-
公开(公告)号：CN111735525A
公开(公告)日：2020-10-02
申请号：CN202010467366.5
申请日：2020-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种适用于无人声纳的DEMON谱特征提取方法。本发明属于DEMON谱特征提取领域，本发明采用小波去噪技术，降低待处理信号中噪声影响；将降噪后的信号通过带通滤波器滤波，提取滤波后的频段信号；根据滤波后的频段信号，进行调制谱检测，进行去信号直流操作，并通过低通滤波器，完成包络检测，得到解调后的信号；对解调后的信号进行傅里叶变换，并进行平均周期图谱估计，得到DEMON线谱；根据得到的DEMON线谱，基于门限准则自主提取线谱；根据基于门限准则自主提取后的线谱，进行轴频估计，并进行桨叶数估计。本发明适用于保持匀速直线运动、具有规则的三至七叶螺旋桨叶、且在矢量水听器工作频带内具有明显调制现象的目标，能够估计出其螺旋桨转速和叶片数信息。本发明能够自主处理目标辐射噪声，提取目标的轴频、桨叶数信息并将算法流程在DSP上进行实现。
-
公开(公告)号：CN111735525B
公开(公告)日：2023-03-31
申请号：CN202010467366.5
申请日：2020-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种适用于无人声纳的DEMON谱特征提取方法。本发明属于DEMON谱特征提取领域，本发明采用小波去噪技术，降低待处理信号中噪声影响；将降噪后的信号通过带通滤波器滤波，提取滤波后的频段信号；根据滤波后的频段信号，进行调制谱检测，进行去信号直流操作，并通过低通滤波器，完成包络检测，得到解调后的信号；对解调后的信号进行傅里叶变换，并进行平均周期图谱估计，得到DEMON线谱；根据得到的DEMON线谱，基于门限准则自主提取线谱；根据基于门限准则自主提取后的线谱，进行轴频估计，并进行桨叶数估计。本发明适用于保持匀速直线运动、具有规则的三至七叶螺旋桨叶、且在矢量水听器工作频带内具有明显调制现象的目标，能够估计出其螺旋桨转速和叶片数信息。本发明能够自主处理目标辐射噪声，提取目标的轴频、桨叶数信息并将算法流程在DSP上进行实现。
-
公开(公告)号：CN114280533B
公开(公告)日：2022-10-21
申请号：CN202111590585.3
申请日：2021-12-23
Applicant: 哈尔滨工程大学
IPC: G01S3/802
Abstract: 本发明是一种基于l0范数约束的稀疏贝叶斯DOA估计方法。本发明涉及水下声学探测技术领域，本发明基于水下阵列信号，构建阵列接收的空域稀疏信号模型；构建超参数概率分布模型，通过贝叶斯公式获得待恢复稀疏信号的后验概率分布；构建超参数的目标函数，并在信号功率的目标函数中引入l0范数约束，通过期望最大化算法(EM)对超参数进行迭代更新；通过收敛得到的超参数重构空域稀疏信号，进而获得DOA估计结果迭代终止后，确定空间谱。在稀疏贝叶斯学习结构中，本发明仅加快了超参数γ的收敛速度，对信号模型无特殊需求。
-
Patent Agency Ranking
公开(公告)号：CN119377887A
公开(公告)日：2025-01-28
申请号：CN202411501068.8
申请日：2024-10-25
Applicant: 哈尔滨工程大学
IPC: G06F18/25 , G06F18/214 , G06N3/08 , G06N3/045 , G06N3/0464 , G06F18/213 , G06F30/20 , G06N3/048
Abstract: 非高斯环境下基于深度学习的脉冲信号重构方法，本发明涉及基于深度学习的脉冲信号重构方法。本发明的目的是解决现有海洋环境噪声往往具有非高斯统计特性，基于高斯分布假设的传统方法在非高斯干扰与低输入信干噪比背景下的脉冲信号重构准确率低的问题，而提出非高斯环境下基于深度学习的脉冲信号重构方法。非高斯环境下基于深度学习的脉冲信号重构方法具体过程为：构建训练集；构建深度神经网络模型；基于训练集对构建的深度神经网络模型进行训练，获得训练好的深度神经网络模型；将接收到的水声脉冲信号输入训练好的深度神经网络模型，训练好的深度神经网络模型输出重构后的脉冲信号。本发明用于脉冲信号重构领域。
-
公开(公告)号：CN119479256A
公开(公告)日：2025-02-18
申请号：CN202410291914.1
申请日：2024-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及水声控制领域，尤其涉及一种抗信道干扰和多普勒的差分扩频水声遥控方法。本发明提出了一种基于水声遥控系统的差分扩频信号处理方法，针对多径效应，本发明提出了一套将峰值搜索与反卷积相结合的抗多途干扰方法。针对噪声和多普勒影响，首先UUV的应答信号使用了码元差分方式的差分扩频信号，并且在解算时首先使用双脉冲法对多普勒粗补偿，而后采用正交接收机进行正交解调得到两路信号，最终可以在解差分环节用差分共轭相乘的形式尽量抵消掉含有残余多普勒和采样误差的系数。仿真结果表明相较于传统方法，本发明的抗噪声和抗多径能力较强，并且当UUV和水面母船之间的相对运动速度较小时，本发明有着更低的误码率。
-
公开(公告)号：CN119126080A
公开(公告)日：2024-12-13
申请号：CN202411144397.1
申请日：2024-08-20
Applicant: 哈尔滨工程大学
Abstract: 一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法,本发明属于水下声学信号处理领域，特别是涉及抗远近场干扰的稀疏测向方法。本发明的目的是为了解决现有远近场强干扰条件下对远场弱目标信号的分辨概率以及测向精度低的问题。一种适用于水下无人平台声纳阵列的抗远近场干扰的稀疏测向方法具体过程为：步骤一：根据平台尺寸及远近场导向矢量相关性确定近场区域集合；步骤二：对接收阵列接收的数据进行子空间投影处理，得到协方差矩阵在信号干扰子空间的投影；步骤三：基于稀疏重构类方法处理协方差矩阵在信号干扰子空间中的投影，得到测向结果。
-
公开(公告)号：CN118191805A
公开(公告)日：2024-06-14
申请号：CN202410319874.7
申请日：2024-03-20
Applicant: 哈尔滨工程大学
IPC: G01S7/527 , G01S7/53 , G06F18/15 , G06F18/2131
Abstract: 宽带连续干扰中的脉冲信号重构方法，本发明涉及脉冲信号重构方法。本发明的目的是为了解决现有方法脉冲信号重构准确率低的问题。过程为：一：声呐A发出声源信号即CW脉冲信号；声呐B发出干扰；水听器接收到背景噪声、声呐A发出的CW脉冲信号及声呐B发出的干扰，将水听器接收到的时域信号转换为时频域信号，将归一化处理后的时频域信号作为脉冲信号重构网络的输入信号；二：构建脉冲信号重构网络；三：获得训练好的脉冲信号重构网络；四：对水听器接收到的实测时域信号转换为时频域信号，将归一化处理后的时频域信号作为训练好的脉冲信号重构网络的输入信号，利用脉冲信号重构网络输出重构信号。本发明用于脉冲信号重构领域。
-
公开(公告)号：CN114280533A
公开(公告)日：2022-04-05
申请号：CN202111590585.3
申请日：2021-12-23
Applicant: 哈尔滨工程大学
IPC: G01S3/802
Abstract: 本发明是一种基于l0范数约束的稀疏贝叶斯DOA估计方法。本发明涉及水下声学探测技术领域，本发明基于水下阵列信号，构建阵列接收的空域稀疏信号模型；构建超参数概率分布模型，通过贝叶斯公式获得待恢复稀疏信号的后验概率分布；构建超参数的目标函数，并在信号功率的目标函数中引入l0范数约束，通过期望最大化算法(EM)对超参数进行迭代更新；通过收敛得到的超参数重构空域稀疏信号，进而获得DOA估计结果迭代终止后，确定空间谱。在稀疏贝叶斯学习结构中，本发明仅加快了超参数γ的收敛速度，对信号模型无特殊需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
