合作水声信号时延差估计方法
    1.
    发明公开

    公开(公告)号:CN118409279A

    公开(公告)日:2024-07-30

    申请号:CN202410521016.0

    申请日:2024-04-28

    Abstract: 合作水声信号时延差估计方法,它属于水下声学定位技术领域。本发明解决了现有方法不能实现小计算复杂度和高时延差估计精度的兼顾,且无法满足实时性要求的问题。本发明具体为:根据无人平台上安装的水听器接收信号,获得接收信号到达各个水听器的时刻和各水听器对应的拷贝相关包络峰值,并计算基于拷贝相关法的相邻水听器的时延差;再计算相邻水听器的广义互相关最大峰、次大峰对应的时延差以及标准互相关包络值;根据计算出的拷贝相关包络峰值,广义互相关最大峰、次大峰对应的标准互相关包络值,计算各个水听器的接收信号有效幅度;根据接收信号有效幅度分别计算出每组相邻水听器通道的最终时延差;本发明方法可以应用于水下声学定位技术领域。

    阵列幅度相位误差估计方法
    2.
    发明公开

    公开(公告)号:CN118425874A

    公开(公告)日:2024-08-02

    申请号:CN202410520990.5

    申请日:2024-04-28

    Abstract: 一种阵列幅度相位误差估计方法,属于阵列信号处理技术领域。本发明针对现有阵列幅度相位误差估计方法不适用于均匀线阵的问题。步骤包括:将均匀线性阵列虚拟成均匀平面阵,并划分为两个子阵;基于两个子阵的协方差矩阵进行空间平滑算法的处理得到虚拟均匀平面阵的协方差矩阵;进行特征分解得到估计的噪声功率值;进而得到去噪后协方差矩阵,再由其主对角线元素计算得到阵元幅度误差估计值;对去噪后协方差矩阵进行补偿,再去除补偿后得到的协方差矩阵中的强干扰项得到去强干扰后矩阵;再根据子空间波达方向估计理论,定义二维空间谱进行远场窄带信号的波达方向估计,进而实现阵元相位误差估计。本发明用于阵列幅度相位误差估计。

    复杂海洋环境下稳健的声学目标深度属性判别方法及存储介质

    公开(公告)号:CN119226924A

    公开(公告)日:2024-12-31

    申请号:CN202411307653.4

    申请日:2024-09-19

    Abstract: 复杂海洋环境下稳健的声学目标深度属性判别方法及存储介质,本发明涉及水下目标深度分类技术领域,具体涉及声学目标深度属性判别方法及存储介质。本发明的目的是解决现有目标深度分类需要垂直阵覆盖大部分波导深度,否则目标深度分类准确性低问题。过程为:步骤1:获取垂直阵接收信号,对接收信号作波束形成,得到声场仰角结构;步骤2:计算临界模态的模态仰角余弦;步骤3:根据步骤2中的临界模态的模态仰角余弦及步骤1中的声场仰角结构,计算陷波模态‑自由模态声场仰角结构强度比;步骤4:将步骤3中的陷波模态‑自由模态声场仰角结构强度比作为决策度量,并与分类器门限比较,给出水面目标或水下目标的判据。

    一种抗信道干扰和多普勒的差分扩频水声遥控方法

    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

    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。

    独立于相位误差的波达方向估计方法

    公开(公告)号:CN118425875A

    公开(公告)日:2024-08-02

    申请号:CN202410521001.4

    申请日:2024-04-28

    Abstract: 一种独立于相位误差的波达方向估计方法,属于阵列信号处理技术领域。本发明针对现有独立于相位误差的波达方向估计方法不适用于均匀线阵的问题。步骤包括:将均匀线性阵列虚拟成均匀平面阵,并划分为两个子阵;基于两个子阵的协方差矩阵进行空间平滑算法的处理得到虚拟均匀平面阵的协方差矩阵;进行特征分解得到估计的噪声功率值;进而得到去噪后协方差矩阵,再由其主对角线元素计算得到阵元幅度误差估计值;对去噪后协方差矩阵进行补偿,再去除补偿后得到的协方差矩阵中的强干扰项得到去强干扰后矩阵;再根据子空间波达方向估计理论,定义二维空间谱进行远场窄带信号的波达方向估计。本发明用于波达方向的估计。

    宽带连续干扰中的脉冲信号重构方法

    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

    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。

    非高斯环境下基于深度学习的脉冲信号重构方法

    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

    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。

    一种信号周期偏移下的单信标声学导航方法

    公开(公告)号:CN119247278A

    公开(公告)日:2025-01-03

    申请号:CN202411492408.5

    申请日:2024-10-24

    Abstract: 本发明属于水声遥控领域,尤其涉及一种信号周期偏移下的单信标声学导航方法。针对利用距离信息的导航算法非常依赖精确已知的声信标信号周期,在信号周期估计不准或信号周期发生漂移的情况下,存在导航误差大的问题。本发明方法利用多邻域粒子群优化算法得到当前时刻导航目标的位置坐标实现了单信标导航,不依赖同步时刻也不受信号周期的影响,解决了信号周期估计不准或信号周期发生漂移的情况下,存在导航误差大的问题。本发明方法的导航精度与信号周期无偏移时的TDOA算法精度一致。

Patent Agency Ranking