-
公开(公告)号：CN114740428B
公开(公告)日：2024-09-10
申请号：CN202210386097.9
申请日：2022-04-13
Applicant: 厦门大学
IPC: G01S5/22
Abstract: 本发明给出了一种基于改进三角形法的水下被动定位方法与系统，包括将阵列沿同一直线移动两次不同的距离，以此构成三个三角形，利用这三个三角形分别对水下目标进行定位；对定位结果进行异常值剔除后，再对定位结果利用二维搜索方法分别对其中的角度估计值和三组定位坐标进行优化，得到最终的定位结果。本方法基于传统的三角形法的定位原理进行改进，可以实现更精准的定位效果，相比较传统的三角形法，提高了水下低信噪比环境中的定位精度，增强了被动定位的鲁棒性，并且对传统三角形法的改进与推广具有一定程度上的参考价值。
-
公开(公告)号：CN118050683A
公开(公告)日：2024-05-17
申请号：CN202410093022.0
申请日：2024-01-23
Applicant: 厦门大学深圳研究院
IPC: G01S5/18 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/084 , G06N3/045 , G01S3/80
Abstract: 公开了一种低信噪比条件下的无人机声源定位方法及系统，该方法包括以下步骤：S1，确认无人机声源定位场景的麦克风阵列的接收模型，根据所述无人机声源定位场景，构建出麦克风阵列系统，制作无人机声源数据集；S2，构建基于时延估计神经网络的无人机声源DOA算法模型，使用所述无人机声源数据集进行数据处理，将处理后的数据输入无人机声源DOA算法模型进行训练与优化，预测所述无人机声源到达所述麦克风阵列中不同麦克风的时延；S3，根据所预测的时延求出所述无人机声源与所述麦克风阵列系统的角度，从而进行三维定位，预测所述无人机声源的轨迹。
-
公开(公告)号：CN117311357A
公开(公告)日：2023-12-29
申请号：CN202311354878.0
申请日：2023-10-19
Applicant: 厦门大学深圳研究院
IPC: G05D1/02
Abstract: 本发明提供一种基于改进遗传算法的多USV编队队形优化方法和装置，方法包括步骤：以多USV编队作为当前种群，将多USV编队中的个体分为领航者USV和跟随者USV，随机初始化跟随者USV的解；以编队探测效能为适应度函数，利用改进的遗传算法优化多USV编队的队形；优化指定的迭代次数，获得优化的多USV编队的队形。本发明的策略以最大化编队探测效能为目标，根据水声环境建模和探测系统仿真构建了基于多USV的目标探测概率模型，并考虑了海洋环境中的障碍物影响，将障碍物位置约束引入优化算法中，支持USV编队在线避障；在遗传算法的种群选择中，加入精英选择策略，保证优质种群质量，在变异操作中，引入大变异概率策略，提高了优化算法跳出局部最优值的能力。
-
公开(公告)号：CN118075075A
公开(公告)日：2024-05-24
申请号：CN202410155921.9
申请日：2024-02-04
Applicant: 厦门大学深圳研究院
Abstract: 公开了一种基于非正交图像特征的CIM‑OFDM调制方法、解调方法及系统，该发明将非正交图像特征引入通信系统中，从而打破一般的通信系统对正交码本的依赖，提高通信频谱效率。通过建立图像索引设计和使用基于图像特征的非正交图像码本，消除了系统对正交码的需求，增加携带的信息量，提高传输频谱效率。端对端学习进行联合优化降低恢复数据和传输数据之间不一致性的端对端损失。通过自设计的端对端网络，自动学习输入到输出之间的映射关系而无需人工设计中间模块，简化网络复杂度，降低训练成本。
-
公开(公告)号：CN116800563A
公开(公告)日：2023-09-22
申请号：CN202310073825.5
申请日：2023-01-18
Applicant: 厦门大学
Abstract: 本申请涉及一种适用于水声传感网络的深度学习信道估计方法和装置，该方法利用OFDM导频数据建立稀疏信号模型，并通过对稀疏信号模型进行实值化变换获得实值稀疏模型，引入近似消息传递(AMP)估计框架实现信道信息的初步恢复，进一步地，提出基于模型驱动的深度学习框架，分别建立基于AMP的不考虑稀疏先验的ST‑LAMP网络和考虑稀疏先验的GGM‑LAMP网络，根据既定的策略分别进行网络训练，通过数据学习到最优的匹配参数并进行更新固定，通过输入新的测量值可输出正确的信道估计值，解决了传统的经验化参数设置并不能适用水声信道复杂性高，导致信道估计偏离实际信道的问题，提高了信道估计的精度，本申请提出的信道估计方法具有低复杂性、自适用性强的特点。
-
Patent Agency Ranking
公开(公告)号：CN114167354A
公开(公告)日：2022-03-11
申请号：CN202111413074.4
申请日：2021-11-25
Applicant: 厦门大学
Abstract: 本申请提出了一种基于高自由度的水下DOA估计方法，该方法具体包括如下步骤：获取互质阵列换能器接收的多个不同角度的源信号；利用互质阵列RECA提高连续虚拟阵元的数量；对虚拟ULA上接收到的信号分析后进行离散傅里叶逆变换；通过离散逆傅里叶变换IDFT频谱的峰值，得到信号源的预测角度；最后通过均方根误差评估DOA估计方法的性能。本申请根据高自由度下连续的虚拟阵元数量多的特点，使得利用数量少的实际阵元可以接收更多不同角度信号源的信号，从而节省了成本；通过对发射信号控制一定的信噪比和快拍数，在复杂海洋环境下信号源发射的信号都可以被接收到，且本方法准确性能比高效离散逆傅里叶变换好，由此搭建一体化定位系统，提高水下定位的准确性。
-
公开(公告)号：CN115118556B
公开(公告)日：2023-10-17
申请号：CN202210704369.5
申请日：2022-06-21
Applicant: 厦门大学
Abstract: 本申请提出了一种OFDM水声通信系统的稀疏信道估计方法，包括：S1、将多个OFDM数据块的导频数据作为观测信号，构建多测量向量模型和单测量向量模型；S2、利用时序稀疏贝叶斯方法构建单测量向量模型的第一后验概率表达式，基于最大期望的估计方法迭代估计得到最大第一后验概率，并转化成不同OFDM数据块的信道脉冲响应；针对多测量向量模型，引入线性相关模型中的相关矩阵控制多测量向量模型的相关性，稀疏矩阵控制信道稀疏性，利用变分‑时序稀疏贝叶斯方法迭代估计稀疏矩阵和相关矩阵，获得最大第二后验概率，将稀疏矩阵与相关矩阵相乘得到多个所述OFDM数据块的信道脉冲响应。本申请的水声稀疏信道估计方法提高了信道估计精度，并且降低了计算复杂度。
-
公开(公告)号：CN116094894A
公开(公告)日：2023-05-09
申请号：CN202310013838.3
申请日：2023-01-05
Applicant: 厦门大学
Abstract: 本申请涉及一种适用于水下通信的实信号正交频分复用方法和装置，该方法包括基于离散哈特利变换正交频分复用(DHT‑OFDM)的数据调制的发送机系统和基于离散傅里叶变换(DFT)的接收机系统。本申请使用实信号作为输入，降低了复数运算的复杂度，为了克服离散哈特利‑正交频分复用(DHT‑OFDM)方法由于载波间耦合而导致的数据速率下降问题，本申请基于循环前缀和索引调制技术，对现有方法进行改进，实现了一个可靠的水下通信系统，而且在不损失信道估计精度的情况下，减少了50％的导频开销，不但提高了频谱效率，还增强了系统的误码率性能和对载波频率偏移的鲁棒性。
-
公开(公告)号：CN115547347A
公开(公告)日：2022-12-30
申请号：CN202210803510.7
申请日：2022-07-07
Applicant: 厦门大学
Abstract: 本申请提出了一种基于多尺度时频特征提取的鲸类声信号识别方法，包括：S1、获取海洋中鲸类生物发出的声信号；S2、采用自适应多尺度线性调频小波变换提取所述声信号的多尺度时频参数特征；S3、将所述时频参数特征输入到改进的卷积神经网络框架中进行识别，所述改进的卷积神经网络框架具体包括：在特征金字塔网络自上而下的路径最高层添加上下文信息提取模块，在所述特征金字塔网络自下而上的路径中添加多尺度通道注意力特征融合模块。本申请结合自适应多尺度线性调频小波变换方法提取的时频参数特征和基于时频参数特征设计的时频卷积神经网络框架，充分提取和利用鲸类声信号中的多尺度非线性特征，提升鲸类声信号的识别准确率和鲁棒性。
-
公开(公告)号：CN114167355A
公开(公告)日：2022-03-11
申请号：CN202111413075.9
申请日：2021-11-25
Applicant: 厦门大学
Abstract: 本申请提出了一种基于稀疏嵌套线性阵列的自相关域的水下DOA估计方法，该方法具体包括如下步骤：获取稀疏嵌套线性阵列换能器接收的多个不同角度的源信号；利用DWT去噪模块对接收到的所述源信号进行降噪处理；进一步对参数进行优化处理，获得基于自相关域的空间谱；通过搜寻所述自相关域的空间谱的峰值，获取所述信号源的预测角度；通过均方根误差评估DOA估计方法的性能。通过DWT去噪模块对基于稀疏嵌套线性阵列SNLA构建的水下声信号模型进行降噪处理，提升信号的信噪比，进而提升在多径效应严重的海洋环境中的DOA估计性能；通过此方法得到信号源的预测角度，分析这些预测角度的均方误差能以保证对信号源准确定位。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
