-
公开(公告)号：CN108802683B
公开(公告)日：2021-04-27
申请号：CN201810540578.4
申请日：2018-05-30
Applicant: 东南大学
IPC: G01S5/18
Abstract: 本发明公开了一种基于可预测简正波的稀疏贝叶斯学习的源定位方法，属于信号处理技术领域。本发明的方法针对现有基于稀疏贝叶斯学习的匹配场处理方法存在环境失配的问题，利用不同简正波受到环境变化影响的差异，提取出受到环境变化影响较少的简正波来计算拷贝场字典。由于声场由简正波叠加而成，提取其中受到环境影响较小的简正波部分作为可预测简正波计算拷贝场字典，从而减少环境失配带来的定位误差，提升了对环境失配的鲁棒性。
-
公开(公告)号：CN109993280A
公开(公告)日：2019-07-09
申请号：CN201910236715.X
申请日：2019-03-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的水下声源定位方法，包括：对使用KRAKEN程序模拟出的向量数据进行归一化操作，并叠加0均值高斯随机噪声复向量n，得到在频率f处的模拟声场数据p(f)；根据模拟声场数据p(f)构建归一化协方差矩阵H，并对矩阵H进行Hermitian分解，将复矩阵H转化为卷积神经网络能够处理的实矩阵，得到卷积神经网络的输入数据；使用输入数据训练卷积神经网络，得到水下声源定位预测模型，则根据观测到的声场数据，预测出信号源的距离和深度。本发明针对单、多声源情形下水下声源定位使用了LeNet‑5卷积神经网络与56层深度残差网络，取得了拥有较高精度和准确率的水下声源定位算法，并提高了水下声源定位的实时性。
-
公开(公告)号：CN108802683A
公开(公告)日：2018-11-13
申请号：CN201810540578.4
申请日：2018-05-30
Applicant: 东南大学
IPC: G01S5/18
CPC classification number: G01S5/18
Abstract: 本发明公开了一种基于可预测简正波的稀疏贝叶斯学习的源定位方法，属于信号处理技术领域。本发明的方法针对现有基于稀疏贝叶斯学习的匹配场处理方法存在环境失配的问题，利用不同简正波受到环境变化影响的差异，提取出受到环境变化影响较少的简正波来计算拷贝场字典。由于声场由简正波叠加而成，提取其中受到环境影响较小的简正波部分作为可预测简正波计算拷贝场字典，从而减少环境失配带来的定位误差，提升了对环境失配的鲁棒性。
-
公开(公告)号：CN109993280B
公开(公告)日：2021-05-11
申请号：CN201910236715.X
申请日：2019-03-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的水下声源定位方法，包括：对使用KRAKEN程序模拟出的向量数据进行归一化操作，并叠加0均值高斯随机噪声复向量n，得到在频率f处的模拟声场数据p(f)；根据模拟声场数据p(f)构建归一化协方差矩阵H，并对矩阵H进行Hermitian分解，将复矩阵H转化为卷积神经网络能够处理的实矩阵，得到卷积神经网络的输入数据；使用输入数据训练卷积神经网络，得到水下声源定位预测模型，则根据观测到的声场数据，预测出信号源的距离和深度。本发明针对单、多声源情形下水下声源定位使用了LeNet‑5卷积神经网络与56层深度残差网络，取得了拥有较高精度和准确率的水下声源定位算法，并提高了水下声源定位的实时性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
