基于双通道复数卷积神经网络的DOA估计方法

    公开(公告)号:CN118051719A

    公开(公告)日:2024-05-17

    申请号:CN202211407913.6

    申请日:2022-11-10

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于双通道复数卷积神经网络的DOA估计方法。该方法首先将DOA估计问题表述为一个多标签分类任务,以阵列接收信号的复数协方差矩阵作为输入,分别输入由标准卷积层组成的第一通道和由空洞卷积层和池化层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野。将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出,实现多源输入下的DOA估计。本发明进一步提高DOA估计精度。仿真结果表明,双通道复数神经网络特征融合的方式有更优的收敛速度,在低信噪比和少快拍条件下,该方法有更高的估计精度。

    基于双端增量式极限学习机的气象信号谱矩估计方法

    公开(公告)号:CN117665733A

    公开(公告)日:2024-03-08

    申请号:CN202211025761.3

    申请日:2022-08-25

    Applicant: 河海大学

    Abstract: 本发明公开了基于B‑ELM的气象信号谱矩估计方法,方法步骤包括:获取气象脉冲数据,利用平均修正周期图法将气象脉冲数据转换为气象功率谱,将气象功率谱作为网络训练样本的输入,谱矩作为网络训练样本的输出,对训练样本进行构建。随机设置隐藏节点参数,确定输入层节点个数和输出层节点个数,选定激活函数。根据B‑ELM算法构建预测模型,得到最优的气象信号径向速度和谱宽预测模型。将训练样本、设置好的输入层节点个数和输出层的节点个数代入得到的最优气象信号径向速度和谱宽预测模型,得到气象信号的径向速度与谱宽。该方法收敛速度快,误差小,提高了气象信号谱矩估计的准确度且计算复杂度较低,有利于工程实现。

    一种基于多相滤波器的多声源高精度定位方法及系统

    公开(公告)号:CN117388796A

    公开(公告)日:2024-01-12

    申请号:CN202311097740.7

    申请日:2023-08-29

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于多相滤波器PF的多声源高精度定位方法及系统。具体为:该方法首先利用PF将变电站接收信号划分为多个子带,实现多信源分离;然后针对多相滤波器输出数据已转变为复信号这一特征,将变分模态分解VMD推广到复信号领域,在各子带分别利用复变分模态分解CVMD对各声源进行降噪;最后利用降噪后的各子带信号采用和差单脉冲测角同时实现对各声源的高精度定位。仿真数据表明,本发明能实现多个声源的高精度定位且易于工程实现。

Patent Agency Ranking