CN106500671B - 一种基于lm算法分解激光雷达波形确定海水深度的方法 - Google Patents
一种基于lm算法分解激光雷达波形确定海水深度的方法 Download PDFInfo
- Publication number
- CN106500671B CN106500671B CN201610841366.0A CN201610841366A CN106500671B CN 106500671 B CN106500671 B CN 106500671B CN 201610841366 A CN201610841366 A CN 201610841366A CN 106500671 B CN106500671 B CN 106500671B
- Authority
- CN
- China
- Prior art keywords
- echo
- waveform
- sea
- delta
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于LM算法分解激光雷达波形确定海水深度的方法,主要包括:在得到回波波形后,进行回波波形分解操作,即,首先对波形进行降噪和平滑处理;然后,根据回波波形设定初始波形参数;其次,通过LM算法拟合,在每次迭代调整参数,当迭代计算符合结束条件时,求得最优参数;最后,将回波波形分解为海面波形与海底波形,进而求解出海水深度。本发明方法利用LM算法可以得到最优参数,实现海面回波与海底回波的分解,大大减少算法复杂程度。在海面回波与海底回波十分接近的情况下,仍可以分解出海面波形和海底波形。
Description
技术领域
本发明涉及一种对激光雷达回波波形数据处理的方法,是一种通过LM算法实现激光雷达波形数据分解的方法,属于机载激光雷达技术领域。
背景技术
水深测量是海洋测绘的重要内容。传统的船载多波束回声测深方法虽然具有较高的测量精度,但无法进入沿岸浅水区域和海礁密集区域。近年来,机载激光雷达的出现和发展填补了沿海浅水区域水深测量技术的空白,已成为一种快速高效的水深及海底地形探测方法。机载激光雷达探测系统可以广泛用于海洋水文勘测(包括海水深度测量、海底地貌测绘和海水光学参数遥测等)、水雷和鱼群的探测、海洋环境污染监测等众多领域,因而在海洋科学研究中有巨大的作用。
机载激光雷达系统在海洋探测领域有着探测精度高、探测效率高、不受海水温度和盐度影响等优势。机载激光雷达系统的工作原理是机载激光发射器向海面发射激光,通过计算海面回波和海底回波的时间差求解出海水深度。为了提高水深测量精度,需求解出激光的精确回波时间,但是由于海水的组成十分复杂,增加了对回波波形的数据处理难度,无法求出精确的回波时间。因此对波形数据的处理方法就变得尤为重要。
目前波形数据的处理算法主要有三种:一是阈值法,二是形心法,三是波形分解法。阈值法在面对较为复杂的回波时,由于未考虑光斑内不同目标物回波间的相互影响,使得处理结果的准确性上存在一定问题。对于形心法,当待测目标的回波波形出现上升沿或者下降沿变缓、波形发生展宽和畸变时,可能会出现较大的偏差。波形分解法将不同高度处的目标物回波从接收的波形信号中提取出来,采用高斯函数近似刻画单个目标的回波波形。波形分解法可以将由于水深较浅而重叠为一个波峰的海面与海底回波分解以判断海面与海底回波的对应位置。传统方法使用EM(Expectation Maximization)算法进行波形分解,但是EM算法存在收敛速度较慢等问题。
发明内容
本发明使用LM算法进行波形分解。LM(Levenberg-Marquardt)算法是一种利用标准数值优化技术的快速算法,既有高斯-牛顿法的局部收敛性,又有梯度下降法的全局特性。在设定合理初值的情况下,能得到可靠的最优参数。本发明中,当得到激光的回波波形时,有效地将海面回波与海底回波分解为两个波形,利用两个回波的时间差求出海水深度。
为了解决上述技术问题,本发明提出的一种基于LM算法分解激光雷达波形确定海水深度的方法,通过激光雷达接收获得海面回波与海底回波构成的总体回波,并包括以下步骤:
步骤一、波形预处理,包括波形的噪声去除和波形平滑;其中,波形的噪声去除中在进行噪声估计时,将总体回波数据采集点的前2.5%的点和后2.5%的点幅值的平均值作为噪声的均值;选择高斯函数对上述总体回波的波形进行平滑处理;
步骤二、对于海面回波及海底回波波形参数的初始化,包括:
对于海面回波,采用式(1)所示的高斯函数与指数函数的卷积模拟海面回波波形,以增加时间常数τ以模拟后向散射对海面回波波形的影响;
式(1)中的初始参数包括:函数幅值hG、时间常数τ、海面回波波峰的对应时间tG及高斯函数的标准差σG;自变量为t
总体回波最大峰值点对应的幅值为A,总体回波最大峰值点对应时间为tp,求出幅值为A'=α×A处所对应的时间ta和时间tb,ta<tb,幅值系数α=0.1;
设:
Wα=tb-ta (2)
Aα=tp-ta (3)
Bα=tb-tp (4)
式中:tb与ta的时间间隔为Wα、tp与ta的时间间隔为Aα、tb与tp的时间间隔为Bα及中间参数μ;
则
tG=tp-σG[-0.193(Bα/Aα)2+1.162(Bα/Aα)-0.545] (8)
将式(6)、式(7)和式(8)代入式(1)中,求解出函数幅值hG;
对于海底回波,使用式(9)所示高斯函数代表海底回波信号,
yG(t)=Amaxexp[-(t-tmax)2/2σ2] (9)
式(9)中的初始参数包括:高斯函数的最大幅值Amax,海底回波波峰的对应时间tmax,σ标准差;
步骤三、对步骤二初始化后的参数进行最优化:
利用LM算法通过迭代对初始波形参数进行优化,设x为含有n个参数的向量;ek(x)=y(x,tk)-y(tk)为每个采样点的残差,tk为在第k个采样点的时间;目标函数为
E(x)的二次模型为m(x+s)=E(x)+g(x)Ts+0.5sTH(x)s,其中s为步长,g(x)为E(x)的梯度,H(x)为E(x)的Hessian矩阵;
设e(x)的雅克比矩阵为J(x),e(x)=[e1(x),…,ek(x),…,em(x)]T,其中m为采样点的数量;
则E(x)=e(x)Te(x),g(x)=2J(x)Te(x),H(x)=2J(x)TJ(x);
对于LM算法,步长为s(λ)=-[λI+J(x)TJ(x)]-1J(x)Te(x),λ为阻尼参数,I为n阶单位矩阵,n为参数个数;
所述LM算法的具体过程如下:
3-1)设置参数组成的向量x0及置信半径初值δ,求E(x0);
3-2)设λ=0,求s(λ)和||s(λ)||2;
3-3)若||s(λ)||2≤1.5δ,则设调整向量s=s(λ),δ=min{δ,s(λ)},转到步骤3-5);
3-4)若||s(λ)||2>1.5δ,寻找一个当次迭代阻尼参数λk,使||s(λk)||2∈[0.75δ,1.5δ],设s=s(λk);
3-5)设调整后的参数向量x+=x0+s,求E(x+),计算实际变化量ΔE=E(x+)-E(x0);
3-6)若ΔE≥0,则取δ∈[0.1δ,0.5δ],并返回步骤3-4);
3-7)计算m(x+),设预计变化量ΔEpred=m(x+)-E(x0),实际变化量与预计变化量的比值R=ΔE/ΔEpred若R≤0.1,则δ=0.5δ,若R≥0.75,则δ=2δ,否则δ不变;
3-8)若|s|/(0.001+|x0|)≥0.1,则设x0=x+,并返回步骤3-2),否则最优化的参数xf=x+,Ef=E(x+),停止计算,得到最优化的参数xf,并将该最优化的参数xf分别带入式(1)和式(9),从而获得海面回波波形与海底回波波形;
与现有技术相比,本发明的有益效果是:
利用LM算法可以得到最优参数,实现海面回波与海底回波的分解,大大减少算法复杂程度。在海面回波与海底回波十分接近的情况下(如图2),仍可以分解出海面波形和海底波形。
附图说明
图1是本发明中总体回波波形分解流程图;
图2是本发明中对海面回波进行初始参数的估计;
图3是本发明中对参数进行最优化后获得的波形分解效果图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述,所描述的具体实施例仅对本发明进行解释说明,并不用以限制本发明。
本发明提出的一种基于LM算法分解激光雷达波形确定海水深度的方法,其设计思路如图1所示,在得到回波波形后,进行回波波形分解操作,即,首先对波形进行降噪和平滑处理;然后,根据回波波形设定初始波形参数;其次,通过LM算法拟合,在每次迭代调整参数,当迭代计算符合结束条件时,求得最优参数;最后,将回波波形分解为海面波形与海底波形,进而求解出海水深度。具体步骤如下:
步骤一、波形预处理,包括波形的噪声去除和波形平滑;其主要目的是减少波形中的噪声对参数初值设定的干扰。波形的噪声去除中在进行噪声估计时,将总体回波数据采集点的前2.5%的点和后2.5%的点幅值的平均值作为噪声的均值(若有2000个采样点则取前50和后50个采样点求解平均值);需选择高斯函数作为滤波器,因此,选择高斯函数对上述总体回波的波形进行平滑处理;
步骤二、对于海面回波及海底回波波形参数的初始化,包括:
对于海面回波:
采用式(1)所示的高斯函数与指数函数的卷积模拟海面回波波形,以增加时间常数τ以模拟后向散射对海面回波波形的影响;
式(1)中的初始参数包括:函数幅值hG、时间常数τ、海面回波波峰的对应时间tG及高斯函数的标准差σG;自变量为t
如图2所示,求出的总体回波最大峰值点对应的幅值为A,总体回波最大峰值点对应时间为tp,求出幅值为A'=α×A处所对应的时间ta和时间tb,ta<tb,幅值系数α=0.1;
设:
Wα=tb-ta (2)
Aα=tp-ta (3)
Bα=tb-tp (4)
式中:tb与ta的时间间隔为Wα、tp与ta的时间间隔为Aα、tb与tp的时间间隔为Bα及中间参数μ;
则
tG=tp-σG[-0.193(Bα/Aα)2+1.162(Bα/Aα)-0.545] (8)
将式(6)、式(7)和式(8)代入式(1)中,求解出函数幅值hG。
对于海底回波:
使用式(9)所示高斯函数代表海底回波信号,可以减少算法复杂度。
yG(t)=Amaxexp[-(t-tmax)2/2σ2] (9)
式(9)中的初始参数包括:高斯函数的最大幅值Amax,海底回波波峰的对应时间tmax,σ标准差;
步骤三、对步骤二初始化后的参数进行最优化:
利用LM算法通过迭代对初始波形参数进行优化,设x为含有n个参数的向量;ek(x)=y(x,tk)-y(tk)为每个采样点的残差,tk为在第k个采样点的时间;目标函数为
E(x)的二次模型为m(x+s)=E(x)+g(x)Ts+0.5sTH(x)s,其中s为步长,g(x)为E(x)的梯度,H(x)为E(x)的Hessian矩阵;
设e(x)的雅克比矩阵为J(x),e(x)=[e1(x),…,ek(x),…,em(x)]T,其中m为采样点的数量;
则E(x)=e(x)Te(x),g(x)=2J(x)Te(x),H(x)=2J(x)TJ(x);
对于LM算法,步长为s(λ)=-[λI+J(x)TJ(x)]-1J(x)Te(x),λ为阻尼参数,I为n阶单位矩阵,n为参数个数;
所述LM算法的具体过程如下:
3-1)设置参数组成的向量x0及置信半径初值δ,求E(x0);
3-2)设λ=0,求s(λ)和||s(λ)||2;
3-3)若||s(λ)||2≤1.5δ,则设调整向量s=s(λ),δ=min{δ,s(λ)},转到步骤3-5);
3-4)若||s(λ)||2>1.5δ,寻找一个当次迭代阻尼参数λk,使||s(λk)||2∈[0.75δ,1.5δ],设s=s(λk);
3-5)设调整后的参数向量x+=x0+s,求E(x+),计算实际变化量ΔE=E(x+)-E(x0);
3-6)若ΔE≥0,则取δ∈[0.1δ,0.5δ],并返回步骤3-4);
3-7)计算m(x+),设预计变化量ΔEpred=m(x+)-E(x0),实际变化量与预计变化量的比值R=ΔE/ΔEpred若R≤0.1,则δ=0.5δ,若R≥0.75,则δ=2δ,否则δ不变;
3-8)若|s|/(0.001+|x0|)≥0.1,则设x0=x+,并返回步骤3-2),否则最优化的参数xf=x+,Ef=E(x+),停止计算,得到最优化的参数xf,并将该最优化的参数xf分别带入式(1)和式(9),从而获得海面回波波形与海底回波波形,波形分解的效果如图3所示。
尽管上面结合附图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以做出很多变形,这些均属于本发明的保护之内。
Claims (1)
1.一种基于LM算法分解激光雷达波形确定海水深度的方法,其特征在于,通过激光雷达接收获得海面回波与海底回波构成的总体回波,并包括以下步骤:
步骤一、波形预处理,包括波形的噪声去除和波形平滑;其中,波形的噪声去除中在进行噪声估计时,将总体回波数据采集点的前2.5%的点和后2.5%的点幅值的平均值作为噪声的均值;选择高斯函数对上述总体回波的波形进行平滑处理;
步骤二、对于海面回波及海底回波波形参数的初始化,包括:
对于海面回波,采用式(1)所示的高斯函数与指数函数的卷积模拟海面回波波形,以增加时间常数τ以模拟后向散射对海面回波波形的影响;
式(1)中的初始参数包括:函数幅值hG、时间常数τ、海面回波波峰的对应时间tG及高斯函数的标准差σG;自变量为t
总体回波最大峰值点对应的幅值为A,总体回波最大峰值点对应时间为tp,求出幅值为A'=α×A处所对应的时间ta和时间tb,ta<tb,幅值系数α=0.1;
设:
Wα=tb-ta (2)
Aα=tp-ta (3)
Bα=tb-tp (4)
式中:tb与ta的时间间隔为Wα、tp与ta的时间间隔为Aα、tb与tp的时间间隔为Bα及中间参数μ;
则
tG=tp-σG[-0.193(Bα/Aα)2+1.162(Bα/Aα)-0.545] (8)
将式(6)、式(7)和式(8)代入式(1)中,求解出函数幅值hG;
对于海底回波,使用式(9)所示高斯函数代表海底回波信号,
yG(t)=Amax exp[-(t-tmax)2/2σ2] (9)
式(9)中的初始参数包括:高斯函数的最大幅值Amax,海底回波波峰的对应时间tmax,σ标准差;
步骤三、对步骤二初始化后的参数进行最优化:
利用LM算法通过迭代对初始波形参数进行优化,设x为含有n个参数的向量;ek(x)=y(x,tk)-y(tk)为每个采样点的残差,tk为在第k个采样点的时间;目标函数为
E(x)的二次模型为m(x+s)=E(x)+g(x)Ts+0.5sTH(x)s,其中s为步长,g(x)为E(x)的梯度,H(x)为E(x)的Hessian矩阵;
设e(x)的雅克比矩阵为J(x),e(x)=[e1(x),Λ,ek(x),Λ,em(x)]T,其中m为采样点的数量;
则E(x)=e(x)Te(x),g(x)=2J(x)Te(x),H(x)=2J(x)TJ(x);
对于LM算法,步长为s(λ)=-[λI+J(x)TJ(x)]-1J(x)Te(x),λ为阻尼参数,I为n阶单位矩阵,n为参数个数;
所述LM算法的具体过程如下:
3-1)设置参数组成的向量x0及置信半径初值δ,求E(x0);
3-2)设λ=0,求s(λ)和||s(λ)||2;
3-3)若||s(λ)||2≤1.5δ,则设调整向量s=s(λ),δ=min{δ,s(λ)},转到步骤3-5);
3-4)若||s(λ)||2>1.5δ,寻找一个当次迭代阻尼参数λk,使||s(λk)||2∈[0.75δ,1.5δ],设s=s(λk);
3-5)设调整后的参数向量x+=x0+s,求E(x+),计算实际变化量ΔE=E(x+)-E(x0);
3-6)若ΔE≥0,则取δ∈[0.1δ,0.5δ],并返回步骤3-4);
3-7)计算m(x+),设预计变化量ΔEpred=m(x+)-E(x0),实际变化量与预计变化量的比值R=ΔE/ΔEpred若R≤0.1,则δ=0.5δ,若R≥0.75,则δ=2δ,否则δ不变;
3-8)若|s|/(0.001+|x0|)≥0.1,则设x0=x+,并返回步骤3-2),否则最优化的参数xf=x+,Ef=E(x+),停止计算,得到最优化的参数xf,并将该最优化的参数xf分别带入式(1)和式(9),从而获得海面回波波形与海底回波波形;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610841366.0A CN106500671B (zh) | 2016-09-22 | 2016-09-22 | 一种基于lm算法分解激光雷达波形确定海水深度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610841366.0A CN106500671B (zh) | 2016-09-22 | 2016-09-22 | 一种基于lm算法分解激光雷达波形确定海水深度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106500671A CN106500671A (zh) | 2017-03-15 |
CN106500671B true CN106500671B (zh) | 2020-04-07 |
Family
ID=58290253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610841366.0A Active CN106500671B (zh) | 2016-09-22 | 2016-09-22 | 一种基于lm算法分解激光雷达波形确定海水深度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106500671B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064021B (zh) * | 2017-04-14 | 2019-10-15 | 华中农业大学 | 一种基于光谱幅值空间转换的血斑蛋在线无损检测方法 |
CN110133670B (zh) * | 2018-02-09 | 2022-08-26 | 中国人民解放军战略支援部队信息工程大学 | 一种机载激光测深接收波形的去噪处理方法及其系统 |
CN108732553B (zh) * | 2018-06-01 | 2022-02-01 | 北京航空航天大学 | 一种激光雷达波形时刻鉴别方法与在线测距系统 |
CN112703420B (zh) * | 2019-04-04 | 2022-06-14 | 华为技术有限公司 | 回波信号的处理方法及装置 |
CN111443344B (zh) * | 2020-04-07 | 2022-06-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种侧扫声呐海底线自动提取方法及装置 |
CN112083429B (zh) * | 2020-09-15 | 2023-08-15 | 中国人民解放军海军大连舰艇学院 | 一种基于l-m算法的多波束横摇残差改正方法 |
CN117194876B (zh) * | 2023-09-07 | 2024-03-29 | 安徽建筑大学 | 一种基于激光雷达水体回波的水体漫射衰减系数提取方法 |
CN117031442B (zh) * | 2023-10-08 | 2024-01-02 | 中国地质大学(武汉) | 融合多通道波形数据的激光雷达水域地形测量方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650982A (zh) * | 2012-03-28 | 2012-08-29 | 中国航空工业集团公司北京长城计量测试技术研究所 | 一种基于fpga的lm算法实现方法 |
CN104280725A (zh) * | 2013-09-25 | 2015-01-14 | 中国科学院光电研究院 | 全波形激光雷达数据波形分解方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6603422B2 (en) * | 2000-11-17 | 2003-08-05 | James Burton Wright | Ground penetrating radar incorporating a real-time multi-target direction finding capability |
-
2016
- 2016-09-22 CN CN201610841366.0A patent/CN106500671B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650982A (zh) * | 2012-03-28 | 2012-08-29 | 中国航空工业集团公司北京长城计量测试技术研究所 | 一种基于fpga的lm算法实现方法 |
CN104280725A (zh) * | 2013-09-25 | 2015-01-14 | 中国科学院光电研究院 | 全波形激光雷达数据波形分解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106500671A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106500671B (zh) | 一种基于lm算法分解激光雷达波形确定海水深度的方法 | |
CN108226933B (zh) | 一种基于条纹干涉结构的深海宽带目标深度估计方法 | |
CN108845306B (zh) | 基于变分模态分解的激光雷达回波信号去噪方法 | |
CN104076355B (zh) | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 | |
CN112083404B (zh) | 一种基于多途特征匹配的单矢量水听器声源深度估计方法 | |
CN103926572B (zh) | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 | |
CN110134976B (zh) | 一种机载激光测深信号提取方法及系统 | |
CN111580048B (zh) | 一种利用单矢量水听器的宽带声源深度估计方法 | |
CN103292792B (zh) | 一种适用海底探测与假地形处理的实测svp重构方法 | |
CN110058245B (zh) | 基于云模型的低频主动拖线阵声呐浅海探测效能评估方法 | |
CN113625337B (zh) | 一种极浅水高精度地震资料快速成像方法 | |
CN105676205A (zh) | 一种机载LiDAR波形数据高斯分解方法 | |
CN105005026A (zh) | 一种近场目标声源三维被动定位方法 | |
CN111580110B (zh) | 一种基于浅海多径时延的复合码水声测距方法 | |
CN116106875B (zh) | 岸基阵坐标联合校准方法、系统、电子设备及存储介质 | |
CN110135299B (zh) | 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统 | |
CN112782704A (zh) | 一种海面声源被动定位声波覆盖特性及定位精度分析方法 | |
CN110309581B (zh) | 一种水下潜标位置综合校准测量点快速优化布局方法 | |
Lv et al. | Analysis of wave fluctuation on underwater acoustic communication based USV | |
CN110133680B (zh) | 一种机载激光测深接收波形有效信号初值确定方法及系统 | |
CN116609758B (zh) | 一种机载激光测深波形旅行时提取方法 | |
Li et al. | Long baseline acoustic localization based on track-before-detect in complex underwater environments | |
CN106546947A (zh) | 一种联合波导不变量和线谱的单水听器被动定位方法 | |
CN106019290A (zh) | 加权宽带时反算子分解多目标声成像方法 | |
CN113030919A (zh) | 一种基于模型拟合的波形检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |