非高斯噪声下的稀疏驱动最小核风险敏感损失线谱增强方法

    公开(公告)号:CN119689377A

    公开(公告)日:2025-03-25

    申请号:CN202411842243.X

    申请日:2024-12-13

    Abstract: 非高斯噪声下的稀疏驱动最小核风险敏感损失线谱增强方法,本发明涉及稀疏驱动最小核风险敏感损失线谱增强方法,属于声纳探测技术领域。本发明的目的是为了解决现有自适应线谱增强方法无法有效抑制非高斯噪声,以及现有方法计算量大无法应用于实时处理的问题。过程为:一:获取ALE的频域输入信号,设定频域自适应权值初始值;二:将频域输入信号与频域自适应权值相乘得到ALE的输出信号,将输出信号与输入信号相减得到估计误差;三:进行自适应权值更新迭代;四:重复二至三,直到频域自适应权值收敛,获得最优的频域自适应权值;五:将频域输入信号与最优的频域自适应权值相乘得到ALE的输出信号,输出信号即为增强后的信号。

    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

    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

    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。

    一种海底阵的阵元位置无偏标校方法

    公开(公告)号:CN118311670A

    公开(公告)日:2024-07-09

    申请号:CN202410427842.9

    申请日:2024-04-10

    Abstract: 一种海底阵的阵元位置无偏标校方法,它属于海底阵的阵元位置标校领域。本发明解决了传统方法对海底阵的阵元位置标校结果存在偏差的问题。本发明方法具体为:步骤一、构建基于伪时延信息的最小二乘估计器,再利用最小二乘估计器得到传播时延偏差、声速以及海底阵的阵元位置的初步标校结果;步骤二、利用泰勒级数展开建立传播时延、水面船位置的随机测量误差与估计偏差的关系式,并将步骤一中的初步标校结果作为真值代入关系式,得到估计偏差;步骤三、根据步骤二中计算出的估计偏差对初步标校结果进行偏差补偿,得到最终的标校结果。本发明方法可以应用于海底阵的阵元位置标校。

    一种基于水声目标辐射线谱的方位-径向速度联合距离估计方法

    公开(公告)号:CN118112574A

    公开(公告)日:2024-05-31

    申请号:CN202410254275.1

    申请日:2024-03-06

    Abstract: 一种基于水声目标辐射线谱的方位‑径向速度联合距离估计方法,它属于水下声学信号处理领域。本发明解决了现有多信息联合的测距算法的实时性差、计算量大的问题。本发明利用水声目标辐射噪声中线谱声压互相关的干涉特性求解目标径向运动速度。之后构建了目标距离的解析解模型,利用径向速度和水平方位信息解算目标距离实现了高时效性的目标距离估计。最后,利用多线谱冗余信息的优化测距方法,实现对多线谱距离估计结果的优化,降低了单线谱测距的误差,提高了测距的精度。而且与现有方法相比,本发明方法大大减小了计算量。本发明方法可以应用于水下声学信号处理领域。

    基于动态变换水下弱目标检测前跟踪方法

    公开(公告)号:CN117991190A

    公开(公告)日:2024-05-07

    申请号:CN202410327621.4

    申请日:2024-03-21

    Abstract: 基于动态变换水下弱目标检测前跟踪方法,本发明涉及水下弱目标检测前跟踪方法,属于水下弱目标跟踪领域。本发明的目的是为了解决现有检测前跟踪方法对于邻近目标,会出现量测模糊,两个目标的波束会合并,导致目标轨迹跟踪错误的问题。过程为:一、对被动声纳接收的阵列信号进行处理得到空间谱数据,作为量测数据;二、令k=1,对第一帧水下目标的量测数据进行初始化,得到方位角、值函数、水下目标航迹回溯函数;三、令k=k+1,对第k帧水下目标的量测数据进行处理,得到值函数和水下目标航迹回溯函数;四、判断k≥K,若是,执行五;若否,重复执行三,直至k=K;五、保留大于判决门限的值函数对应的帧的水下目标;六、航迹回溯得到水下目标的轨迹。

    一种基于稀疏贝叶斯学习的远近场混合源离网定位方法

    公开(公告)号:CN117852656A

    公开(公告)日:2024-04-09

    申请号:CN202410030421.2

    申请日:2024-01-09

    Abstract: 一种基于稀疏贝叶斯学习的远近场混合源离网定位方法,它属于水下声学探测领域。本发明解决了现有方法无法实现高定位精度和高计算效率的兼顾的问题。本发明通过构建远近场离网模型,将远近场离网误差作为超参数引入稀疏贝叶斯学习过程,实现对离网误差的有效估计与补偿,完成了更高精度的远近场定位,大幅减弱了近场强干扰对远场测向的影响。同时利用远近场网格演化技术,实现远近场网格点在目标位置附近自主分裂学习,使网格点可以非均匀、有侧重地覆盖感兴趣空域,能在提高定位精度的同时提升方法计算效率。本发明方法可以应用于远近场混合源离网定位领域。

    一种水下直接序列扩频信号参数估计方法及设备

    公开(公告)号:CN117335835A

    公开(公告)日:2024-01-02

    申请号:CN202311358236.8

    申请日:2023-10-19

    Abstract: 一种水下直接序列扩频信号参数估计方法及设备,它属于水声扩频信号参数估计领域。本发明解决了现有方法对伪码周期和码片宽度估计的精度低的问题。本发明采取的技术方案为:步骤1、利用正交接收机对接收的水下直接序列扩频信号进行解调,获得基带信号;步骤2、对基带信号进行低通滤波后,得到滤波后的信号;对滤波后的信号进行求导,再对求导结果进行取绝对值操作,得到取绝对值后的结果;步骤3、计算取绝对值后结果的功率谱SY(f),再根据功率谱估计码片速率,并根据码片速率计算出码片宽度;步骤4、计算SY(f)的功率谱得到伪时域波形,并提取伪时域波形的谱线位置后,相邻谱线峰值之间的间隔即为伪码周期。本发明方法可以应用于水声扩频信号参数估计。

    一种时频联合处理的声纹切片统计量特征提取方法

    公开(公告)号:CN117292710A

    公开(公告)日:2023-12-26

    申请号:CN202311241848.9

    申请日:2023-09-25

    Abstract: 一种时频联合处理的声纹切片统计量特征提取方法,它属于水声目标特征提取技术领域。本发明解决了现有的特征提取方法未充分利用信号的时变信息的问题。本发明方法采取的技术方案为:步骤一、预设多个矩形滤波器,对船舶辐射噪声信号进行分帧处理后,再利用每个矩形滤波器分别对各段信号进行滤波,得到滤波结果;再分别对每段信号在各个频带下的滤波结果进行STFT,根据STFT结果得到各个频带的声纹切片;步骤二、分别获得每个频带的声纹切片的概率密度最大值,再根据概率密度最大值确定对应声纹切片的统计量特征,将各个频带的声纹切片的统计量特征进行串联,得到船舶辐射噪声信号的声纹特征。本发明方法可以应用于水声目标特征提取。

    一种新的加权梅尔频率倒谱特征融合方法

    公开(公告)号:CN117251822A

    公开(公告)日:2023-12-19

    申请号:CN202311241993.7

    申请日:2023-09-25

    Abstract: 一种新的加权梅尔频率倒谱特征融合方法,它属于水声目标识别领域。本发明解决了基于现有的权值选择方法所得到融合特征的可分性差,对识别准确率提升的效果有限的问题。本发明通过对MFCC特征进行差分运算,得到一阶差分特征,再对一阶差分特征进行差分运算,得到二阶差分特征,再将MFCC特征、一阶差分特征和二阶差分特征进行线性加权,构造一个与MFCC特征同维度的融合特征,本发明融合后的特征包含大量的时间维度上的信息,因此相比较于MFCC特征稳健性更强。而且通过计算两类不同目标的特征概率密度分布函数之间的距离,并通过寻找特征分布距离的最大值来确定权值,根据权值融合后的特征保证了最大化的特征可分性。本发明方法可以应用于水声目标识别。

    一种基于稀疏贝叶斯学习的目标方位估计方法

    公开(公告)号:CN117214901A

    公开(公告)日:2023-12-12

    申请号:CN202311171597.1

    申请日:2023-09-12

    Abstract: 一种基于稀疏贝叶斯学习的目标方位估计方法,它属于声呐被动测向技术领域。本发明解决了在水下平台自噪声背景下,现有方位估计方法仍然存在估计精度低的问题。本发明方法采取的技术方案为:步骤一、建立存在平台自噪声时远场信号阵列接收模型;步骤二、根据步骤一中的接收模型,建立平台自噪声下的稀疏贝叶斯学习框架,并根据建立的稀疏贝叶斯学习框架得到声源信号功率估计模型;步骤三、将接收数据协方差矩阵投影至噪声子空间,获得平台自噪声协方差矩阵估计模型;步骤四、根据声源信号功率估计模型和平台自噪声协方差矩阵估计模型获得声源目标方位估计结果。本发明方法可以应用于目标方位估计。

Patent Agency Ranking