-
公开(公告)号：CN111273263A
公开(公告)日：2020-06-12
申请号：CN201910554420.7
申请日：2019-06-25
Applicant: 哈尔滨工程大学
Abstract: 本发明是基于信息融合的自主探测声纳多目标DOA估计方法。本发明将各阵元的通道数据进行FFT处理，获得各阵元对应的频域数据，根据窄带条件进行频段划分，得到各通道的频带数据，根据指向性进行组合得到协方差矩阵。将所述协方差矩阵向特征子空间投影，利用特征分解得到主特征向量，根据特征值排序对不同信号分量进行选取，选取信号分量；将所述信号分量进行空间谱估计，记录信号分量空间谱的最大置信度，以最大置信度对应的角度方位以及所述角度方位频段贡献分布作为结果信息，根据结果信息判断是否存在目标，计算角度结果；综合多个传感器的角度结果信息，采用信息融合方法进行结果信息融合，获得最终角度结果。
-
公开(公告)号：CN111735525B
公开(公告)日：2023-03-31
申请号：CN202010467366.5
申请日：2020-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种适用于无人声纳的DEMON谱特征提取方法。本发明属于DEMON谱特征提取领域，本发明采用小波去噪技术，降低待处理信号中噪声影响；将降噪后的信号通过带通滤波器滤波，提取滤波后的频段信号；根据滤波后的频段信号，进行调制谱检测，进行去信号直流操作，并通过低通滤波器，完成包络检测，得到解调后的信号；对解调后的信号进行傅里叶变换，并进行平均周期图谱估计，得到DEMON线谱；根据得到的DEMON线谱，基于门限准则自主提取线谱；根据基于门限准则自主提取后的线谱，进行轴频估计，并进行桨叶数估计。本发明适用于保持匀速直线运动、具有规则的三至七叶螺旋桨叶、且在矢量水听器工作频带内具有明显调制现象的目标，能够估计出其螺旋桨转速和叶片数信息。本发明能够自主处理目标辐射噪声，提取目标的轴频、桨叶数信息并将算法流程在DSP上进行实现。
-
公开(公告)号：CN111273237B
公开(公告)日：2022-10-18
申请号：CN201910457468.6
申请日：2019-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明是基于空域矩阵滤波和干扰对消的强干扰抑制方法。本发明主要用于抑制观测扇面外和观测扇面内的强干扰。通过子空间矩阵滤波，减小观测扇面外干扰影响，进而获得观测扇面内强干扰方位，并将其应用于阻塞矩阵的设计，构建新的不降低数据维数的阻塞阵。通过阻塞矩阵和空域矩阵滤波器对阵列接收数据进行处理，最后采用MUSIC谱进行方位估计。本发明在抑制观测扇面内强干扰的同时，保留了邻近方位的弱目标信息，实现强干扰条件下的弱目标方位估计。本发明属于一种水声阵列信号处理方法，可应用于阵列信号处理、弱目标方位探测等领域。
-
公开(公告)号：CN114280533B
公开(公告)日：2022-10-21
申请号：CN202111590585.3
申请日：2021-12-23
Applicant: 哈尔滨工程大学
IPC: G01S3/802
Abstract: 本发明是一种基于l0范数约束的稀疏贝叶斯DOA估计方法。本发明涉及水下声学探测技术领域，本发明基于水下阵列信号，构建阵列接收的空域稀疏信号模型；构建超参数概率分布模型，通过贝叶斯公式获得待恢复稀疏信号的后验概率分布；构建超参数的目标函数，并在信号功率的目标函数中引入l0范数约束，通过期望最大化算法(EM)对超参数进行迭代更新；通过收敛得到的超参数重构空域稀疏信号，进而获得DOA估计结果迭代终止后，确定空间谱。在稀疏贝叶斯学习结构中，本发明仅加快了超参数γ的收敛速度，对信号模型无特殊需求。
-
公开(公告)号：CN111735525A
公开(公告)日：2020-10-02
申请号：CN202010467366.5
申请日：2020-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种适用于无人声纳的DEMON谱特征提取方法。本发明属于DEMON谱特征提取领域，本发明采用小波去噪技术，降低待处理信号中噪声影响；将降噪后的信号通过带通滤波器滤波，提取滤波后的频段信号；根据滤波后的频段信号，进行调制谱检测，进行去信号直流操作，并通过低通滤波器，完成包络检测，得到解调后的信号；对解调后的信号进行傅里叶变换，并进行平均周期图谱估计，得到DEMON线谱；根据得到的DEMON线谱，基于门限准则自主提取线谱；根据基于门限准则自主提取后的线谱，进行轴频估计，并进行桨叶数估计。本发明适用于保持匀速直线运动、具有规则的三至七叶螺旋桨叶、且在矢量水听器工作频带内具有明显调制现象的目标，能够估计出其螺旋桨转速和叶片数信息。本发明能够自主处理目标辐射噪声，提取目标的轴频、桨叶数信息并将算法流程在DSP上进行实现。
-
Patent Agency Ranking
公开(公告)号：CN111273237A
公开(公告)日：2020-06-12
申请号：CN201910457468.6
申请日：2019-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明是基于空域矩阵滤波和干扰对消的强干扰抑制方法。本发明主要用于抑制观测扇面外和观测扇面内的强干扰。通过子空间矩阵滤波，减小观测扇面外干扰影响，进而获得观测扇面内强干扰方位，并将其应用于阻塞矩阵的设计，构建新的不降低数据维数的阻塞阵。通过阻塞矩阵和空域矩阵滤波器对阵列接收数据进行处理，最后采用MUSIC谱进行方位估计。本发明在抑制观测扇面内强干扰的同时，保留了邻近方位的弱目标信息，实现强干扰条件下的弱目标方位估计。本发明属于一种水声阵列信号处理方法，可应用于阵列信号处理、弱目标方位探测等领域。
-
公开(公告)号：CN117852656A
公开(公告)日：2024-04-09
申请号：CN202410030421.2
申请日：2024-01-09
Applicant: 哈尔滨工程大学
IPC: G06N7/01
Abstract: 一种基于稀疏贝叶斯学习的远近场混合源离网定位方法，它属于水下声学探测领域。本发明解决了现有方法无法实现高定位精度和高计算效率的兼顾的问题。本发明通过构建远近场离网模型，将远近场离网误差作为超参数引入稀疏贝叶斯学习过程，实现对离网误差的有效估计与补偿，完成了更高精度的远近场定位，大幅减弱了近场强干扰对远场测向的影响。同时利用远近场网格演化技术，实现远近场网格点在目标位置附近自主分裂学习，使网格点可以非均匀、有侧重地覆盖感兴趣空域，能在提高定位精度的同时提升方法计算效率。本发明方法可以应用于远近场混合源离网定位领域。
-
公开(公告)号：CN117214901A
公开(公告)日：2023-12-12
申请号：CN202311171597.1
申请日：2023-09-12
Applicant: 哈尔滨工程大学
Abstract: 一种基于稀疏贝叶斯学习的目标方位估计方法，它属于声呐被动测向技术领域。本发明解决了在水下平台自噪声背景下，现有方位估计方法仍然存在估计精度低的问题。本发明方法采取的技术方案为：步骤一、建立存在平台自噪声时远场信号阵列接收模型；步骤二、根据步骤一中的接收模型，建立平台自噪声下的稀疏贝叶斯学习框架，并根据建立的稀疏贝叶斯学习框架得到声源信号功率估计模型；步骤三、将接收数据协方差矩阵投影至噪声子空间，获得平台自噪声协方差矩阵估计模型；步骤四、根据声源信号功率估计模型和平台自噪声协方差矩阵估计模型获得声源目标方位估计结果。本发明方法可以应用于目标方位估计。
-
公开(公告)号：CN111273263B
公开(公告)日：2022-07-12
申请号：CN201910554420.7
申请日：2019-06-25
Applicant: 哈尔滨工程大学
Abstract: 本发明是基于信息融合的自主探测声纳多目标DOA估计方法。本发明将各阵元的通道数据进行FFT处理，获得各阵元对应的频域数据，根据窄带条件进行频段划分，得到各通道的频带数据，根据指向性进行组合得到协方差矩阵。将所述协方差矩阵向特征子空间投影，利用特征分解得到主特征向量，根据特征值排序对不同信号分量进行选取，选取信号分量；将所述信号分量进行空间谱估计，记录信号分量空间谱的最大置信度，以最大置信度对应的角度方位以及所述角度方位频段贡献分布作为结果信息，根据结果信息判断是否存在目标，计算角度结果；综合多个传感器的角度结果信息，采用信息融合方法进行结果信息融合，获得最终角度结果。
-
公开(公告)号：CN114280533A
公开(公告)日：2022-04-05
申请号：CN202111590585.3
申请日：2021-12-23
Applicant: 哈尔滨工程大学
IPC: G01S3/802
Abstract: 本发明是一种基于l0范数约束的稀疏贝叶斯DOA估计方法。本发明涉及水下声学探测技术领域，本发明基于水下阵列信号，构建阵列接收的空域稀疏信号模型；构建超参数概率分布模型，通过贝叶斯公式获得待恢复稀疏信号的后验概率分布；构建超参数的目标函数，并在信号功率的目标函数中引入l0范数约束，通过期望最大化算法(EM)对超参数进行迭代更新；通过收敛得到的超参数重构空域稀疏信号，进而获得DOA估计结果迭代终止后，确定空间谱。在稀疏贝叶斯学习结构中，本发明仅加快了超参数γ的收敛速度，对信号模型无特殊需求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
