公开(公告)号：CN118211780A

公开(公告)日：2024-06-18

申请号：CN202410281393.1

申请日：2024-03-12

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  于泽龙 ,  张桐基 ,  陈欢 ,  陈英淇 ,  郭锐

IPC: G06Q10/0631 ,  G06Q50/26

Abstract: 现代战争中，探测和定位敌方潜艇是首要任务。然而海洋环境的复杂多变，会对海洋信道中的声信号传播产生很大的影响，因此对潜探测需要考虑环境因素的影响。本发明进行基于环境适配的水下探测任务规划研究，从任务优先级、平台探测能力和组合协同奖励三方面出发，提出成就水平的概念，利用混合线性整数规划方法构建多任务规划模型，并加入水下探测任务中特定的约束条件，使得其任务分配更加贴合实际。同时，引入海洋环境数据进行实验仿真。研究表明，水文条件的变化对水下探测任务规划的结果存在显著影响，实验结果对水下探测任务具有重要参考意义。

公开(公告)号：CN117872331A

公开(公告)日：2024-04-12

申请号：CN202311717687.6

申请日：2023-12-14

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  于泽龙 ,  张桐基 ,  陈欢 ,  郭锐 ,  陈英淇

IPC: G01S7/52 ,  G01S15/87 ,  G01S15/88

Abstract: 现代战争中，探测和定位敌方潜艇是首要任务，但对于潜艇的探测仍存在很多困难，由于海洋环境的复杂多变，会对海洋信道中的声信号传播产生很大的影响，干预声纳的探测能力。本发明基于复杂海洋环境的水下协同探测方法，构建声纳水下探测能力分析体系，分析海洋环境因素对声纳探测能力的影响，利用声纳优质因数评价声纳性能，计算声纳探测距离并建立极坐标系，探讨声纳的探测能力；同时引入协同探测的概念，提出联合探测概率分布面，将不同平台的探测能力融合在一起。通过改变平台的布放位置和个数探讨不同布放方式的探测性能，以成功搜索概率和区域覆盖率作为评价指标，进行实验测试。研究表明，声纳水下探测能力与海洋环境密切相关，在水下联合探测中采用正方形布放形式具有更佳的探测性能，本文的研究成果可为水下探测任务中平台的布放提供参考。

公开(公告)号：CN116990821A

公开(公告)日：2023-11-03

申请号：CN202310602278.5

申请日：2023-05-25

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  王旭东 ,  郭锐 ,  陈英淇 ,  赵世龙 ,  于泽龙

IPC: G01S15/66 ,  G01S15/88

Abstract: 本发明提供了一种水下目标跟踪方法，为克服在传统的直角坐标系下扩展卡尔曼滤波器误差大且易发散的情况，本发明在改进的极坐标系下使用扩展卡尔曼滤波器。该方法能够消除传统坐标系下的模型误差，提高跟踪精度。包括以下步骤：(1)利用被动声纳获取水下目标的方位信息；(2)将水下目标的方位信息转换为改进极坐标系下的距离和方位角；(3)建立改进极坐标系下的跟踪模型；(4)根据跟踪模型，进行目标的方位跟踪。与传统的水下目标跟踪方法相比，本发明在改进的极坐标系下建立跟踪模型，消除了模型误差，提高了跟踪精度。同时，本发明基于被动声纳进行跟踪，具有无源、被动、隐蔽等特点，适用于水下环境下对目标的监测和跟踪。

公开(公告)号：CN116540240A

公开(公告)日：2023-08-04

申请号：CN202310431527.9

申请日：2023-04-21

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  于泽龙 ,  郑智伟 ,  郭锐 ,  郭小霞 ,  韩闯

IPC: G01S15/88 ,  G06N3/006

Abstract: 在水下作战中，水下目标搜索方式通常采用平行线等固定搜索模式来规划搜索路径，寻求最佳的覆盖率。循环遍历的搜索方式虽然能够实现搜索全覆盖，但存在搜索效率不高的缺点。本发明将黄蜂群算法运用于水下作战的目标搜索中，结合栅格化地图，以水文条件为背景，提出了一种基于黄蜂群算法的水下目标搜索方法。该方法通过对待定搜索区域进行栅格化处理，然后利用声纳方程和水声传播模型RAM对水文环境条件进行计算和划分，再对搜索平台的动作空间进行定义，最后利用黄蜂群算法进行覆盖搜索。选用成功搜索概率(ProbabilityofSuccess,POS)和区域覆盖率作为评价指标，进行实验测试。研究表明，本方法与随机搜索方法和循环遍历搜索方法相比，性能有较大提高。由此证明了基于黄蜂群算法的水下目标搜索方法的可行性与有效性。

公开(公告)号：CN113724727A

公开(公告)日：2021-11-30

申请号：CN202111035383.2

申请日：2021-09-02

Applicant: 哈尔滨理工大学

Inventor： 兰朝凤 ,  刘岩 ,  于泽龙 ,  郭小霞 ,  韩玉兰

IPC: G10L21/0272 ,  G10L21/0216 ,  G10L21/0224 ,  G10L21/0232 ,  G10L25/30

Abstract: 在利用深度学习方式进行语音分离的领域，多路人声信号分离较为复杂，现阶段所使用的分离方式多是基于频谱映射方式，没有有效利用语音信号空间信息。针对此问题，本发明结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法，通过超指向波束形成算法得到3个不同方向上的波束，然后提取每一波束中频谱幅度特征，并构建神经网络预测掩蔽值，得到待分离语音信号频谱并重构时域信号，实现语音分离，该算法充分利用了语音信号空间特征和信号频域特征。60度方向该算法与IBM‑LSTM网络相比，客观语音质量评估(PESQ)提高了0.59，短时客观可懂(STOI)指标提高了0.06，信噪比(SDR)提高了1.13dB，另外两个方向上，实验结果同样证明了该算法较IBM‑LSTM算法和RNN算法具有更好分离性能。