzuo发布了新的文献求助10
8秒前
多情弼发布了新的文献求助10
9秒前
Scherbatsky发布了新的文献求助10
9秒前
福尔摩云发布了新的文献求助10
10秒前
碗碗发布了新的文献求助10
13秒前
时尚的远望完成签到,获得积分20
14秒前
领导范儿应助梓歆采纳,获得10
15秒前
Scherbatsky完成签到,获得积分10
16秒前
多情弼完成签到,获得积分10
18秒前
Hello应助我是AY采纳,获得10
18秒前
肘子完成签到,获得积分10
19秒前
19秒前
19秒前
NICAI发布了新的文献求助10
20秒前
书签完成签到,获得积分10
20秒前
酷波er应助韧迹采纳,获得10
21秒前
蓦然回首完成签到,获得积分10
23秒前
爆米花应助福尔摩云采纳,获得30
23秒前
木子完成签到,获得积分10
24秒前
26秒前
NICAI完成签到,获得积分10
26秒前
Buster完成签到,获得积分10
27秒前
灵巧的翠风完成签到 ,获得积分10
27秒前
haha发布了新的文献求助10
28秒前
武clam完成签到,获得积分10
28秒前
28秒前
28秒前
薰硝壤应助郭达9527采纳,获得10
29秒前
薰硝壤应助森宝采纳,获得10
29秒前
坚强的寒风完成签到 ,获得积分10
29秒前
111发布了新的文献求助10
31秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3141001
求助须知:如何正确求助?哪些是违规求助? 2791912
关于积分的说明 7800960
捐赠科研通 2448184
什么是DOI,文献DOI怎么找? 1302459
科研通“疑难数据库(出版商)”最低求助积分说明 626588
版权声明 601226