-
公开(公告)号:CN117972566A
公开(公告)日:2024-05-03
申请号:CN202410154617.2
申请日:2024-02-02
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/27 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/084 , G10L25/18 , G10L25/30 , G06N3/048
Abstract: 基于卷积神经网络的水下目标深度分类方法,本发明属于浅海负跃层环境水下目标分类领域,具体涉及目标分类问题。本发明的目的是为了解决现有方法在浅海负跃层环境中基于小孔径水平阵的水下声源目标深度定位准确率低的问题。过程为:步骤一、根据目标和水平阵布放位置信息,计算波导不变量与干涉条纹之间的关系;步骤二、利用DFT‑AR方法对声强进行谱分析,得到功率谱,作为训练集;步骤三、获得训练好的ResNet‑18卷积神经网络分类模型并保存;步骤四、将待测的功率谱输入训练好的ResNet‑18卷积神经网络分类模型,训练好的卷积神经网络分类模型输出待测的功率谱图中目标在各深度类别的预测概率,获取目标深度分类结果。
-
公开(公告)号:CN119580769A
公开(公告)日:2025-03-07
申请号:CN202411647396.9
申请日:2024-11-18
Applicant: 哈尔滨工程大学
IPC: G10L25/51 , G10L25/18 , G10L25/30 , G06F18/25 , G06F18/2131 , G06F18/2415 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 一种基于多维度时频特征融合的水下目标识别方法,本发明涉及水下目标识别技术领域,具体涉及基于多维度时频特征融合的水下目标识别方法。本发明目的为了解决常规水声目标识别中,由于特征冗余和目标类别信息不显著而导致的识别准确率低的问题。过程为:步骤1:基于水下目标辐射噪声数据库构建训练数据集和测试数据集;步骤2:构建CAF‑ViT模型,CAF‑ViT模型依次包括特征提取模块、特征融合模块、目标识别模块;基于训练数据集对CAF‑ViT模型进行训练,获得训练好的CAF‑ViT模型;步骤3:基于训练好的CAF‑ViT模型对测试数据集中数据进行预测,识别水下目标类别。
-
公开(公告)号:CN119226924A
公开(公告)日:2024-12-31
申请号:CN202411307653.4
申请日:2024-09-19
Applicant: 哈尔滨工程大学
IPC: G06F18/2415
Abstract: 复杂海洋环境下稳健的声学目标深度属性判别方法及存储介质,本发明涉及水下目标深度分类技术领域,具体涉及声学目标深度属性判别方法及存储介质。本发明的目的是解决现有目标深度分类需要垂直阵覆盖大部分波导深度,否则目标深度分类准确性低问题。过程为:步骤1:获取垂直阵接收信号,对接收信号作波束形成,得到声场仰角结构;步骤2:计算临界模态的模态仰角余弦;步骤3:根据步骤2中的临界模态的模态仰角余弦及步骤1中的声场仰角结构,计算陷波模态‑自由模态声场仰角结构强度比;步骤4:将步骤3中的陷波模态‑自由模态声场仰角结构强度比作为决策度量,并与分类器门限比较,给出水面目标或水下目标的判据。
-
公开(公告)号:CN117991189A
公开(公告)日:2024-05-07
申请号:CN202410154603.0
申请日:2024-02-02
Applicant: 哈尔滨工程大学
Abstract: 基于浅海负跃层波导中声场仰角的目标深度分类方法,本发明涉及目标深度分类方法。本发明为了解决浅海负跃层波导中的目标深度分类问题,而提出基于浅海负跃层波导中声场仰角的目标深度分类方法。过程为:步骤1:获取垂直阵接收信号,对接收信号作波束形成,获得波束形成结果;步骤2:构建浅海负跃层波导中的模态仰角结构模型;步骤3:根据步骤2模态仰角结构模型中的本征函数空间谱公式,获得本征函数空间谱峰值位置;步骤4:根据步骤1中的波束形成结果求声场仰角;基于步骤3获得的本征函数空间谱峰值位置和声场仰角分类水面或水下目标。本发明用于水声目标定位领域。
-
公开(公告)号:CN117688416A
公开(公告)日:2024-03-12
申请号:CN202211033494.4
申请日:2022-08-26
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/241 , G06F17/14
Abstract: 本发明公开了一种基于小孔径水平阵的水下目标深度分类方法及装置,属于水下目标深度分类技术领域,其中,该方法包括:获取水平阵各阵元的接收信号,以求解距离‑频率声强;利用离散傅里叶变换和自回归谱模型联合估计距离‑频率声强的二维功率谱;在极坐标系下对二维功率谱沿极轴做能量积分,得到二维功率谱脊的极角能量分布;建立极角与波导不变量的关系模型,由极角能量分布和基于关系模型,得到波导不变量能量分布;对波导不变量能量分布提取其最大值位置,将最大值位置作为特征量,并与门限比较,给出深源目标或浅源目标的判决。该方法在提高距离图像波数方向分辨率的同时,降低了对阵孔径的需求,对小孔径水平阵具有很好的适应性。
-
-
-
-