-
公开(公告)号：CN113472390A
公开(公告)日：2021-10-01
申请号：CN202110767877.3
申请日：2021-07-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度学习的跳频信号参数估计方法，属于电子对抗和通信技术领域，公开了一种，包括以下步骤：1)对接收到的跳频信号进行功率谱估计，得到跳频信号的频率集；2)以频率集中的频率个数来确定所需深度学习网络的个数，并构造对应频率集中各个频率的深度学习网络所需的训练集；3)将训练集输入各个网络中，完成深度学习网络的构建；4)将接收到的信号分别输入构建好的对应频率的网络中，从而获得各个频率所对应网络的输出；5)通过对各个网络的输出进行平滑处理，估计出接收跳频信号的时频参数。本发明对跳频信号在低信噪比条件下的时频参数具有较高的估计精度，对跳频信号的处理具有重要意义。
-
公开(公告)号：CN111948657A
公开(公告)日：2020-11-17
申请号：CN202010738626.8
申请日：2020-07-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于多模粒子滤波的机动弱目标检测前跟踪方法。本发明属于水下目标跟踪技术领域，进行参数初始化处理，确定被动声纳阵列的接收信号；根据被动声纳阵列的接收信号，采用宽带常规波束形成算法处理得到空间谱，将空间谱作为量测数据；根据量测数据，噪声均衡判断当前时刻可疑目标；根据量测数据，进行目标状态空间分区；根据目标状态空间分区结果，采样每个目标每个粒子状态，并计算权值；对同一目标的粒子单独进行重采样；根据采样结果，估计目标的状态；当目标持续时间超过联合观测帧数时，则对目标进行联合判决，并删除没有通过判决的目标信息。本发明实现多个机动目标的实时跟踪，实现被动声纳场景下的机动弱目标的检测和跟踪。
-
公开(公告)号：CN111273297A
公开(公告)日：2020-06-12
申请号：CN201910168345.0
申请日：2019-03-06
Applicant: 哈尔滨工程大学
IPC: G01S15/50
Abstract: 本发明提出一种基于AR波数谱的水平阵动目标深度估计方法，步骤1、根据仿真或实验数据得到阵元域的声压，对其做常规波束形成得到波束域声压；步骤2、将AR模型应用于波束域声压得到AR波数谱，并据此估计水平波数；步骤3、对波束域做广义Hankel变换，得到基于FT的波数谱；步骤4、根据估计的水平波数和FT波数谱估计模态函数；步骤5、根据已有的环境信息计算拷贝模态函数；步骤6、将估计的模态函数和拷贝模态函数相关得到深度模糊函数，其峰值位置即为深度的估计值。本发明将目标距离和深度估计问题分开处理，估计目标深度时不受目标估计距离误差的影响，使得目标深度估计更稳健。
-
公开(公告)号：CN110909312A
公开(公告)日：2020-03-24
申请号：CN201911309513.X
申请日：2019-12-18
Applicant: 哈尔滨工程大学
IPC: G06F17/18 , G06F30/20 , G06F111/08
Abstract: 本发明提出一种应用于RBMCDA跟踪算法的目标消亡判断方法，所述方法包括步骤一：在第k-1时刻预测下一时刻的目标状态值方差；步骤二：由预测的目标状态值方差，根据均匀分布概率终止模型计算目标消亡概率；步骤三：根据目标消亡概率，粒子进行蒙特卡洛采样，确定目标状态。本发明由于采用了预测的目标状态值方差作为判决依据，从而将目标消亡概率模型的参数与量测噪声和状态转移噪声建立了联系，不需要另外进行目标消亡模型参数的调整，使系统具有更好的鲁棒性。
-
公开(公告)号：CN110531319A
公开(公告)日：2019-12-03
申请号：CN201910790737.0
申请日：2019-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于测量点优化布局的水声应答器位置高精度校准方法，包括以下步骤：首先建立基于波达方向的应答器位置校准模型；其次构建应答器位置校准测量点优化布局目标函数；接着采用遗传算法求解测量点优化布局方位角；然后对测量点进行迭代优化布局；最后获得应答器位置最终精测结果。相对于传统的方法，本发明的优势在于：1)针对基于波达方向的应答器位置校准模型，综合考虑了角度测量误差和测量点位置误差的影响，构建了测量点优化布局目标函数，通过求解目标函数可获得相对于待测应答器位置的最优测量点布局，为获得高精度的校准结果提供了基本保障；2)通过测量点优化布局和循环迭代运算，可有效提高水声应答器位置的校准精度。
-
Patent Agency Ranking
公开(公告)号：CN110361744A
公开(公告)日：2019-10-22
申请号：CN201910614850.3
申请日：2019-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明是于密度聚类的RBMCDA水下多目标跟踪方法。本发明对每个粒子初始权重置，获得初始时刻粒子群数据；计算可见目标死亡概率，随机抽取死亡目标，对所有粒子存活目标状态进行预测；根据更新后的每个粒子的权值，采用重采样法对粒子状态和粒子目标标签矩阵进行重采样；采用密度聚类算法对所有粒子的所有目标状态估计结果聚类，对每个簇每个样本按理权值加权求和，获得所述每个簇的状态均值；每个粒子标签向量分别与目标标签矩阵相匹配，获得每个聚类簇的系统目标编号，更新目标标签矩阵，获得新的目标标签矩阵；根据粒子数据的密度聚类和目标编号管理结果，输出当前时刻所有目标编号及状态均值。
-
公开(公告)号：CN109491009A
公开(公告)日：2019-03-19
申请号：CN201811310209.2
申请日：2018-11-06
Applicant: 哈尔滨工程大学
Abstract: 发明提供的是一种光纤组合阵及基于光纤组合阵的栅瓣抑制方法。(1)光纤组合阵的三条子阵分别接收入射信号，所述光纤组合阵包含三条子阵1、2、3依次排列，各子阵为均匀等间距直线阵，各子阵内部阵元间距彼此互质，三条子阵彼此间距为接收信号半波长；(2)各子阵所接收的入射信号，利用各互质子阵进行波束形成，获取各扫描方位的波束数据输出；(3)利用各子阵间阵元间距互质的特性，对三个子阵波束域信息进行综合处理，得到抑制栅瓣后的空间谱和目标方位估计结果。本发明能够提高对空间目标方位估计的可靠性和准确度，获得更高的分辨力；相比传统均匀面阵，能够扩大等效孔径，减少阵元数量，具有较强的工程实用价值。
-
公开(公告)号：CN108845290A
公开(公告)日：2018-11-20
申请号：CN201810261916.0
申请日：2018-03-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种超短基线阵抗相位模糊的方法。根据超短基线阵的阵型，获得同一方向上任意两个阵元间相位的最大模糊周期数，确定两个阵元间相位模糊周期数的取值范围；根据两个阵元测得的相位差和最大模糊周期数计算出该组阵元所有可能的目标方向角；计算目标方向角的扇面宽度系数，设置目标方向角的扇面宽度；根据所有可能的目标方向角和扇面宽度，在直方图上统计所有目标方向角度的出现次数，出现次数最多的角度即为估计的目标方向角；根据估计的目标方向角计算出各组阵元的模糊周期数的估计值。本发明能够有效实现抗相位模糊，突破了阵列尺寸对于基阵定位性能的限制。
-
公开(公告)号：CN108761395A
公开(公告)日：2018-11-06
申请号：CN201810511746.7
申请日：2018-05-25
Applicant: 哈尔滨工程大学
IPC: G01S5/28
CPC classification number: G01S5/28
Abstract: 本发明提供的是一种长基线导航系统应答器位置高精度测量方法。一，根据布放海底应答器阵，并在布放好的应答器附近测量母船运动航路；二，测量母船按照设计好的航路运动，并以指定同步周期发射测距信号，记录同步周期T；三，测量并记录各周期从发射询问信号到接收应答信号所经历的时间ti0(k)；四，根据已知各应答器的电路延迟时间τi，计算各周期所对应的ti(k)；五，对各周期的测量斜距进行修正；六，求解各应答器的位置。本发明提出的基于椭圆焦半径的斜距修正方法，经验证可获得更高的测阵精度，提高长基线导航能力。
-
公开(公告)号：CN106960083A
公开(公告)日：2017-07-18
申请号：CN201710128178.8
申请日：2017-03-06
Applicant: 哈尔滨工程大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F2217/08
Abstract: 本发明属于阵列信号处理技术领域，涉及一种适用于模型失配时的基于主瓣波束图优化的鲁棒自适应波束形成方法。包括：对阵列数据进行采样获得时域快拍模型，并估计数据协方差矩阵；输入观测导向矢量、主瓣畸变因子、阵元数，构建主瓣波束图畸变的度量函数；对及输出功率进行约束来修正导向矢量，得到一个非凸非线性的优化问题；将该优化问题转化为等价的凸二次约束二次规划问题；采用高效的内点法结合矩阵秩‑1分解运算进行求解QCQP问题得到修正后导向矢量的估计值；将代入到SCB的权系数公式中得到本方法的波束形成器权系数并处理阵列数据，得到高输出信干噪比的期望信号。本发明存在基阵模型失配时输出信干噪比更高。主瓣波束图抗畸变能力更强。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.043 seconds)
