CN110798885A - 一种基于测距和神经网络算法的水下定位方法 - Google Patents
一种基于测距和神经网络算法的水下定位方法 Download PDFInfo
- Publication number
- CN110798885A CN110798885A CN201911062583.XA CN201911062583A CN110798885A CN 110798885 A CN110798885 A CN 110798885A CN 201911062583 A CN201911062583 A CN 201911062583A CN 110798885 A CN110798885 A CN 110798885A
- Authority
- CN
- China
- Prior art keywords
- underwater
- network
- module
- nodes
- information
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Electromagnetism (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于测距和神经网络算法的水下定位方法,由以下方法模块构成,其方法模块包括信息处理系统模块、水下定位操作模块、显示器终端模块以及数据保存与传送模块,固定节点包括传感器节点和水声中继节点,传感器节点搜集水下信息并经过中继节点进行多跳组网,网关节点实现了水声通信和无线通信的衔接,解决了声波在水下信道中由于传播损失、吸收损失、散射损失和反射损失的存在,使得信号传输能量衰减较大的问题,它将水下网络纳入整个无线网络,水下数据经由传感器节点采集后传输至海面或岸基指挥中心,解决了由于水下缺乏便捷的可再生资源,使得水下传感器网络的运作主要依靠节点上有限负荷的电池工作。
Description
技术领域
本发明属于水下定位相关技术领域,具体涉及一种基于测距和神经网络算法的水下定位方法。
背景技术
随着现代化信息技术的迅猛发展,水下海洋环境在军事战场和民用经济应用方面都凸显出愈来愈重要的地位。在海上电子战系统中,确定目标的地理位置是其基本功能之一,也是最终摧毁打击敌方目标和捍卫本海域作战的技术保障,如对海底原油及燃气储备的开采、预报海底地震活动、水下电缆铺设、沉船打捞、应用水下机器人监视海洋生物现象和化学物质泄漏等,都广泛地需要水下目标定位技术作为支撑。
现有的水下定位方法技术存在以下问题:现有的水下定位方法在进行定位的时候一般由于外界的环境可能会导致定位出现不准确的现象,这样由于定位不准确可能会出现对水下地形探查的不准确的问题,声波在水下信道中由于传播损失、吸收损失、散射损失和反射损失的存在,使得信号传输能量衰减较大的问题而且由于水下缺乏便捷的可再生资源,使得水下传感器网络的运作主要依靠节点上有限负荷的电池工作。
发明内容
本发明的目的在于提供一种基于测距和神经网络算法的水下定位方法,以解决上述背景技术中提出的现有的水下定位方法在进行定位的时候可能会出现定位的不准确导致对水下的环境不能很好的了解的现象的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于测距和神经网络算法的水下定位方法,由以下方法模块构成,其方法模块包括信息处理系统模块、水下定位操作模块、显示器终端模块以及数据保存与传送模块,所述信息处理系统模块是由信息接收系统模块、信息发送系统模块以及信息处理系统模块组成的,所述信息处理系统模块内部的信息接收系统模块用于对收集之后的信息进行接收的作用,所述信息处理系统模块内部的信息发送系统模块用于对数据的信息发送的功能,所述信息处理系统模块内部的信息处理系统模块用于对需要使用的信息以及不必要的信息进行不同的处理的作用;
优选的,所述水下定位操作模块是由固定节点、传感器节点、网关、移动节点与神经网络算法组成的,所述水下定位操作模块内部的固定节点包括传感器节点和水声中继节点,所述水下定位操作模块内部的传感器节点搜集水下信息并经过中继节点进行多跳组网,所述水下定位操作模块内部的网关、移动节点实现了水声通信和无线通信的衔接使得水下网络纳入整个无线网络,所述水下定位操作模块内部的网关、移动节点可以使得通过水下航行器也可以做为移动节点加入网络进行收集信息进行组网通信,所述水下定位操作模块内部的神经网络算法可以实现快速准确的进行探测的作用;
优选的,所述显示器终端模块是由主控机、终端机、以及显示器组成的,所述显示器终端模块内部的主控机具有电脑操作的作用,所述显示器终端模块内部的终端机具有电脑控制的作用,所述显示器终端模块内部的显示屏具有可以播放待要观看的作用;
优选的,所述数据保存与传送模块是由传真统发统收系统以及智能检测信令系统组成的,所述数据保存与传送模块内部的传真统发统收系统具有传真机的统发统收并且具有保存的功能,所述数据保存与传送模块内部的智能检测信令系统具有自动检测信令类型并自动配置相应的信令参数的作用。
优选的,所述神经网络算法如下:
(1)、神经网络首先要以一定的学习准则进行学习,然后才能工作。现以人工神经网络对手写A、B两个字母的识别为例进行说明,规定当A输入网络时,应该输出1,而当输入为B时,输出为0;
(2)、如果网络作出错误的的判决,则通过网络的学习,应使得网络减少下次犯同样错误的可能性。首先,给网络的各连接权值赋予(0,1)区间内的随机值,将A所对应的图象模式输入给网络,网络将输入模式加权求和、与门限比较、再进行非线性运算,得到网络的输出。在此情况下,网络输出为1和0的概率各为50%,也就是说是完全随机的。这时如果输出为1(结果正确),则使连接权值增大,以便使网络再次遇到A模式输入时,仍然能作出正确的判断;
(3)、如果输出为0(即结果错误),则把网络连接权值朝着减小综合输入加权值的方向调整,其目的在于使网络下次再遇到A模式输入时,减小犯同样错误的可能性。如此操作调整,当给网络轮番输入若干个手写字母A、B后,经过网络按以上学习方法进行若干次学习后,网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功,它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时,能够作出迅速、准确的判断和识别。一般说来,网络中所含的神经元个数越多,则它能记忆、识别的模式也就越多。
优选的,所述水下定位操作模块的操作步骤如下:
步骤一:首先搭建一套水下声通信传输实验系统,之后利用LabVIEW图形化软件开发了一套实验室水声信号采集、处理及具有目标定位仿真模块的综合处理演示平台;
步骤二:通过分析水下信号传输特性,建立了水下阵列传感器网络的目标定位模型,并利用基于阈值检测的分布式高斯牛顿迭代法完成最大似然估计算法的解算;
步骤三:完成了控制发送、接收水下复杂声信号的实验,将由远程控制端发送的信号波形通过功率放大器、在水池中由水声换能器进行信号传输,上位机平台读取采集数据后通过分析处理模块完成对信号的时、频域特性分析;
步骤四:分析比较了在不同噪声环境下、不同声源级情况下的目标位置结果。针对目标信号在水下信道的传输特性,研究推导了水下目标声强辐射衰减函数,并建立了水下目标辐射能量传播模型;
步骤五:利用MathScript节点函数完成了对于目标波达角的测向和基于水下无线传感器网络的目标定位的演示功能;
步骤六:进行目标位置估计的研究,采用基于二元检测结果的加权几何中心算法和基于能量检测的统计模型最大似然估计方法完成对目标位置的估计,此外,分析了不同网络节点分布结构、不同网络节点数目对于定位精度;
步骤七:最后在虚拟仪器前面板上实现了对水声传输信号的综合处理,从而在显示设备中进行显示。
与现有技术相比,本发明提供了一种基于测距和神经网络算法的水下定位方法,具备以下有益效果:
本发明由固定节点、传感器节点、网关节点与移动节点组成,固定节点包括传感器节点和水声中继节点,传感器节点搜集水下信息并经过中继节点进行多跳组网,网关节点实现了水声通信和无线通信的衔接,从而解决了声波在水下信道中由于传播损失、吸收损失、散射损失和反射损失的存在,使得信号传输能量衰减较大的问题,它将水下网络纳入整个无线网络,使得水下数据经由传感器节点采集后传输至海面或岸基指挥中心,水下航行器也可以做为移动节点加入网络,收集信息进行组网通信,解决了由于水下缺乏便捷的可再生资源,使得水下传感器网络的运作主要依靠节点上有限负荷的电池工作。
具体实施方式
本发明提供一种技术方案:
一种基于测距和神经网络算法的水下定位方法,由以下方法模块构成,其方法模块包括信息处理系统模块、水下定位操作模块、显示器终端模块以及数据保存与传送模块,信息处理系统模块是由信息接收系统模块、信息发送系统模块以及信息处理系统模块组成的,信息处理系统模块内部的信息接收系统模块用于对收集之后的信息进行接收的作用,信息处理系统模块内部的信息发送系统模块用于对数据的信息发送的功能,信息处理系统模块内部的信息处理系统模块用于对需要使用的信息以及不必要的信息进行不同的处理的作用;
水下定位操作模块是由固定节点、传感器节点、网关、移动节点与神经网络算法组成的,水下定位操作模块内部的固定节点包括传感器节点和水声中继节点,水下定位操作模块内部的传感器节点搜集水下信息并经过中继节点进行多跳组网,水下定位操作模块内部的网关、移动节点实现了水声通信和无线通信的衔接使得水下网络纳入整个无线网络,水下定位操作模块内部的网关、移动节点可以使得通过水下航行器也可以做为移动节点加入网络进行收集信息进行组网通信,水下定位操作模块内部的神经网络算法可以实现快速准确的进行探测的作用;
显示器终端模块是由主控机、终端机、以及显示器组成的,显示器终端模块内部的主控机具有电脑操作的作用,显示器终端模块内部的终端机具有电脑控制的作用,显示器终端模块内部的显示屏具有可以播放待要观看的作用;
数据保存与传送模块是由传真统发统收系统以及智能检测信令系统组成的,数据保存与传送模块内部的传真统发统收系统具有传真机的统发统收并且具有保存的功能,数据保存与传送模块内部的智能检测信令系统具有自动检测信令类型并自动配置相应的信令参数的作用。
神经网络算法如下:
(1)、神经网络首先要以一定的学习准则进行学习,然后才能工作。现以人工神经网络对手写A、B两个字母的识别为例进行说明,规定当A输入网络时,应该输出1,而当输入为B时,输出为0;
(2)、如果网络作出错误的的判决,则通过网络的学习,应使得网络减少下次犯同样错误的可能性。首先,给网络的各连接权值赋予(0,1)区间内的随机值,将A所对应的图象模式输入给网络,网络将输入模式加权求和、与门限比较、再进行非线性运算,得到网络的输出。在此情况下,网络输出为1和0的概率各为50%,也就是说是完全随机的。这时如果输出为1(结果正确),则使连接权值增大,以便使网络再次遇到A模式输入时,仍然能作出正确的判断;
(3)、如果输出为0(即结果错误),则把网络连接权值朝着减小综合输入加权值的方向调整,其目的在于使网络下次再遇到A模式输入时,减小犯同样错误的可能性。如此操作调整,当给网络轮番输入若干个手写字母A、B后,经过网络按以上学习方法进行若干次学习后,网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功,它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时,能够作出迅速、准确的判断和识别。一般说来,网络中所含的神经元个数越多,则它能记忆、识别的模式也就越多。
水下定位操作模块的操作步骤如下:
步骤一:首先搭建一套水下声通信传输实验系统,之后利用LabVIEW图形化软件开发了一套实验室水声信号采集、处理及具有目标定位仿真模块的综合处理演示平台;
步骤二:通过分析水下信号传输特性,建立了水下阵列传感器网络的目标定位模型,并利用基于阈值检测的分布式高斯牛顿迭代法完成最大似然估计算法的解算;
步骤三:完成了控制发送、接收水下复杂声信号的实验,将由远程控制端发送的信号波形通过功率放大器、在水池中由水声换能器进行信号传输,上位机平台读取采集数据后通过分析处理模块完成对信号的时、频域特性分析;
步骤四:分析比较了在不同噪声环境下、不同声源级情况下的目标位置结果。针对目标信号在水下信道的传输特性,研究推导了水下目标声强辐射衰减函数,并建立了水下目标辐射能量传播模型;
步骤五:利用MathScript节点函数完成了对于目标波达角的测向和基于水下无线传感器网络的目标定位的演示功能;
步骤六:进行目标位置估计的研究,采用基于二元检测结果的加权几何中心算法和基于能量检测的统计模型最大似然估计方法完成对目标位置的估计,此外,分析了不同网络节点分布结构、不同网络节点数目对于定位精度;
步骤七:最后在虚拟仪器前面板上实现了对水声传输信号的综合处理,从而在显示设备中进行显示。
本发明的工作原理及使用流程:
首先搭建一套水下声通信传输实验系统,之后利用LabVIEW图形化软件开发了一套实验室水声信号采集、处理及具有目标定位仿真模块的综合处理演示平台,通过分析水下信号传输特性,建立了水下阵列传感器网络的目标定位模型,并利用基于阈值检测的分布式高斯牛顿迭代法完成最大似然估计算法的解算,完成了控制发送、接收水下复杂声信号的实验,将由远程控制端发送的信号波形通过功率放大器、在水池中由水声换能器进行信号传输,上位机平台读取采集数据后通过分析处理模块完成对信号的时、频域特性分析,分析比较了在不同噪声环境下、不同声源级情况下的目标位置结果。针对目标信号在水下信道的传输特性,研究推导了水下目标声强辐射衰减函数,并建立了水下目标辐射能量传播模型,利用MathScript节点函数完成了对于目标波达角的测向和基于水下无线传感器网络的目标定位的演示功能,进行目标位置估计的研究,采用基于二元检测结果的加权几何中心算法和基于能量检测的统计模型最大似然估计方法完成对目标位置的估计,此外,分析了不同网络节点分布结构、不同网络节点数目对于定位精度,最后在虚拟仪器前面板上实现了对水声传输信号的综合处理,从而在显示设备中进行显示。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种基于测距和神经网络算法的水下定位方法,由以下方法模块构成,其方法模块包括信息处理系统模块、水下定位操作模块、显示器终端模块以及数据保存与传送模块,其特征在于:所述信息处理系统模块是由信息接收系统模块、信息发送系统模块以及信息处理系统模块组成的,所述信息处理系统模块内部的信息接收系统模块用于对收集之后的信息进行接收的作用,所述信息处理系统模块内部的信息发送系统模块用于对数据的信息发送的功能,所述信息处理系统模块内部的信息处理系统模块用于对需要使用的信息以及不必要的信息进行不同的处理的作用;
所述水下定位操作模块是由固定节点、传感器节点、网关、移动节点与神经网络算法组成的,所述水下定位操作模块内部的固定节点包括传感器节点和水声中继节点,所述水下定位操作模块内部的传感器节点搜集水下信息并经过中继节点进行多跳组网,所述水下定位操作模块内部的网关、移动节点实现了水声通信和无线通信的衔接使得水下网络纳入整个无线网络,所述水下定位操作模块内部的网关、移动节点可以使得通过水下航行器也可以做为移动节点加入网络进行收集信息进行组网通信,所述水下定位操作模块内部的神经网络算法可以实现快速准确的进行探测的作用;
所述显示器终端模块是由主控机、终端机、以及显示器组成的,所述显示器终端模块内部的主控机具有电脑操作的作用,所述显示器终端模块内部的终端机具有电脑控制的作用,所述显示器终端模块内部的显示屏具有可以播放待要观看的作用;
所述数据保存与传送模块是由传真统发统收系统以及智能检测信令系统组成的,所述数据保存与传送模块内部的传真统发统收系统具有传真机的统发统收并且具有保存的功能,所述数据保存与传送模块内部的智能检测信令系统具有自动检测信令类型并自动配置相应的信令参数的作用。
2.根据权利要求1所述的一种基于测距和神经网络算法的水下定位方法,其特征在于:所述神经网络算法如下:
(1)、神经网络首先要以一定的学习准则进行学习,然后才能工作。现以人工神经网络对手写A、B两个字母的识别为例进行说明,规定当A输入网络时,应该输出1,而当输入为B时,输出为0;
(2)、如果网络作出错误的的判决,则通过网络的学习,应使得网络减少下次犯同样错误的可能性。首先,给网络的各连接权值赋予(0,1)区间内的随机值,将A所对应的图象模式输入给网络,网络将输入模式加权求和、与门限比较、再进行非线性运算,得到网络的输出。在此情况下,网络输出为1和0的概率各为50%,也就是说是完全随机的。这时如果输出为1(结果正确),则使连接权值增大,以便使网络再次遇到A模式输入时,仍然能作出正确的判断;
(3)、如果输出为0(即结果错误),则把网络连接权值朝着减小综合输入加权值的方向调整,其目的在于使网络下次再遇到A模式输入时,减小犯同样错误的可能性。如此操作调整,当给网络轮番输入若干个手写字母A、B后,经过网络按以上学习方法进行若干次学习后,网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功,它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时,能够作出迅速、准确的判断和识别。一般说来,网络中所含的神经元个数越多,则它能记忆、识别的模式也就越多。
3.根据权利要求1所述的一种基于测距和神经网络算法的水下定位方法,其特征在于:所述水下定位操作模块的操作步骤如下:
步骤一:首先搭建一套水下声通信传输实验系统,之后利用LabVIEW图形化软件开发了一套实验室水声信号采集、处理及具有目标定位仿真模块的综合处理演示平台;
步骤二:通过分析水下信号传输特性,建立了水下阵列传感器网络的目标定位模型,并利用基于阈值检测的分布式高斯牛顿迭代法完成最大似然估计算法的解算;
步骤三:完成了控制发送、接收水下复杂声信号的实验,将由远程控制端发送的信号波形通过功率放大器、在水池中由水声换能器进行信号传输,上位机平台读取采集数据后通过分析处理模块完成对信号的时、频域特性分析;
步骤四:分析比较了在不同噪声环境下、不同声源级情况下的目标位置结果。针对目标信号在水下信道的传输特性,研究推导了水下目标声强辐射衰减函数,并建立了水下目标辐射能量传播模型;
步骤五:利用MathScript节点函数完成了对于目标波达角的测向和基于水下无线传感器网络的目标定位的演示功能;
步骤六:进行目标位置估计的研究,采用基于二元检测结果的加权几何中心算法和基于能量检测的统计模型最大似然估计方法完成对目标位置的估计,此外,分析了不同网络节点分布结构、不同网络节点数目对于定位精度;
步骤七:最后在虚拟仪器前面板上实现了对水声传输信号的综合处理,从而在显示设备中进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911062583.XA CN110798885A (zh) | 2019-11-03 | 2019-11-03 | 一种基于测距和神经网络算法的水下定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911062583.XA CN110798885A (zh) | 2019-11-03 | 2019-11-03 | 一种基于测距和神经网络算法的水下定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110798885A true CN110798885A (zh) | 2020-02-14 |
Family
ID=69442485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911062583.XA Pending CN110798885A (zh) | 2019-11-03 | 2019-11-03 | 一种基于测距和神经网络算法的水下定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110798885A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327204A (zh) * | 2020-10-19 | 2021-02-05 | 哈尔滨工程大学 | 一种基于Gauss-Newton优化算法的水下三维空间被动电场定位方法 |
CN114689347A (zh) * | 2020-12-28 | 2022-07-01 | 中国科学院沈阳自动化研究所 | 一种无人潜水器辅助测试系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093849A (zh) * | 2016-06-03 | 2016-11-09 | 清华大学深圳研究生院 | 一种基于测距和神经网络算法的水下定位方法 |
WO2017209497A1 (ko) * | 2016-05-30 | 2017-12-07 | 광주과학기술원 | 센싱 데이터 처리장치 및 데이터 처리방법 |
CN109000622A (zh) * | 2018-05-18 | 2018-12-14 | 中国科学院光电研究院 | 一种基于深度学习的水下定位方法及系统 |
CN110068331A (zh) * | 2018-01-24 | 2019-07-30 | 北京致感致联科技有限公司 | 水下导航定位设备及系统 |
-
2019
- 2019-11-03 CN CN201911062583.XA patent/CN110798885A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017209497A1 (ko) * | 2016-05-30 | 2017-12-07 | 광주과학기술원 | 센싱 데이터 처리장치 및 데이터 처리방법 |
CN106093849A (zh) * | 2016-06-03 | 2016-11-09 | 清华大学深圳研究生院 | 一种基于测距和神经网络算法的水下定位方法 |
CN110068331A (zh) * | 2018-01-24 | 2019-07-30 | 北京致感致联科技有限公司 | 水下导航定位设备及系统 |
CN109000622A (zh) * | 2018-05-18 | 2018-12-14 | 中国科学院光电研究院 | 一种基于深度学习的水下定位方法及系统 |
Non-Patent Citations (2)
Title |
---|
冯伟明: "海底电缆故障定位方法研究", 《中国优秀硕士学位论文全文数据库》 * |
张子涵: "基于水下传感器网络的目标定位研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327204A (zh) * | 2020-10-19 | 2021-02-05 | 哈尔滨工程大学 | 一种基于Gauss-Newton优化算法的水下三维空间被动电场定位方法 |
CN112327204B (zh) * | 2020-10-19 | 2023-10-13 | 哈尔滨工程大学 | 一种基于Gauss-Newton优化算法的水下三维空间被动电场定位方法 |
CN114689347A (zh) * | 2020-12-28 | 2022-07-01 | 中国科学院沈阳自动化研究所 | 一种无人潜水器辅助测试系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210026031A1 (en) | Dolomite reservoir prediction method and system based on well and seismic combination, and storage medium | |
CN103077267B (zh) | 一种基于改进bp神经网络的参量声源建模方法 | |
CN108444481B (zh) | 一种基于辅助决策系统的水下潜器路径规划方法 | |
CN110798885A (zh) | 一种基于测距和神经网络算法的水下定位方法 | |
CN109858523B (zh) | 一种神经网络和射线理论的浅海声速剖面反演方法 | |
CN108320051B (zh) | 一种基于gru网络模型的移动机器人动态避碰规划方法 | |
CN112733447B (zh) | 一种基于域自适应网络的水下声源定位方法及系统 | |
CN116125386A (zh) | 一种稀疏水声测距增强的水下航行器智能定位方法和系统 | |
CN115962692A (zh) | 一种应用于露天爆破工程的爆破参数优化方法 | |
CN109975816A (zh) | 一种微型水下机器人的传感器信息融合方法 | |
Wang et al. | Cumulative absolute velocity prediction for earthquake early warning with deep learning | |
CN114909610B (zh) | 一种水下油气管道泄漏检测与定位的方法及控制系统 | |
CN114974298A (zh) | 一种基于深度学习的海洋声源定位及海洋参数反演方法 | |
CN111859241B (zh) | 一种基于声传递函数学习的非监督声源定向方法 | |
CN112395667B (zh) | 一种盾构隧道土体的随机场参数生成方法和装置 | |
CN111381233A (zh) | 一种水下对抗态势显控方法及系统 | |
Wang et al. | Adaptive acoustical-environmental assessment for the focused acoustic field-05 at-sea exercise | |
CN117010132B (zh) | 一种水下多基地声纳系统的空间阵位优化方法及系统 | |
CN116719035B (zh) | 双耳超声空间定位方法、自主移动机器人及控制方法 | |
Hassab et al. | On constructing an expert system for contact localization and tracking | |
Zhao et al. | Using GA-BP Neural Network to Assist Ship Design | |
Andreassen et al. | Modelled sonar and target depth distributions for active sonar operations in realistic environments | |
Schmidt | Area: Adaptive rapid environmental assessment | |
Fox et al. | Environmentally adaptive sonar control in a tactical setting | |
Hallawa et al. | On the use of evolutionary algorithms for localization and mapping: Infrastructure monitoring in smart cities via miniaturized autonomous sensory agents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200214 |
|
RJ01 | Rejection of invention patent application after publication |