一种共振全息传感的声学三维成像方法及图像传感器

    公开(公告)号:CN116609785A

    公开(公告)日:2023-08-18

    申请号:CN202310435136.4

    申请日:2023-04-21

    发明人: 彭波

    IPC分类号: G01S15/89 G01S7/539

    摘要: 本发明公开了一种共振全息传感的声学三维成像方法及图像传感器,应用于声学成像领域,该成像方法利用声学透镜聚焦接收目标物体反射的超声回波,形成成像声场并成像于声学图像传感器表面,该声学图像传感器由亥姆霍兹型微腔超表面、RS型叠层MUT单元阵列和专用集成电路依次层叠构成,且呈像素化阵列排布,成像声场经超表面的各个表面通孔进入对应的内部微腔,并与底部的RS型叠层振膜辐射出的参考声场进行共振干涉,形成全息声场并反作用于RS型叠层振膜,生成全息共振信号,该信号经峰值检波、去噪处理、寻址读出和相位重建后,形成目标物体超声回波的三维图像。本发明能够克服现有声学三维成像技术面临的大视场、高分辨以及快速实时的成像难题。

    一种大水深淤积物密实沉降监测系统及淤积物密实与沉降观测方法

    公开(公告)号:CN116518917A

    公开(公告)日:2023-08-01

    申请号:CN202310327856.9

    申请日:2023-03-27

    IPC分类号: G01C5/00 G01N15/04 G01S15/89

    摘要: 一种大水深淤积物密实沉降监测系统及淤积物密实与沉降观测方法,包括浮泥层(2),其特征在于:所述浮泥层(2)上放置有三个以上的沉底球(4),相邻沉底球(4)等间距分布,沉底球(4)之间通过链接件(12)串联连接在一起,球形外壳体(5)的内部腔体上部设置为内部空腔(6),球形外壳体(5)的内部腔体底部设置有配重填充物(7),本发明结构合理,布放和探测便捷,巧妙解决了大水深、大淤积体量水域内对淤积物密实与沉降观测的难题,实现了在真实环境中的精准观测,同时采用了扫描成像算法和声学影像解译算法,弱化了人工解译的主观性,便于对多次成像声图进行处理,并且提高了声图判读的效率,数据获取准确全面。

    恢复成像方法、装置、电子设备及可读存储介质

    公开(公告)号:CN116500624A

    公开(公告)日:2023-07-28

    申请号:CN202310781018.9

    申请日:2023-06-29

    发明人: 张祺 丁飞

    IPC分类号: G01S15/89 G01S7/539

    摘要: 本申请实施例公开了一种恢复成像方法、装置、电子设备及可读存储介质,该方法包括:获取快拍观测信号向量、波达方向角分辨率、稀疏度的目标值和预设数学模型,稀疏度用于表征到达时刻相同且方位不同的目标回波信号的数量;基于预设数学模型和稀疏度的目标值,对快拍观测信号向量进行稀疏恢复处理,得到波达方向角对应的幅值向量;根据波达方向角分辨率和幅值向量中的目标索引编号,确定波达方向角向量,目标索引编号对应的幅值向量中的元素为非0元素;其中,所述波达方向角向量用于生成三维干涉图像。

    一种基于天牛须搜索算法的二维声呐阵列稀疏化方法

    公开(公告)号:CN116466334A

    公开(公告)日:2023-07-21

    申请号:CN202310723528.0

    申请日:2023-06-19

    IPC分类号: G01S7/539 G01S15/89 G06N3/006

    摘要: 本发明公开了一种基于天牛须搜索算法的二维声呐阵列稀疏化方法,属于声呐信号处理技术领域,包括以下步骤,S1:接收换能器声呐阵列每个传感阵元接收到的回波信号进行预处理,S2:对每个传感阵元获取的数字信号序列进行等时间间隔的分割,每个时间段具有L个采样点,S3:对每个时间段的L个采样点进行基于二维阵列波束形成算法计算,获取波束b,S4:对波束b乘以阵元开关状态矩阵,构建优化模型,S5:利用群体天牛须搜索算法求解S4中的优化模型问题,S6:根据S5中的最优化解,调整S4中的状态矩阵元素值,S7:对L采样点后每个时间段中的L个采样点,进行稀疏化后的信号波束计算,实现二维阵列的稀疏化从而平衡成像分辨率和实时性。

    一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法

    公开(公告)号:CN116449349A

    公开(公告)日:2023-07-18

    申请号:CN202310281692.0

    申请日:2023-03-16

    申请人: 浙江大学

    摘要: 本发明公开了一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法,以对声呐阵列的回波信号的常规波束形成结果为初次迭代初值;将迭代初值做复数梯度下降,并采用快速傅里叶变换加速梯度下降中矩阵乘计算,以得到梯度下降中间结果;建立概率映射模型,添加波束聚类先验,采用多任务贝叶斯压缩感知快速求解波束结果和对应高斯分布参数;根据波束结果做动量更新,以得到下次迭代的迭代初值,加速迭代收敛。将反卷积波束形成扩展到复数域,充分利用了波束相位信息,更贴合实际应用,有效降低了主瓣宽度和旁瓣强度,且具有较高的抗噪能力,提高了阵列成像质量。