-
公开(公告)号：CN112364978A
公开(公告)日：2021-02-12
申请号：CN202011223533.8
申请日：2020-11-05
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种用于系统辨识的神经网络训练集构造方法，本发明先利用成熟的线性系统理论，将系统近似为线性系统进行预处理。首先利用自相关函数，大致计算出系统的最佳阶数，然后利用谱估计技术计算白化滤波器获得预训练过程中的参考信号。最后以参考信号和系统输出的均方误差作为评价准则，找到最佳阶数的精确值。利用此精确值，即可构造用于系统辨识的数据集，提高神经网络性能。利用该方法构造的数据集可以使完成系统辨识任务的神经网络快速收敛，并且具有较高的辨识性能。
-
公开(公告)号：CN109752086B
公开(公告)日：2020-12-04
申请号：CN201811584309.4
申请日：2018-12-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水声领域，公开了基于BELLHOP的快速声场计算方法，步骤(1)：指定基础步长L0、海洋深度h0、声源初始深度hs、以及边界容限Δh；步骤(2)：建立水深与声速的函数关系f(h)；步骤(3)：定义f(h)的导函数g(h)；步骤(4)：求|g(h)|的最大值max|g(h)|，令M＝max|g(h)|；步骤(5)：对f(h)进行插值，获得在hs深度处声速值f(hs)及f(hs)的导数g(hs)；步骤(6)：若hs＜Δh或hs＞h0‑Δh，令g(hs)＝M；步骤(7)：对f(hs)的导数g(hs)进行归一化，令g2(hs)＝g(hs)/M；步骤(8)：构造满足约束条件的g(h)和网格尺寸的映射关系r(g(h))；步骤(9)：计算网格边长L；步骤(10)：计算当前网格内及边界处声场分布；步骤(11)：判断当前位置是否达到接收点；步骤(12)：声场计算结束，停止计算。本发明保证了声场计算的速度、提高了声场计算的精度。
-
Patent Agency Ranking
公开(公告)号：CN111323752A
公开(公告)日：2020-06-23
申请号：CN202010219550.8
申请日：2020-03-25
Applicant: 哈尔滨工程大学
IPC: G01S5/18
Abstract: 本发明提供一种远近场过渡区间声源定位方法，解决声源处于远场和近场过渡距离上的高精度定位问题。本文首先分析了声源处于过渡距离上声源定位误差大的原因，然后针对空间中每个点都仿真产生阵列接收信号，计算接收信号的相关矩阵作为输入数据，将对应点的坐标作为标签，构建数据集。利用残差神经网络学习从相关矩阵到坐标的非线性映射关系，从而可以将神经网络作为处于过渡区间的声源位置估计器，最终实现介于远场和近场之间过渡区间的声源高精度定位。
-
公开(公告)号：CN106646350A
公开(公告)日：2017-05-10
申请号：CN201610810833.3
申请日：2016-09-08
Applicant: 哈尔滨工程大学
IPC: G01S3/803
CPC classification number: G01S3/803
Abstract: 本发明具体涉及一种单只矢量水听器各通道幅度增益不一致时的修正方法。本发明包括：用常规的MVDR算法及MUSIC算法对单只矢量水听器接收到的数据进行方位估计；确定Vx通道及Vy通道修正因子的搜索范围；设定修正因子，并用其对接收数据进行修正，以修正后信号归一化MUSIC谱的取值范围为目标函数进行最优搜索，确定最优修正因子；用最优修正因子对接收数据进行修正并进行方位估计。本发明在单只矢量水听器各个通道幅度增益不一致的条件下，可通过修正因子对接收数据进行修正，解决了单只矢量水听器各通道幅度增益不一致条件下，信号方位估计精度低、存在“伪峰”等问题，实现了单只矢量水听器各通道幅度增益不一致时的方位估计。
-
公开(公告)号：CN103226197A
公开(公告)日：2013-07-31
申请号：CN201310131689.7
申请日：2013-04-16
Applicant: 哈尔滨工程大学
IPC: G01S7/539
Abstract: 本发明涉及水声技术应用领域，具体涉及的是一种对水下目标回波分类的方法。本发明包括如下步骤：对训练样本库中的样本数据进行归一化预处理，计算样本的功率谱及高阶累积量的对角切片谱；在功率谱及对角切片谱上提取信号的音色特征量；筛选所提取的音色特征，选择能够对水下目标回波进行有效分类的特征，将这些特征组合建立特征空间；对于新的样本信号，执行以上三个步骤，将得到的特征空间与样本库中的特征分布进行匹配，判断新样本信号的类别。本发明能够提高水下目标回波的分类效果，进而提高水下目标的探测和识别准确率。
-
公开(公告)号：CN102799757A
公开(公告)日：2012-11-28
申请号：CN201210192002.6
申请日：2012-06-12
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明涉及弱信号处理领域，具体涉及一种强干扰背景下去除强趋势项及瞬态脉冲干扰的微弱信号提取方法。本发明包括(1)对强干扰背景下的微弱信号进行经验模态分解；(2)对分解的d阶模态，构造强干扰判决准则；(3)对存在脉冲干扰的模态分量进行包络检波，将瞬态脉冲干扰位置数据置零；(4)利用自回归-滑动平均模型恢复被置零的数据；(5)合并前D阶基本模式分量，得到除强干扰后的微弱信号。相比于现有方法，本发明能够在更完整保留微弱信号特性的同时，去除强复杂趋势线的干扰，将瞬态脉冲干扰部分的数据进行预测恢复，减小对微弱信号波形畸变的影响。
-
公开(公告)号：CN101609150A
公开(公告)日：2009-12-23
申请号：CN200910072468.0
申请日：2009-07-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种提高基阵分辨力和增益的快速波束形成方法。采用最小冗余阵列的构造，将M元均匀线阵优化成P元非均匀线阵的形式；对P元基阵的基元数据进行FFT处理；在频率域上，根据基于四阶累积量的阵列孔径扩展特性构造基于均匀线阵的数据协方差矩阵；波束空间归一化处理；进行Bartlett空间谱估计。本发明利用四阶累积量的阵列孔径扩展特性实现了使用优化的基元布放形式来获得高的分辨力，克服了原有基于四阶累积量方法对快拍数要求高、计算复杂度大的缺点，使得计算过程简单易行。在信噪比高于临界信噪比时，本发明方法具有比常规波束形成更高的阵增益。波束空间的归一化处理，实现了对背景干扰的有效抑制。本发明的波束形成方法简单易行，非常适用于工程应用。
-
-
-
-
-
-
Search Results
37
records
(took 0.026 seconds)
