公开(公告)号：CN103226197A

公开(公告)日：2013-07-31

申请号：CN201310131689.7

申请日：2013-04-16

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  杨阳 ,  李婷婷 ,  孟祥夏

IPC: G01S7/539

Abstract: 本发明涉及水声技术应用领域，具体涉及的是一种对水下目标回波分类的方法。本发明包括如下步骤：对训练样本库中的样本数据进行归一化预处理，计算样本的功率谱及高阶累积量的对角切片谱；在功率谱及对角切片谱上提取信号的音色特征量；筛选所提取的音色特征，选择能够对水下目标回波进行有效分类的特征，将这些特征组合建立特征空间；对于新的样本信号，执行以上三个步骤，将得到的特征空间与样本库中的特征分布进行匹配，判断新样本信号的类别。本发明能够提高水下目标回波的分类效果，进而提高水下目标的探测和识别准确率。

公开(公告)号：CN102799757A

公开(公告)日：2012-11-28

申请号：CN201210192002.6

申请日：2012-06-12

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  李婷婷 ,  马涛 ,  杨阳 ,  夏峙

IPC: G06F19/00

Abstract: 本发明涉及弱信号处理领域，具体涉及一种强干扰背景下去除强趋势项及瞬态脉冲干扰的微弱信号提取方法。本发明包括(1)对强干扰背景下的微弱信号进行经验模态分解；(2)对分解的d阶模态，构造强干扰判决准则；(3)对存在脉冲干扰的模态分量进行包络检波，将瞬态脉冲干扰位置数据置零；(4)利用自回归-滑动平均模型恢复被置零的数据；(5)合并前D阶基本模式分量，得到除强干扰后的微弱信号。相比于现有方法，本发明能够在更完整保留微弱信号特性的同时，去除强复杂趋势线的干扰，将瞬态脉冲干扰部分的数据进行预测恢复，减小对微弱信号波形畸变的影响。

公开(公告)号：CN101609150A

公开(公告)日：2009-12-23

申请号：CN200910072468.0

申请日：2009-07-07

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  李婷婷 ,  杨士莪 ,  朴胜春 ,  黄金城

IPC: G01S7/52 ,  G01S15/00

Abstract: 本发明提供的是一种提高基阵分辨力和增益的快速波束形成方法。采用最小冗余阵列的构造，将M元均匀线阵优化成P元非均匀线阵的形式；对P元基阵的基元数据进行FFT处理；在频率域上，根据基于四阶累积量的阵列孔径扩展特性构造基于均匀线阵的数据协方差矩阵；波束空间归一化处理；进行Bartlett空间谱估计。本发明利用四阶累积量的阵列孔径扩展特性实现了使用优化的基元布放形式来获得高的分辨力，克服了原有基于四阶累积量方法对快拍数要求高、计算复杂度大的缺点，使得计算过程简单易行。在信噪比高于临界信噪比时，本发明方法具有比常规波束形成更高的阵增益。波束空间的归一化处理，实现了对背景干扰的有效抑制。本发明的波束形成方法简单易行，非常适用于工程应用。

公开(公告)号：CN101609150B

公开(公告)日：2011-09-14

申请号：CN200910072468.0

申请日：2009-07-07

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  李婷婷 ,  杨士莪 ,  朴胜春 ,  黄金城

IPC: G01S7/52 ,  G01S15/00

Abstract: 本发明提供的是一种提高基阵分辨力和增益的快速波束形成方法。采用最小冗余阵列的构造，将M元均匀线阵优化成P元非均匀线阵的形式；对P元基阵的基元数据进行FFT处理；在频率域上，根据基于四阶累积量的阵列孔径扩展特性构造基于均匀线阵的数据协方差矩阵；波束空间归一化处理；进行Bartlett空间谱估计。本发明利用四阶累积量的阵列孔径扩展特性实现了使用优化的基元布放形式来获得高的分辨力，克服了原有基于四阶累积量方法对快拍数要求高、计算复杂度大的缺点，使得计算过程简单易行。在信噪比高于临界信噪比时，本发明方法具有比常规波束形成更高的阵增益。波束空间的归一化处理，实现了对背景干扰的有效抑制。本发明的波束形成方法简单易行，非常适用于工程应用。

公开(公告)号：CN102692625A

公开(公告)日：2012-09-26

申请号：CN201210150072.5

申请日：2012-05-15

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  夏峙 ,  李婷婷 ,  谷新禹

IPC: G01S7/527

Abstract: 本发明提供的是一种Rn空间中的水底目标回波和混响的特征联合建模方法，其步骤是：1.建立包含目标回波与混响的训练样本库，根据两种信号物理性质的差异，采用不同的信号处理方法将训练样本映射到多个信号特征空间中；2.根据训练样本在信号特征空间中的分布信息，对信号特征空间降维，并对不同的信号特征空间融合，建立融合信号特征空间；3.建立训练样本中的目标回波与混响在融合信号特征空间中的联合分布模型；4.对于未知的信号样本，通过步骤1，2所述的信号处理方法映射到融合特征空间中，并与步骤3建立的联合分布模型进行比较，判断未知信号样本的种类。本发明所提出的建立的特征空间可以使目标回波与混响具有更加稳定与普适的分离性。