一种基于神经网络的分布式小平台水下纯方位定位方法

    公开(公告)号:CN114580615A

    公开(公告)日:2022-06-03

    申请号:CN202210213443.3

    申请日:2022-03-04

    Abstract: 一种基于神经网络的分布式小平台水下纯方位定位方法,它属于纯方位定位技术领域。本发明解决了解析类算法在近距离的定位性能较差,迭代类算法在远距离的定位性能受初值影响较大的问题。本发明方法具体包括:步骤一、从纯方位定位方程中提取影响定位的特征并进一步处理为网络输入特征;步骤二、设计并搭建包括分类网络和回归网络的两步式神经网络模型;步骤三、利用训练集对神经网络模型进行训练,获得训练好的神经网络模型;步骤四、利用训练好的模型获得对目标的定位结果,并利用模型隐藏层输出对目标定位结果进行评价。本发明方法可以应用于纯方位定位技术领域。

    一种基于神经网络的分布式小平台水下纯方位定位方法

    公开(公告)号:CN114580615B

    公开(公告)日:2022-09-23

    申请号:CN202210213443.3

    申请日:2022-03-04

    Abstract: 一种基于神经网络的分布式小平台水下纯方位定位方法,它属于纯方位定位技术领域。本发明解决了解析类算法在近距离的定位性能较差,迭代类算法在远距离的定位性能受初值影响较大的问题。本发明方法具体包括:步骤一、从纯方位定位方程中提取影响定位的特征并进一步处理为网络输入特征;步骤二、设计并搭建包括分类网络和回归网络的两步式神经网络模型;步骤三、利用训练集对神经网络模型进行训练,获得训练好的神经网络模型;步骤四、利用训练好的模型获得对目标的定位结果,并利用模型隐藏层输出对目标定位结果进行评价。本发明方法可以应用于纯方位定位技术领域。

    一种基于DenseBlock的U-net神经网络的水下DOA估计方法

    公开(公告)号:CN114371442B

    公开(公告)日:2022-09-09

    申请号:CN202210009394.1

    申请日:2022-01-05

    Abstract: 一种基于DenseBlock的U‑net神经网络的水下DOA估计方法,它属于目标方位估计技术领域。本发明解决了现有水下目标DOA估计方法的稳健性差、分辨率低以及不能估计出目标强度的问题。本发明提出的U‑net网络通过监督学习,可以学习到CBF的PSF的特点,并将PSF的影响从方位历程图中去除,最终输出一个高分辨、窄主瓣、少旁瓣的干净的目标方位历程,由于本发明只依赖于CBF的方位历程,而CBF是白噪声背景下最稳健的波束形成器,因此本发明的稳健性优于传统的DOA算法;另一方面,由于本发明提出的U‑net网络对方位历程进行了二维处理,除了角度维度还能利用时间维度的信息,因此本发明的稳健性也优于CBF。本发明方法可以应用于水下DOA估计。

    一种基于方位和频率的单站水下机动目标运动分析方法

    公开(公告)号:CN114577212B

    公开(公告)日:2022-08-05

    申请号:CN202210196950.0

    申请日:2022-03-01

    Abstract: 一种基于方位和频率的单站水下机动目标运动分析方法,它属于机动目标运动分析技术领域。本发明解决了现有目标运动分析方法无法实现机动目标运动分析,以及无法获取到中心频率的先验信息时运动分析方法的稳定性差的问题。本发明构建了新的方位频率TMA模型,减弱了中心频率对跟踪精度的影响,不需要已知中心频率f0就能对机动目标进行很好的目标运动分析,以达到对目标定位跟踪的目的,解决了传统算法需要预先已知中心频率的弊端。同时本发明方法适用于机动目标运动分析,给方位频率下的机动目标运动分析提供了一种新的方法。本发明方法可以应用于机动目标运动分析。

    一种分布式多平台水下多目标关联与被动定位方法

    公开(公告)号:CN114577213A

    公开(公告)日:2022-06-03

    申请号:CN202210198348.0

    申请日:2022-03-01

    Abstract: 一种分布式多平台水下多目标关联与被动定位方法,它属于分布式多平台水下多目标定位跟踪技术领域。本发明解决了现有机动目标定位跟踪方法的定位精度低以及多目标关联的正确率低的问题。本发明在目标关联方法中引入目标线谱特征集,提出了基于频率特征多信息矢量融合的目标关联算法,解决了纯方位系统无法获取航迹、航迹关联难的问题,本发明方法可以给出正确的关联结果。本发明所提出的被动目标定位算法相较于传统的非线性贝叶斯滤波算法,引入了遗忘因子构建渐消容积卡尔曼滤波算法,联合最小二乘定位算法形成强跟踪滤波器。该滤波器无需给出目标迭代初值,而且仅利用CV跟踪模型就可以对机动目标被动定位。本发明方法可以应用于多平台水下多目标关联与被动定位。

    一种基于DenseBlock的U-net神经网络的水下DOA估计方法

    公开(公告)号:CN114371442A

    公开(公告)日:2022-04-19

    申请号:CN202210009394.1

    申请日:2022-01-05

    Abstract: 一种基于DenseBlock的U‑net神经网络的水下DOA估计方法,它属于目标方位估计技术领域。本发明解决了现有水下目标DOA估计方法的稳健性差、分辨率低以及不能估计出目标强度的问题。本发明提出的U‑net网络通过监督学习,可以学习到CBF的PSF的特点,并将PSF的影响从方位历程图中去除,最终输出一个高分辨、窄主瓣、少旁瓣的干净的目标方位历程,由于本发明只依赖于CBF的方位历程,而CBF是白噪声背景下最稳健的波束形成器,因此本发明的稳健性优于传统的DOA算法;另一方面,由于本发明提出的U‑net网络对方位历程进行了二维处理,除了角度维度还能利用时间维度的信息,因此本发明的稳健性也优于CBF。本发明方法可以应用于水下DOA估计。

    一种分布式多平台水下多目标关联与被动定位方法

    公开(公告)号:CN114577213B

    公开(公告)日:2022-11-18

    申请号:CN202210198348.0

    申请日:2022-03-01

    Abstract: 一种分布式多平台水下多目标关联与被动定位方法,它属于分布式多平台水下多目标定位跟踪技术领域。本发明解决了现有机动目标定位跟踪方法的定位精度低以及多目标关联的正确率低的问题。本发明在目标关联方法中引入目标线谱特征集,提出了基于频率特征多信息矢量融合的目标关联算法,解决了纯方位系统无法获取航迹、航迹关联难的问题,本发明方法可以给出正确的关联结果。本发明所提出的被动目标定位算法相较于传统的非线性贝叶斯滤波算法,引入了遗忘因子构建渐消容积卡尔曼滤波算法,联合最小二乘定位算法形成强跟踪滤波器。该滤波器无需给出目标迭代初值,而且仅利用CV跟踪模型就可以对机动目标被动定位。本发明方法可以应用于多平台水下多目标关联与被动定位。

    一种基于方位和频率的单站水下机动目标运动分析方法

    公开(公告)号:CN114577212A

    公开(公告)日:2022-06-03

    申请号:CN202210196950.0

    申请日:2022-03-01

    Abstract: 一种基于方位和频率的单站水下机动目标运动分析方法,它属于机动目标运动分析技术领域。本发明解决了现有目标运动分析方法无法实现机动目标运动分析,以及无法获取到中心频率的先验信息时运动分析方法的稳定性差的问题。本发明构建了新的方位频率TMA模型,减弱了中心频率对跟踪精度的影响,不需要已知中心频率f0就能对机动目标进行很好的目标运动分析,以达到对目标定位跟踪的目的,解决了传统算法需要预先已知中心频率的弊端。同时本发明方法适用于机动目标运动分析,给方位频率下的机动目标运动分析提供了一种新的方法。本发明方法可以应用于机动目标运动分析。

Patent Agency Ranking