-
-
公开(公告)号:CN112684411B
公开(公告)日:2022-06-03
申请号:CN202011351931.8
申请日:2020-11-26
Applicant: 哈尔滨工程大学
IPC: G01S5/18
Abstract: 本发明公开了一种基于改进到达频率差的水下目标定位方法。步骤1:从输入信号获取解算所需的时延差信息和频率差信息;步骤2:根据获得的时延差和频率差信息建立目标位置的解算方程;根据获得的信息,建立水下机动平台与目标在两个不同的位置的时延差关系方程和频率差关系方程,组成定位解算方程组;步骤3:采用牛顿迭代法对方程进行求解,若求出的结果不符合迭代精度要求,再重复进行循坏求解,直到符合求解的精度要求,最终完成定位精确解算。本发明改进了传统频率差卫星定位方法,使之能应用于水声定位场合,有效提高了水声定位系统定位精度并降低了软硬件设计难度。
-
公开(公告)号:CN113820717A
公开(公告)日:2021-12-21
申请号:CN202110967520.X
申请日:2021-08-23
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于负梯度波导下warping变换的单矢量传感器无源测距方法。本发明通过矢量声信号的简正波表示和简正波分类,确定升压和振速信号;基于含负梯度波导,保留海底反射相移;确定声压和水平振速与声压和垂直振速的互相关函数,得到频谱;利用含负梯度波导下warping变换,进行无源测距。本发明提出的测距方法主要适用于下发下收的情况,仅利用引导声源和单矢量水听器即可实现对目标的无源测距,估计结果与真实距离符合较好,目标距离在10~30km时,算法测距相对误差在8%以内。
-
公开(公告)号:CN113702960A
公开(公告)日:2021-11-26
申请号:CN202110724015.2
申请日:2021-06-29
Applicant: 哈尔滨工程大学
IPC: G01S11/14
Abstract: 本发明公开了一种基于时延和多普勒频移的水下机动平台高精度测速方法。步骤1:建立水下机动平台声学测速模型;步骤2:利用步骤1的水下机动平台声学测速模型及单个周期内已知的观测信息,确定不同基元的组合方式;步骤3:针对步骤2的不同基元的组合方式,求解出相应的速度值;步骤4:根据测速误差的空间分布特性,针对步骤3不同的速度解进行融合,得到最优值。本发明解决现有方法受位置测量精度影响严重,且需要多个基元才能完成的问题。
-
公开(公告)号:CN112684411A
公开(公告)日:2021-04-20
申请号:CN202011351931.8
申请日:2020-11-26
Applicant: 哈尔滨工程大学
IPC: G01S5/18
Abstract: 本发明公开了一种基于改进到达频率差的水下目标定位方法。步骤1:从输入信号获取解算所需的时延差信息和频率差信息;步骤2:根据获得的时延差和频率差信息建立目标位置的解算方程;根据获得的信息,建立水下机动平台与目标在两个不同的位置的时延差关系方程和频率差关系方程,组成定位解算方程组;步骤3:采用牛顿迭代法对方程进行求解,若求出的结果不符合迭代精度要求,再重复进行循坏求解,直到符合求解的精度要求,最终完成定位精确解算。本发明改进了传统频率差卫星定位方法,使之能应用于水声定位场合,有效提高了水声定位系统定位精度并降低了软硬件设计难度。
-
公开(公告)号:CN111948657A
公开(公告)日:2020-11-17
申请号:CN202010738626.8
申请日:2020-07-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于多模粒子滤波的机动弱目标检测前跟踪方法。本发明属于水下目标跟踪技术领域,进行参数初始化处理,确定被动声纳阵列的接收信号;根据被动声纳阵列的接收信号,采用宽带常规波束形成算法处理得到空间谱,将空间谱作为量测数据;根据量测数据,噪声均衡判断当前时刻可疑目标;根据量测数据,进行目标状态空间分区;根据目标状态空间分区结果,采样每个目标每个粒子状态,并计算权值;对同一目标的粒子单独进行重采样;根据采样结果,估计目标的状态;当目标持续时间超过联合观测帧数时,则对目标进行联合判决,并删除没有通过判决的目标信息。本发明实现多个机动目标的实时跟踪,实现被动声纳场景下的机动弱目标的检测和跟踪。
-
公开(公告)号:CN111948629A
公开(公告)日:2020-11-17
申请号:CN202010759941.9
申请日:2020-07-31
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种高稳健性大多普勒单频脉冲信号检测方法。步骤1:获取接收基阵左右子阵的波束域输出信号;步骤2:基于步骤1基阵左右子阵的波束域输出信号,分别计算左子阵与右子阵的瞬时相位序列;步骤3:根据步骤2的左右子阵信号瞬时相位序列,得到瞬时相位差差分序列及其方差;步骤4:根据步骤3中瞬时相位差差分序列方差作为检测统计量进行信号有无的判决。本发明对多普勒频移有较好的适应能力。
-
公开(公告)号:CN110909312A
公开(公告)日:2020-03-24
申请号:CN201911309513.X
申请日:2019-12-18
Applicant: 哈尔滨工程大学
IPC: G06F17/18 , G06F30/20 , G06F111/08
Abstract: 本发明提出一种应用于RBMCDA跟踪算法的目标消亡判断方法,所述方法包括步骤一:在第k-1时刻预测下一时刻的目标状态值方差;步骤二:由预测的目标状态值方差,根据均匀分布概率终止模型计算目标消亡概率;步骤三:根据目标消亡概率,粒子进行蒙特卡洛采样,确定目标状态。本发明由于采用了预测的目标状态值方差作为判决依据,从而将目标消亡概率模型的参数与量测噪声和状态转移噪声建立了联系,不需要另外进行目标消亡模型参数的调整,使系统具有更好的鲁棒性。
-
公开(公告)号:CN110361744A
公开(公告)日:2019-10-22
申请号:CN201910614850.3
申请日:2019-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明是于密度聚类的RBMCDA水下多目标跟踪方法。本发明对每个粒子初始权重置,获得初始时刻粒子群数据;计算可见目标死亡概率,随机抽取死亡目标,对所有粒子存活目标状态进行预测;根据更新后的每个粒子的权值,采用重采样法对粒子状态和粒子目标标签矩阵进行重采样;采用密度聚类算法对所有粒子的所有目标状态估计结果聚类,对每个簇每个样本按理权值加权求和,获得所述每个簇的状态均值;每个粒子标签向量分别与目标标签矩阵相匹配,获得每个聚类簇的系统目标编号,更新目标标签矩阵,获得新的目标标签矩阵;根据粒子数据的密度聚类和目标编号管理结果,输出当前时刻所有目标编号及状态均值。
-
公开(公告)号:CN105184797B
公开(公告)日:2018-10-26
申请号:CN201510593935.X
申请日:2015-09-17
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于递归型核机器学习的高光谱异常目标检测方法。本发明包括:(1)输入高光谱数据;(2)选择核函数k(x,xi)=(xTxi)d,d∈N,建立核机器学习的高光谱目标检测模型,初始化Gram矩阵;(3)建立Gram矩阵KB(n)的状态方程;(4)利用Woodbury恒等式更新高光谱Gram矩阵KB(n)的逆矩阵[KB(n)]‑1;(5)结合异常检测算子对高光谱图像进行快速检测;(6)高光谱图像检测完毕,输出结果。本发明无需重复计算KB(n)及其逆矩阵,可以大大减少算法计算时间,提高了高光谱异常目标检测效率。
-
-
-
-
-
-
-
-
-