-
Patent Agency Ranking
公开(公告)号：CN117216678A
公开(公告)日：2023-12-12
申请号：CN202311135265.8
申请日：2023-09-05
Applicant: 中国人民解放军军事科学院国防科技创新研究院
IPC: G06F18/2415 , G06F17/16 , G06N7/01 , G01S3/80 , G01S3/86
Abstract: 本发明公开了基于正交声强流的稀疏贝叶斯学习矢量声学测向方法，属于阵列信号处理技术领域，首先构建正交声强流数据模型，将声压与振速通道进行互谱得到声强流，声压自谱得到声能流密度，再次借助稀疏贝叶斯学习模型，建立联合概率密度分布函数，最后根据最大化对数贝叶斯证据估计信号功率，对信号功率估计值进行谱峰搜索，实现目标的方位估计。本方法使用声强与声强流作为输入，具有抑制各向同性噪声效果并降低了计算量，同时首次迭代更新超参数时引入解卷积算法避免两目标过近致使信源个数与来波方位判断错误，且本发明方法具有较好的方位估计精度和方位分辨能力，在信噪比较低的情况下能够保持较好的性能。
-
公开(公告)号：CN112882036B
公开(公告)日：2022-06-10
申请号：CN202110066972.0
申请日：2021-01-19
Applicant: 中国人民解放军军事科学院国防科技创新研究院
Abstract: 本申请公开了一种声呐音频测速测距装置及方法，该装置包括信号转换接口、音频数字化单元以及声呐数字化音频测速测距单元，所述信号转换接口用于连接声呐系统音频接口输出端，其接收所述声呐系统音频接口输出的音频信号，并进行信号转换；所述音频数字化单元用于对音频信号进行数字化处理；所述声呐数字化音频测速测距单元包括音频测速测距算法，通过执行所述算法，利用经过数字化处理的音频信号解算目标运动要素参数。本申请在不改变现有声呐系统内部结构的前提下，利用声呐系统的音频输出，准确解算目标的运动要素参数。
-
公开(公告)号：CN112882036A
公开(公告)日：2021-06-01
申请号：CN202110066972.0
申请日：2021-01-19
Applicant: 中国人民解放军军事科学院国防科技创新研究院
Abstract: 本申请公开了一种声呐音频测速测距装置及方法，该装置包括信号转换接口、音频数字化单元以及声呐数字化音频测速测距单元，所述信号转换接口用于连接声呐系统音频接口输出端，其接收所述声呐系统音频接口输出的音频信号，并进行信号转换；所述音频数字化单元用于对音频信号进行数字化处理；所述声呐数字化音频测速测距单元包括音频测速测距算法，通过执行所述算法，利用经过数字化处理的音频信号解算目标运动要素参数。本申请在不改变现有声呐系统内部结构的前提下，利用声呐系统的音频输出，准确解算目标的运动要素参数。
-
公开(公告)号：CN119439170A
公开(公告)日：2025-02-14
申请号：CN202411516354.1
申请日：2024-10-29
Applicant: 中国人民解放军军事科学院国防科技创新研究院
IPC: G01S15/58 , G01S7/539 , G01S3/86 , G06F18/20 , G06F18/213 , G06N7/01 , G06F123/02
Abstract: 本发明公开一种基于稀疏贝叶斯学习交叉谱的被动目标速度估计算法，属于阵列信号处理技术领域。构建目标互相关场模型，将声压与延时后的声压通道进行互谱得到互谱声强流，然后根据目标互谱频点特征构建字典矩阵，借助稀疏贝叶斯学习模型，建立联合概率密度分布函数，最后根据最大化对数贝叶斯证据估计信号功率，对信号功率估计值进行谱峰搜索，实现目标的速度估计。本方法使用互谱声强流作为输入，对所有互谱频点进行补偿，实现了不同频点互谱结果的对齐，具有抑制背景噪声效果并融合了多频点处理结果。同时，本发明具有较好的速度估计精度，在信噪比较低的情况下能够保持较好的性能，具有较大的工程应用价值。
-
公开(公告)号：CN118982987A
公开(公告)日：2024-11-19
申请号：CN202411153911.8
申请日：2024-08-21
Applicant: 中国人民解放军军事科学院国防科技创新研究院
IPC: G10L21/02 , G10L21/0232 , G10L25/03 , G10L25/18 , G10L25/30
Abstract: 本发明公开了一种基于比值掩码的水声线谱增强方法，涉及水声探测技术领域，利用深度学习Masking方法成功实现了对水声线谱的增强。训练阶段为：构建训练样本，对训练样本进行频谱分析和特征提取，获得训练样本的频谱特征然后进行掩码计算，获得训练样本的频谱掩码。构建DNN结构的深度学习模型，利用训练样本的频谱掩码进行训练，获得增强模型。增强阶段为：针对待增强水声信号频谱，首先进行频谱分析和特征提取，获得待增强频谱特征然后进行掩码计算，获得待增强频谱掩码，构建增强模型的输入，输入至增强模型。增强模型输出预测掩码之后，使用预测的掩码乘以待增强水声信号的幅度谱获得预测的幅度谱，之后进行波形重构，从而获得增强水声频谱。
-
-
-
-
Search Results
5
records
(took 0.048 seconds)
