-
公开(公告)号：CN116540195A
公开(公告)日：2023-08-04
申请号：CN202310352687.4
申请日：2023-04-04
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种航海雷达图像风向检索方法，对原始雷达图像去除同频干扰，并进行归一化；在图像的极坐标系中，按照设定距离步长选取距离雷达图像中心距离相等的像素点作为一组，在每组像素点中剔除强度异常的像素点，然后在每组像素点中选取强度最大的像素点，并根据强度最大的像素点确定一维理想距离衰减数据然后应用最小二乘拟合将一维理想距离衰减数据拟合至理想距离衰减模型，并确定其回归参数；理想距离衰减模型与每个方位角的雷达图像像素点强度进行拟合比较，确定每个方位衰减水平分量；根据水平极化下航海雷达图像风向与方位角依赖性检索海面风向。本发明改善了风向检索精度，有效地减少雷达图像中异常值干扰以及低风速造成的误差。
-
公开(公告)号：CN114910913B
公开(公告)日：2024-08-20
申请号：CN202210591517.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种利用雷达图像检测降雨的方法，离线确定检测是否降雨的阈值；在待检测雷达图像中选取笛卡尔框并计算待检测雷达图像海浪主波长λ和主波长包含像元点数α；设置滑窗大小和起始位置并遍历笛卡尔框，循环计算出滑窗在每个遍历位置时回波强度矩阵中回波差异最大值；从滑窗在每个遍历位置时回波强度矩阵中回波差异最大值中选出最大值作为笛卡尔框内回波差异最大值Bmax；利用笛卡尔框内回波差异最大值Bmax与阈值对比确定待检测图像是否存在降雨。本发明考虑了降雨监测区域存在海浪的情况，采用滑窗遍历方法来计算航海雷达图像的最大回波差异，保证了回波差异的求取范围包含波峰和波谷，提高了计算的准确率。
-
公开(公告)号：CN116664974A
公开(公告)日：2023-08-29
申请号：CN202310633106.4
申请日：2023-05-31
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0464 , G01S13/95 , G01S13/89 , G01S7/41
Abstract: 一种基于航海雷达图像的海面风速反演方法，它属于海洋遥感技术领域。本发明解决了现有方法的风速反演精度低的问题。本发明的技术方案为：步骤1、离线读取雷达文件得到原始雷达图像集，分别对每个原始雷达图像进行处理获得每个原始雷达图像对应的逆风方向全距离积分面积；再根据采集每个原始雷达图像时的风速，建立风速与逆风方向全距离积分面积的函数关系；步骤2、在线读取风速待测的雷达图像，计算出风速待测的雷达图像的逆风方向全距离积分面积；步骤3、将步骤2中计算出的逆风方向全距离积分面积代入步骤1中建立的风速与逆风方向全距离积分面积的函数，得到采集步骤2读取的雷达图像时的海表面风速。本发明方法可以应用于海面风速反演。
-
公开(公告)号：CN115774246A
公开(公告)日：2023-03-10
申请号：CN202211369814.3
申请日：2022-11-03
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种降雨强度等级反演方法。首先，离线采集不同降雨强度下的雷达图像，选取合适的降雨检测区域，利用二维离散傅里叶变换(2D‑DFT)得到对应的波数能量谱图像。提取不同降雨强度下的能量谱图像特征参数，送入构建的GA‑BPNN模型中进行训练，获得满足实验要求的模型。然后，选取待检测的雷达图像，计算其波数能量谱图像和特征参数。最后，将特征参数送入离线获得的GA‑BPNN模型中，得到待检测图像的降雨强度等级。本发明实现了船舶航行及海上作业中海上降雨信息实时获取的需求。
-
公开(公告)号：CN111693999B
公开(公告)日：2023-05-05
申请号：CN202010481799.6
申请日：2020-05-27
Applicant: 哈尔滨工程大学
IPC: G01S13/95
Abstract: 本发明提供的是一种基于雷达测风组合策略的多传感器融合风速风向估计方法。包括获取传感器权值；根据雷达测量的自由来流风向值作为相对风向的参考约束，对风向角度范围约束下的传感器信息进行校验，筛选对应分组的传感器权值，进而估计出不同传感器权值下的风向、风速值；将得到的每组风速分量矢量相加，计算出每组风向和风速的估计值，引入代价函数，在加入雷达测量风向角度误差范围内，输入每组风向和风速的估计值，输出代价函数最小的结果作为风向和风速的最优估计值。相比于传统的最优加权融合方法，本发明的方法大大提高了校正后的风速、风向测量精度，比传统的方法融合效果更好。
-
Patent Agency Ranking
公开(公告)号：CN115032601A
公开(公告)日：2022-09-09
申请号：CN202210324055.2
申请日：2022-03-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于空时联合滤波技术抑制图像序列中海杂波的航海雷达目标检测算法，该方法首先对选定区域原始雷达图像序列进行海杂波抑制，选取原始雷达图像序列中需要抑制海杂波的区域，利用三维傅里叶变换(3D‑FFT)获得三维频率波数域图像谱，选择一种基于色散关系的空时联合滤波器滤除海杂波能量，对滤波后的图像序列的三维频率波数域图像谱进行三维傅里叶逆变换(3D‑IFFT)，获得抑制海杂波后的图像序列；再对抑制海杂波后的图像序列进行目标点检测。本发明目的在于解决航海雷达图像中强海杂波信号对目标检测的影响，抑制雷达图像中的强海杂波信号，提高图像的信噪比，进而提高强海杂波情况下的目标检测概率。
-
公开(公告)号：CN114910913A
公开(公告)日：2022-08-16
申请号：CN202210591517.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种利用雷达图像检测降雨的方法，离线确定检测是否降雨的阈值；在待检测雷达图像中选取笛卡尔框并计算待检测雷达图像海浪主波长λ和主波长包含像元点数α；设置滑窗大小和起始位置并遍历笛卡尔框，循环计算出滑窗在每个遍历位置时回波强度矩阵中回波差异最大值；从滑窗在每个遍历位置时回波强度矩阵中回波差异最大值中选出最大值作为笛卡尔框内回波差异最大值Bmax；利用笛卡尔框内回波差异最大值Bmax与阈值对比确定待检测图像是否存在降雨。本发明考虑了降雨监测区域存在海浪的情况，采用滑窗遍历方法来计算航海雷达图像的最大回波差异，保证了回波差异的求取范围包含波峰和波谷，提高了计算的准确率。
-
公开(公告)号：CN111693999A
公开(公告)日：2020-09-22
申请号：CN202010481799.6
申请日：2020-05-27
Applicant: 哈尔滨工程大学
IPC: G01S13/95
Abstract: 本发明提供的是一种基于雷达测风组合策略的多传感器融合风速风向估计方法。包括获取传感器权值；根据雷达测量的自由来流风向值作为相对风向的参考约束，对风向角度范围约束下的传感器信息进行校验，筛选对应分组的传感器权值，进而估计出不同传感器权值下的风向、风速值；将得到的每组风速分量矢量相加，计算出每组风向和风速的估计值，引入代价函数，在加入雷达测量风向角度误差范围内，输入每组风向和风速的估计值，输出代价函数最小的结果作为风向和风速的最优估计值。相比于传统的最优加权融合方法，本发明的方法大大提高了校正后的风速、风向测量精度，比传统的方法融合效果更好。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
