-
公开(公告)号：CN117687033A
公开(公告)日：2024-03-12
申请号：CN202311691627.1
申请日：2023-12-11
Applicant: 哈尔滨工程大学
IPC: G01S15/66 , G01S7/539 , G06F18/15 , G06F18/214 , G06F18/2321
Abstract: 一种多目标被动跟踪方法，它属于多目标跟踪技术领域。本发明解决了在强目标与弱目标方位历程交叉场景中，被动声纳有限分辨率导致弱目标跟踪结果出现标签误配的问题。本发明首先利用被动声纳估计的目标方位和线谱频率信息构建增广状态目标运动方程和量测方程。其次根据增广状态目标运动方程和量测方程推导增广状态高斯混合概率假设密度滤波器。最后利用密度聚类算法对高斯混合概率假设密度滤波器估计的目标状态向量进行聚类，实现目标被动跟踪。本发明方法可以应用于多目标被动跟踪。
-
公开(公告)号：CN117292710A
公开(公告)日：2023-12-26
申请号：CN202311241848.9
申请日：2023-09-25
Applicant: 哈尔滨工程大学
IPC: G10L25/24 , G10L25/30 , G06F18/23213 , G06F18/2411
Abstract: 一种时频联合处理的声纹切片统计量特征提取方法，它属于水声目标特征提取技术领域。本发明解决了现有的特征提取方法未充分利用信号的时变信息的问题。本发明方法采取的技术方案为：步骤一、预设多个矩形滤波器，对船舶辐射噪声信号进行分帧处理后，再利用每个矩形滤波器分别对各段信号进行滤波，得到滤波结果；再分别对每段信号在各个频带下的滤波结果进行STFT，根据STFT结果得到各个频带的声纹切片；步骤二、分别获得每个频带的声纹切片的概率密度最大值，再根据概率密度最大值确定对应声纹切片的统计量特征，将各个频带的声纹切片的统计量特征进行串联，得到船舶辐射噪声信号的声纹特征。本发明方法可以应用于水声目标特征提取。
-
公开(公告)号：CN117251822A
公开(公告)日：2023-12-19
申请号：CN202311241993.7
申请日：2023-09-25
Applicant: 哈尔滨工程大学
IPC: G06F18/25 , G06F18/213
Abstract: 一种新的加权梅尔频率倒谱特征融合方法，它属于水声目标识别领域。本发明解决了基于现有的权值选择方法所得到融合特征的可分性差，对识别准确率提升的效果有限的问题。本发明通过对MFCC特征进行差分运算，得到一阶差分特征，再对一阶差分特征进行差分运算，得到二阶差分特征，再将MFCC特征、一阶差分特征和二阶差分特征进行线性加权，构造一个与MFCC特征同维度的融合特征，本发明融合后的特征包含大量的时间维度上的信息，因此相比较于MFCC特征稳健性更强。而且通过计算两类不同目标的特征概率密度分布函数之间的距离，并通过寻找特征分布距离的最大值来确定权值，根据权值融合后的特征保证了最大化的特征可分性。本发明方法可以应用于水声目标识别。
-
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：CN115085827B
公开(公告)日：2023-11-10
申请号：CN202210646608.6
申请日：2022-06-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下目标方向估计领域，公开了一种基于秩一分解定理的水声目标阵列幅度相位误差校准方法，步骤1：对采集的水声目标的阵元信号进行特征值分解；步骤2：利用步骤1采集的阵元信号，求解每个阵元的幅度偏差和相位偏差；步骤3：利用步骤2求解出的幅度偏差和相位偏差，获得与未校准阵列相匹配的校准导向矢量；步骤4：利用步骤3的校准导向矢量进行DOA估计。该方法用以估计阵列的幅度相位误差，校正该误差从而提高方位估计性能。
-
Patent Agency Ranking
公开(公告)号：CN110132281B
公开(公告)日：2023-10-20
申请号：CN201910424453.X
申请日：2019-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于询问应答模式的水下高速目标高精度自主声学导航方法，包括以下步骤：首先，由获取到的时延信息估计目标径向运动速度，进而获得目标到应答器的距离信息，依据此距离信息构建声学自导航模型并确定权系数；其次，根据自导航模型和权系数确定目标函数，并利用传统方法解算得到的目标位置作为优化算法的搜索初值；最后，采用LMS牛顿算法解算获得目标位置。本发明引入了目标径向速度参量，消除了由目标运动速度引起的模型误差，受目标运动速度影响小；引入了权系数，对误差较大的成分给予较小的权重，有效提高了水下高速运动目标的自导航精度；采用LMS牛顿算法结构简单，计算量小，稳健性强，收敛速度快，便于实时实现。
-
公开(公告)号：CN116879839A
公开(公告)日：2023-10-13
申请号：CN202310843276.5
申请日：2023-07-10
Applicant: 哈尔滨工程大学
Abstract: 一种基于粒子滤波策略的无源声学定位方法，涉及水下多目标定位技术领域。本发明是为了解决现有无源声学定位方法在还存在容易出现目标漏检，从而导致定位目标丢失的问题。本发明包括：对观测区域网格化，利用每个网格似然值获取航迹起始位置所在网格，在航迹起始位置所在网格内初始化粒子；在初始化后的粒子中采样，利用粒子n的状态计算粒子n的似然值；判断n是否小于粒子总数np，若n＜np，令n＝n+1，重新粒子采样；若n≥np则粒子似然值和，判断目标轨迹是否终止；若目标轨迹未终止，则利用粒子权值获取有效粒子数量；利用有效粒子数量判断是否进行重采样，最后利用粒子权值估计目标状态。本发明用于水下目标定位。
-
公开(公告)号：CN115656994B
公开(公告)日：2023-08-15
申请号：CN202211231660.1
申请日：2022-10-08
Applicant: 哈尔滨工程大学
IPC: G01S7/52
Abstract: 双基地有源探测拖曳阵阵形实时校准方法，涉及拖曳阵阵形识别与校准领域。解决了传统的估计阵形的声学方法中的自校正方法计算量过大，而有源校正方法难以配备合作校正源，且缺少相干干扰抑制算法，难以实现准确、实时的阵元位置参数估计的问题。本发明方法对各阵元信号进行p0阶的FRFT变换，在FRFT域进行直达波的提取，也即：对阵元信号峰值提取，并将直达波作为校正信号，利用各阵元直达波在FRFT域内峰值间的相位关系实现拖曳阵阵形的估计，得到两个估计阵形；根据拖曳船辐射噪声在两阵形下近场空间谱强度的差异，并对获得两个估计阵形进行筛选校准，从而获得输出阵形。本发明主要用于阵形校准。
-
公开(公告)号：CN115064147B
公开(公告)日：2023-07-28
申请号：CN202210452690.9
申请日：2022-04-27
Applicant: 哈尔滨工程大学
IPC: G10K11/178
Abstract: 本发明公开了一种无人机动平台振动噪声自适应抵消方法及系统，属于自适应噪声抵消技术领域，其中，该方法包括：构建基于双组合接收水听器的自适应噪声抵消器；初始化自适应噪声抵消器的基本参数：抽头数、自适应学习步长和抽头权系数矢量函数，以计算输出信号；根据输出残差信号更新自适应噪声抵消器的抽头权系数矢量函数和自适应学习步长；迭代前两个步骤直至收敛，获得n个时刻的输出残差信号即为噪声抵消后的有用信号。该方法有效提取与平台振动噪声强相关的信号，无需先验已知有用信号或振动干扰的先验信息，实时更新步长的同时有效解决收敛速度和稳态失调误差的矛盾，具有很强的抑制平台振动噪声能力，且对低信噪比应用场景有很好的适应性。
-
公开(公告)号：CN115542329B
公开(公告)日：2023-07-07
申请号：CN202211226929.7
申请日：2022-10-09
Applicant: 哈尔滨工程大学
Abstract: 一种基于模态滤波的浅水低频声源深度判决方法，属于浅水低频水面水下目标判决技术领域。本发明针对现有水听器阵列孔径受限时判决声源深度采用的现有基于模态滤波技术的水面水下深度分辨方法，不能同时兼顾无子空间重叠和模态空间的完整的问题。包括建立声场p(r,zr,zs)关于观测矩阵V与模态幅度矩阵a的表达式；将观测矩阵V分为陷波子空间V0和自由子空间V1并进行奇异值分解，得到减秩子空间U0和U1，构成矩阵A，再得到正交矩阵β，确定空间H和空间S，将投影在陷波子空间的能量与投影在整个正交模态空间的能量做比值得到检测统计量，与选定门限进行对比，判决声源深度。本发明用于声源深度判决。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.024 seconds)
