-
公开(公告)号：CN115236623B
公开(公告)日：2025-04-04
申请号：CN202210792671.0
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S7/41 , G01S13/89 , G01S13/937
Abstract: 本发明公开了一种航海雷达目标检测方法，在离线雷达数据中选取雷达回波数据样本，选取雷达回波特征参数并进行特征融合，得到融合回波特征参数和样本训练集，计算融合回波特征参数值并输入到RBF神经网络中进行训练，得到RBF分类器；获取回波待测数据，按照选取的回波特征参数计算得到回波待测数据的回波特征值；将回波特征参数进行特征融合，得到特征矩阵；将特征矩阵输入到RBF分类器模型中，最终得到输出y值；判断所述扫描线有无目标：将输出y值与期望输出值进行比较，若y大于期望输出值，则存在目标；否则，不存在目标。本发明解决了目标检测中数据高维计算量大的问题，不仅可以快速进行目标检测，还可以提高目标检测的准确率。
-
公开(公告)号：CN115063675B
公开(公告)日：2024-11-12
申请号：CN202210591637.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/084 , G06N3/0499 , G01W1/14 , G01S13/95 , G01S13/89
Abstract: 本发明公开了一种航海雷达图像降雨强度等级反演方法，机挑选包含不同降雨量的航海雷达图像并确定其降雨强度等级；在图像中分别选取笛卡尔框图像，并将极坐标图象转化为直角坐标图像；分别求取每幅图像的海浪波数能量占比P海浪；将P海浪组成的向量o作为输入，降雨强度等级组成的向量do作为出结果期望，利用向量o对BP神经网络进行训练，并记录训练好的BP神经网络模型；在待检测图像中选取笛卡尔框图像，并求取其海浪波数能量占比P海浪；将待检测航海雷达图像的P海浪输入到训练好的BP神经网络模型，得到待检测航海雷达图像的降雨强度等级。本发明实现了自学习、自适应的降雨强度反演，具有较高的可靠性和准确性。
-
公开(公告)号：CN117452397A
公开(公告)日：2024-01-26
申请号：CN202311393077.5
申请日：2023-10-25
Applicant: 哈尔滨工程大学
Abstract: 一种基于雷达图像二维海浪谱的风涌波浪分离方法，它属于海洋遥感技术领域。本发明解决了现有方法在难以获取风速风向参数时无法实现风涌波浪分离，以及现有方法对风涌分离的准确性差的问题。通过标定的谱分割技术得到波浪系统的位置信息，并进行数据平滑与波峰合并，得到有效波浪系统的二维海浪谱，能够减少传统的波浪系统划分方法由于海浪谱中存在许多虚假的波峰峰值，造成频率方向谱波浪系统的过度分割；在二维海浪谱领域实现了风浪成分与涌浪成分的判定，与传统风涌分离方法相比，不仅能够有效的分离出风浪谱和涌浪谱，而且不需要风速风向信息，同时提高了对风涌分离的准确性。本发明可以应用于风涌波浪分离。
-
公开(公告)号：CN116805134A
公开(公告)日：2023-09-26
申请号：CN202310168563.0
申请日：2023-02-27
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/084 , G06N3/0499 , G01P5/00 , G01P13/02 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明的目的在于提供一种基于深度学习的多风速仪舰面稳态风参数估计方法，包括如下步骤：离线获取风参数偏差规律，离线进行BP神经网络模型训练，偏差校正，风参数最优估计。本发明不但可以很好的降低偏差校正组合四风速仪加权融合算法的风速相对误差均值，还大幅度的降低了该误差最值，而且该方法受传感器噪声的影响更小，一定程度上提高了风向和风速的估计精度，能够更加有效的进行舰面稳态风参数的估计。
-
Patent Agency Ranking
公开(公告)号：CN115561726A
公开(公告)日：2023-01-03
申请号：CN202210791802.3
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S7/41 , G01S13/89 , G01S13/937
Abstract: 本发明公开了一种航海雷达目标快速检测方法，在离线雷达数据中选取单一扫描线上的雷达回波数据样本，包括含有目标雷达回波样本和不含目标的纯海杂波雷达回波样本；选取特征参数，将样本的回波特征值输入RBF神经网络进行训练，得到训练后的RBF神经网络分类器模型；获取雷达图像中某单一扫描线上的回波待测数据，按照特征参数计算得到回波待测数据回波特征值，得到输入特征矩阵；将输入特征矩阵输入训练后的RBF神经网络分类器模型中，得到决策函数值y；将y和分类器阈值进行比较，判断扫描线上是否存在目标：若y大于阈值，则存在目标；若y小于阈值，则不存在目标。本发明能够减少检测时间，提升目标检测效率和目标检测精度。
-
公开(公告)号：CN115236665A
公开(公告)日：2022-10-25
申请号：CN202210792636.9
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S13/89 , G01S13/937 , G01S7/41
Abstract: 本发明公开了一种航海雷达反演海浪有效波高的方法，包括：离线开展观测试验，分别统计不同波夹角条件下的真实有效波高和不同波夹角条件下的原始有效波高，统计不同波夹角下真实有效波高与原始有效波高的比例，利用最小二乘法拟合得到波夹角与比例之间的关系；计算原始有效波高，利用有效波高与均方根波陡、平均过零周期之间的关系计算得到原始有效波高；校正得到标准有效波高，利用得到的波夹角与真实有效波高与原始有效波高比例之间的拟合关系对原始有效波高进行校正，得到标准有效波高。本发明有效波高不随反演区域的变化而发生大幅度的变化，显著地提高了反演精度，增强了算法在实际工程应用中的可靠性和实用性。
-
公开(公告)号：CN115236623A
公开(公告)日：2022-10-25
申请号：CN202210792671.0
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S7/41 , G01S13/89 , G01S13/937
Abstract: 本发明公开了一种航海雷达目标检测方法，在离线雷达数据中选取雷达回波数据样本，选取雷达回波特征参数并进行特征融合，得到融合回波特征参数和样本训练集，计算融合回波特征参数值并输入到RBF神经网络中进行训练，得到RBF分类器；获取回波待测数据，按照选取的回波特征参数计算得到回波待测数据的回波特征值；将回波特征参数进行特征融合，得到特征矩阵；将特征矩阵输入到RBF分类器模型中，最终得到输出y值；判断所述扫描线有无目标：将输出y值与期望输出值进行比较，若y大于期望输出值，则存在目标；否则，不存在目标。本发明解决了目标检测中数据高维计算量大的问题，不仅可以快速进行目标检测，还可以提高目标检测的准确率。
-
公开(公告)号：CN115063675A
公开(公告)日：2022-09-16
申请号：CN202210591637.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/08 , G06N3/04 , G01W1/14 , G01S13/95 , G01S13/89
Abstract: 本发明公开了一种航海雷达图像降雨强度等级反演方法，机挑选包含不同降雨量的航海雷达图像并确定其降雨强度等级；在图像中分别选取笛卡尔框图像，并将极坐标图象转化为直角坐标图像；分别求取每幅图像的海浪波数能量占比P海浪；将P海浪组成的向量o作为输入，降雨强度等级组成的向量do作为出结果期望，利用向量o对BP神经网络进行训练，并记录训练好的BP神经网络模型；在待检测图像中选取笛卡尔框图像，并求取其海浪波数能量占比P海浪；将待检测航海雷达图像的P海浪输入到训练好的BP神经网络模型，得到待检测航海雷达图像的降雨强度等级。本发明实现了自学习、自适应的降雨强度反演，具有较高的可靠性和准确性。
-
公开(公告)号：CN204998278U
公开(公告)日：2016-01-27
申请号：CN201520754004.9
申请日：2015-09-26
Applicant: 哈尔滨工程大学
Abstract: 本实用新型的目的在于提供两栖空气动力艇独立悬挂结构，由船架、前梁、后梁、前减震器总成、后减震器总成构成，其中前减震器总成由液压弹簧减震器、减震器上支座、减震器下支座、摇臂、球铰支座、螺栓构成，后减震器支座由液压弹簧减震器、减震器上支座、减震器下支座、摇臂、螺栓构成。船架由矩形管焊接而成，船架与驾驶舱连接在一起，前梁连接在驾驶舱前部，后梁穿过驾驶舱后部与驾驶舱连接在一起。本实用新型参考汽车的独立悬挂结构，提供了一种两栖空气动力艇独立悬挂结构，通过该结构能够实现驾驶舱与船体之间的相对运动，减小船身受到的冲击，减小船身的倾斜和震动，改善两栖空气动力艇的舒适性。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.029 seconds)
