-
公开(公告)号：CN115913305A
公开(公告)日：2023-04-04
申请号：CN202211440725.3
申请日：2022-11-17
Applicant: 哈尔滨工程大学 , 南方海洋科学与工程广东省实验室(广州)
IPC: H04B7/06 , H04B7/0408
Abstract: 本发明的目的在于提供一种基于协方差矩阵重构的矢量阵波束形成方法，其特征是：包括如下步骤：建立环形不确定集，得到矩阵重构积分公式；通过离散点求和近似求解矩阵重构积分公式；近似估计噪声协方差矩阵，得到重构干扰加噪声协方差矩阵；估计期望信号导向向量；计算波束形成权向量。本发明在当存在阵型失配和波达方位估计误差时，可以实现对直达波干扰的有效抑制。
-
公开(公告)号：CN115236648B
公开(公告)日：2023-03-17
申请号：CN202210770533.2
申请日：2022-06-30
Applicant: 哈尔滨工程大学 , 南方海洋科学与工程广东省实验室(广州)
Abstract: 本发明公开了一种极地冰下目标声回波信号时延和多普勒联合估计方法，步骤1：构建托普利兹字典矩阵V＝[v1…vk…vn]作为发射声信号的时延状态矩阵；步骤2：将矩阵V进行重采样扩展为具有多普勒分辨力的托普利兹字典矩阵组W＝[V1…Vi…Vd]，步骤3：利用加权迭代最小二乘求解超定方程Y*＝WH，得到待估计时延矩阵H，Y*表示包含脉冲噪声的接收声回波信号矩阵；步骤4：对H进行截取得到最终的时延及多普勒估计结果。本发明有效的提高了估计精度使其可以在极地脉冲噪声背景下，拥有更鲁棒的估计结果，同时可以在时延估计的同时得出多普勒估计结果。
-
公开(公告)号：CN115236648A
公开(公告)日：2022-10-25
申请号：CN202210770533.2
申请日：2022-06-30
Applicant: 哈尔滨工程大学 , 南方海洋科学与工程广东省实验室(广州)
Abstract: 本发明公开了一种极地冰下目标声回波信号时延和多普勒联合估计方法，步骤1：构建托普利兹字典矩阵V＝[v1…vk…vn]作为发射声信号的时延状态矩阵；步骤2：将矩阵V进行重采样扩展为具有多普勒分辨力的托普利兹字典矩阵组W＝[V1…Vi…Vd]，步骤3：利用加权迭代最小二乘求解超定方程Y*＝WH，得到待估计时延矩阵H，Y*表示包含脉冲噪声的接收声回波信号矩阵；步骤4：对H进行截取得到最终的时延及多普勒估计结果。本发明有效的提高了估计精度使其可以在极地脉冲噪声背景下，拥有更鲁棒的估计结果，同时可以在时延估计的同时得出多普勒估计结果。
-
公开(公告)号：CN118393607B
公开(公告)日：2024-10-22
申请号：CN202410824376.8
申请日：2024-06-25
Applicant: 南方海洋科学与工程广东省实验室(广州)
Abstract: 本发明公开了基于光纤水听器潜标的台风强度监测方法、系统及终端，所述方法包括：获取台风的台风轨迹数据，并进行识别处理得到目标时间信息和目标台风强度信息；当监测到台风经过部署光纤水听器潜标的海域时，采集对应的水下声学数据，根据目标时间信息对水下声学数据进行分段处理得到多段目标声学数据，并进行计算处理得到目标水声功率密度数据；根据目标台风强度信息和目标水声功率密度数据计算每个频点的皮尔逊相关系数，并计算每个频点的目标值，并进行敏感频点识别得到目标敏感频点；将对应的能量值输入至创建好的线性回归模型输出对应的台风强度数据。本发明通过创建的回归模型和实时的敏感频点的能量值可实现对台风强度的实时监测。
-
公开(公告)号：CN118393607A
公开(公告)日：2024-07-26
申请号：CN202410824376.8
申请日：2024-06-25
Applicant: 南方海洋科学与工程广东省实验室(广州)
Abstract: 本发明公开了基于光纤水听器潜标的台风强度监测方法、系统及终端，所述方法包括：获取台风的台风轨迹数据，并进行识别处理得到目标时间信息和目标台风强度信息；当监测到台风经过部署光纤水听器潜标的海域时，采集对应的水下声学数据，根据目标时间信息对水下声学数据进行分段处理得到多段目标声学数据，并进行计算处理得到目标水声功率密度数据；根据目标台风强度信息和目标水声功率密度数据计算每个频点的皮尔逊相关系数，并计算每个频点的目标值，并进行敏感频点识别得到目标敏感频点；将对应的能量值输入至创建好的线性回归模型输出对应的台风强度数据。本发明通过创建的回归模型和实时的敏感频点的能量值可实现对台风强度的实时监测。
-
Patent Agency Ranking
公开(公告)号：CN117825745B
公开(公告)日：2024-07-26
申请号：CN202410158331.1
申请日：2024-02-04
Applicant: 南方海洋科学与工程广东省实验室(广州)
IPC: G01P5/24 , G01H3/00 , G01W1/10 , G06F30/20 , G06F119/10
Abstract: 本申请公开了一种基于单矢量水听器的台风风速实时观测方法及设备，包括：将观测设备布放在台风风场外围海上，使用单矢量水听器采集台风环境下矢量水听器布放深度处的噪声声场数据，根据噪声声场数据实时计算噪声复声强垂向分量实部，根据经验公式，建立风成噪声源谱强度模型，根据风成噪声源谱强度模型，建立简正波水声传播模型，根据简正波水声传播模型和噪声复声强垂向分量实部，建立矢量水听器上方海表面风速的代价函数，估计矢量水听器上方海表面的风速，实时接收台风眼气压、台风眼壁半径信息，结合矢量水听器上方海表面估计的实时风速，动态计算海表面风速，降低了台风观测和预报的实施难度和成本，提高了时效性和精度。
-
公开(公告)号：CN116628559A
公开(公告)日：2023-08-22
申请号：CN202310892172.3
申请日：2023-07-20
Applicant: 南方海洋科学与工程广东省实验室(广州) , 大连理工大学
IPC: G06F18/24 , G06N3/0464 , G10L15/06 , G10L15/16 , G06V10/74 , G06V10/764 , G06V10/774 , G06V40/70 , G06F16/35 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种水下大数据计算综合实验分类系统、分类模型的训练方法，训练方法包括步骤：获取水下目标的多模态信息，并进行特征提取和训练，对分类网络模型的网络参数进行更新，并计算多模态融合相似度，根据多模态融合相似度，确定目标函数，再对贡献权重和更新的网络参数进行更新，直至训练完成时，将分类网络模型作为水下大数据计算综合实验分类模型。本发明通过融合多模态相似度嵌入目标函数，使采集的多源多模态水下数据目标类别可从多维度充分学习特征知识，进而泛化卷积神经网络对特定数据的强感知能力，全方位锚定特征，抑制局部特征的负面影响，从而提高水下目标分类时准确性。
-
公开(公告)号：CN119025804B
公开(公告)日：2024-12-27
申请号：CN202411516133.4
申请日：2024-10-29
Applicant: 南方海洋科学与工程广东省实验室(广州)
Abstract: 本发明涉及海洋声学领域，尤其涉及海洋声场广域泛在感知方法、装置、设备及介质，该方法包括：根据第一空时坐标下采集水声信号的自相关函数值、在第一空时坐标对应第二空时坐标下预测水声信号与在第一空时坐标下采集水声信号之间的互相关函数值，计算第二空时坐标下预测水声信号；基于绝对值范数或对数范数分别重构第一空时坐标和第二空时坐标下的采集水声信号对应的信道冲激响应向量。本申请通过分布式光纤声学传感系统采集的第一空时坐标的水声信号预测第二空时坐标的水声信号，进而在海洋广域范围内形成时间连续和空间连续的有效观测，在未覆盖到的点位实现海洋声场广域泛在感知信号的获取以及时序上的稳健预测。
-
公开(公告)号：CN119025804A
公开(公告)日：2024-11-26
申请号：CN202411516133.4
申请日：2024-10-29
Applicant: 南方海洋科学与工程广东省实验室(广州)
Abstract: 本发明涉及海洋声学领域，尤其涉及海洋声场广域泛在感知方法、装置、设备及介质，该方法包括：根据第一空时坐标下采集水声信号的自相关函数值、在第一空时坐标对应第二空时坐标下预测水声信号与在第一空时坐标下采集水声信号之间的互相关函数值，计算第二空时坐标下预测水声信号；基于绝对值范数或对数范数分别重构第一空时坐标和第二空时坐标下的采集水声信号对应的信道冲激响应向量。本申请通过分布式光纤声学传感系统采集的第一空时坐标的水声信号预测第二空时坐标的水声信号，进而在海洋广域范围内形成时间连续和空间连续的有效观测，在未覆盖到的点位实现海洋声场广域泛在感知信号的获取以及时序上的稳健预测。
-
公开(公告)号：CN116628559B
公开(公告)日：2023-11-10
申请号：CN202310892172.3
申请日：2023-07-20
Applicant: 南方海洋科学与工程广东省实验室(广州) , 大连理工大学
Abstract: 本发明公开了一种水下大数据计算综合实验分类系统、分类模型的训练方法，训练方法包括步骤：获取水下目标的多模态信息，并进行特征提取和训练，对分类网络模型的网络参数进行更新，并计算多模态融合相似度，根据多模态融合相似度，确定目标函数，再对贡献权重和更新的网络参数进行更新，直至训练完成时，将分类网络模型作为水下大数据计算综合实验分类模型。本发明通过融合多模态相似度嵌入目标函数，使采集的多源多模态水下数据目标类别可从多维度充分学习特征知识，进而泛化卷积神经网络对特定数据的强感知能力，全方位锚定特征，抑制局部特征的负面影响，从而提高水下目标分类时准确性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.055 seconds)
