CN111024207B - 一种矢量水听器线谱自动检测与判决方法 - Google Patents
一种矢量水听器线谱自动检测与判决方法 Download PDFInfo
- Publication number
- CN111024207B CN111024207B CN201911174804.2A CN201911174804A CN111024207B CN 111024207 B CN111024207 B CN 111024207B CN 201911174804 A CN201911174804 A CN 201911174804A CN 111024207 B CN111024207 B CN 111024207B
- Authority
- CN
- China
- Prior art keywords
- line spectrum
- frame
- frequency
- data
- spectrum
- 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
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种矢量水听器线谱自动检测与判决方法,涉及水声信号处理与信号检测技术领域,是能够通过幅度与方位的变化判断运动目标的存在,有效发挥水下目标线谱检测的应有效果,其检测技术可靠、虚警率低。本发明的技术方案包括如下步骤:获取矢量水听器接收的每一帧矢量数据,求解每一帧数量数据的平均声强谱,采用斜率门限与峰高门限从平均声强谱中提取线谱,线谱由线谱频率组成。从第2帧矢量数据开始,将每一帧矢量数据的线谱频率与之前帧矢量数据的线谱频率相比较,其中满足多普勒容限的线谱频率归为同一目标的线谱。对属于同一目标的线谱频率进行比较判断,若存在正向幅度变化以及单调方位变化,则判断目标存在,发出报警信号。
Description
技术领域
本发明涉及水声信号处理与信号检测技术领域,具体涉及一种矢量水听器线谱自动检测与判决方法。
背景技术
水声监测小平台如噪声监测潜标一般利用水下目标的宽带信号检测目标。随着消声降噪技术的发展,水下目标辐射的宽带能量越来越低,给传统监测小平台采用的宽带检波积分检测方法带来很大困难。而水下目标低频线谱特征很难消除,所以低频线谱检测方法受到重视。现有的小平台线谱检测技术存在的主要问题是:线谱检测方法通过在某一窄带在连续一段时间内存在稳定的能量来判断线谱存在,容易把浅海环境下常见的稳定干扰判决为目标,导致虚警率较高,严重影响监测效果。
因此目前缺少一种可靠的、虚警率较低的针对小平台线谱检测技术。
发明内容
有鉴于此,本发明提供了一种矢量水听器线谱自动检测与判决方法,是能够通过幅度与方位的变化判断运动目标的存在,有效发挥水下目标线谱检测的应有效果,其检测技术可靠、虚警率低。
为达到上述目的,本发明的技术方案包括如下步骤:
获取矢量水听器接收的每一帧矢量数据,求解每一帧数量数据的平均声强谱,采用斜率门限与峰高门限从平均声强谱中提取线谱,线谱由线谱频率组成。
从第2帧矢量数据开始,将每一帧矢量数据的线谱频率与之前帧矢量数据的线谱频率相比较,其中满足多普勒容限的线谱频率归为同一目标的线谱。
对属于同一目标的线谱频率进行比较判断,若存在正向幅度变化以及单调方位变化,则判断目标存在,发出报警信号。
进一步地,获取矢量水听器接收的每一帧矢量数据,求解每一帧数量数据的平均声强谱,采用斜率门限与峰高门限从平均声强谱中提取线谱,线谱由线谱频率组成,具体为:
S0、对矢量水听器接收的一帧矢量数据包括声压p(n)、振速vx(n)、振速vy(n),其中n=0,…,N-1,n为采样点,N为一帧数据的长度。
矢量水听器的振速轴包括x轴y轴和z轴,其中x轴和y轴为水平面上的轴、z轴为垂直方向的轴。
顺次取每一帧矢量数据作为当前处理帧,执行如下步骤S1~S3:
S1、把当前处理帧的N点数据分为L段,每段M点,段与段之间有重叠,重叠部分占每段设定比例如50%,则分段数为
当前处理帧的第l段(l=0,1,…,L-1)数据的互功率谱为
式中Pl(k)是p(n)数据第l段(l=0,1,…,L-1)的快速傅里叶变换(FFT)结果, Vxl(k)是vx(n)数据第l段的FFT结果,Vyl(k)是vy(n)数据第l段的FFT结果。
分别对L段Cxl(k)与Cyl(k)做平均,得到x轴与y轴方向的平均互功率谱为 Cx(k)与Cy(k),k为频率点;分别取Cx(k)与Cy(k)实部,得到Ix(k)与Iy(k)。
S2、对当前处理帧求平均声强谱I0。
S3、求平均声功率谱I0(k)的连续谱背景B(k),k=0,1,…,M-1;求平均声功率谱I0(k)的差分得到Y(k),k=0,1,…,M-2。对Y(k),k=0,1,…,M-2逐点与设定的斜率门限进行比较,记录所有Y(k-1)>C0且Y(k)<-C0的点的序号ki和相应的声功率谱幅度I0(ki),其中C0为斜率门限,为正数。
取满足条件I0(ki)/B(ki)≥C1的ki,得到共K个满足条件的ki,记为序列 k’0,k’1,…,k'K-1。
其中C1为设定的峰高门限。
k’0,k’1,…,k'K-1为当前处理帧中线谱的数字频率,转换为实际频率为:
其中fs是矢量水听器所处的水声监测系统对接收信号采样频率。
fj为线谱频率,j=0,1,…,K-1,则K个组成当前处理帧的线谱。
进一步地,从第2帧矢量数据开始,将每一帧矢量数据的线谱频率与之前帧矢量数据的线谱频率相比较,其中满足多普勒容限的线谱频率归为同一目标的线谱,具体为:
S4、取矢量水听器接收的第2帧矢量数据,第2帧数量数据的线谱中频率数量为K2,将第2帧矢量数据得到的每个线谱频率均与第1帧的K1个频率比较,在设定多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留;设定多普勒容限为其中v为目标运动速度,c是水下声速, f是根据水听器探测目标的类型估计的线谱频率。
S5、取矢量水听器接收的第3帧矢量数据,第3帧数量数据的线谱中频率数量为K3,将第3帧矢量数据得到的每个线谱频率均与第2帧的K2个频率比较,在设定多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留。
S6、取矢量水听器接收的第R帧矢量数据,R=4,5,…,长度为N点,第R 帧矢量数据的线谱中频率数量为KR,把线谱频率依次与第R-1~R-p帧数据的线谱频率比较,在多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留。
p为设定比较帧数量门限,当R-p-1≥1时,对R-p-1帧数据的线谱,如果在后续R-p,…,R-2,R-1,R帧未再出现,则舍弃。
对于保留的线谱,记录其幅度I0(k0),同时根据下式计算方位
进一步地,对属于同一目标的线谱频率进行比较判断,若存在正向幅度变化以及单调方位变化,则判断目标存在,发出报警信号,具体为:
S7、针对同一目标A的线谱,从获得第q帧线谱结果开始,在每一帧中均有目标A的线谱频率时,如果第q-8、q-7以及q-6帧中对应该目标A的幅度均值为I1,方位均值为φ1,第q-5、q-4以及q-3帧中对应该目标A幅度均值为I2,方位均值为φ2,第q-2、q-1以及q帧中对应目标A幅度均值为I3,方位均值为φ3。
q至少取9。
且满足如下条件:I3>I2>I1,且φ3>φ2>φ1或者φ3<φ2<φ1,则可判决目标A存在,可发出报警信号。
进一步地,S7之后还包括:
S8、若所有目标均不存在,则删掉第q-8帧的线谱结果,后续帧的线谱结果的帧序号依次前移。
继续获取矢量水听器的下一帧数据,按照S1~S4的方法提取下一帧数据的线谱,并将该帧的线谱结果作为第q帧线谱结果。
返回S7,直至能判决到存在目标为止。
有益效果:
本发明所述矢量水听器线谱自动检测与判决方法利用单个矢量水听器,采用线谱自动提取与相邻数据帧中线谱的关联性实现线谱检测,根据目标接近正横时线谱频率的幅度正向变化与方位单调变化特征,实现目标存在与否的判决,实现简单,且能有效防止传统线谱检测方法不考虑幅度与方位变化时虚警较高的缺点。
附图说明
图1为本发明提供的矢量水听器线谱自动检测与判决方法流程示意图;
图2为自动提取的若干帧数据线谱时间历程;
图3为目标方位变化历程;
图4为目标幅度变化历程;
图5为根据线谱方位与幅度变化给出判决启动信号。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种矢量水听器线谱自动检测与判决方法,其流程如图1所示,包括如下步骤:
步骤一、获取矢量水听器接收的每一帧矢量数据,求解每一帧数量数据的平均声强谱,采用斜率门限与峰高门限从平均声强谱中提取线谱,线谱由线谱频率组成。
本发明实施例中,该步骤包括如下具体的步骤:
S0、对矢量水听器接收的一帧矢量数据包括声压p(n)、振速vx(n)、振速vy(n),其中n=0,…,N-1,n为采样点,N为一帧数据的长度。
矢量水听器的振速轴包括x轴y轴和z轴,其中x轴和y轴为水平面上的轴、z轴为垂直方向的轴。
顺次取每一帧矢量数据作为当前处理帧,执行如下步骤S1~S3:
S1、把当前处理帧的N点数据分为L段,每段M点,段与段之间有重叠,重叠部分占每段设定比例,本发明实施例中,设置重叠50%,则分段数为
当前处理帧的第l段(l=0,1,…,L-1)数据的互功率谱为
式中Pl(k)是p(n)数据第l段(l=0,1,…,L-1)的快速傅里叶变换(FFT)结果, Vxl(k)是vx(n)数据第l段的FFT结果,Vyl(k)是vy(n)数据第l段的FFT结果。
分别对L段Cxl(k)与Cyl(k)做平均,得到x轴与y轴方向的平均互功率谱为 Cx(k)与Cy(k),k为频率点;分别取Cx(k)与Cy(k)实部,得到Ix(k)与Iy(k)。
S2、对当前处理帧求平均声强谱I0。
S3、求平均声功率谱I0(k)的连续谱背景B(k),k=0,1,…,M-1;平均声功率谱由线谱叠加连续谱组成。采用“双通分离窗算法(Two-Pass Split-Window Algorithm)”得到平均声功率谱的连续谱背景B(k),k=0,1,…,M-1。
求平均声功率谱I0(k)的差分得到Y(k),k=0,1,…,M-2。对Y(k),k=0,1,…,M-2逐点与设定的斜率门限进行比较,记录所有Y(k-1)>C0且Y(k)<-C0的点的序号ki和相应的声功率谱幅度I0(ki),其中C0为斜率门限,为正数,本发明实施例中取0.4,根据经验进行取值。
取满足条件I0(ki)/B(ki)≥C1的ki,得到共K个满足条件的ki,记为序列 k’0,k’1,…,k'K-1。
其中C1为设定的峰高门限,本发明实施例中C1取2,经验值即线谱峰值比背景高6dB。
k’0,k’1,…,k'K-1为当前处理帧中线谱的数字频率,转换为实际频率为:
其中fs是矢量水听器所处的水声监测系统对接收信号采样频率。
fj为线谱频率,j=0,1,…,K-1,则K个组成当前处理帧的线谱。
步骤二、从第2帧矢量数据开始,将每一帧矢量数据的线谱频率与之前帧矢量数据的线谱频率相比较,其中满足多普勒容限的线谱频率归为同一目标的线谱。
S4、取矢量水听器接收的第2帧矢量数据,第2帧数量数据的线谱中频率数量为K2,将第2帧矢量数据得到的每个线谱频率均与第1帧的K1个频率比较,在设定多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留;设定多普勒容限为其中v为目标运动速度,c是水下声速, f是根据水听器探测目标的类型估计的线谱频率。v对水下目标一般最大取8kn,水面目标取30kn。
由于目标由远到近通过观测点时,多普勒频偏由正到负变化,对于匀速直航目标,线谱频率总是变小的,所以多普勒容限负向取-Δf,正向可取小一些,如Δf/2。
S5、取矢量水听器接收的第3帧矢量数据,第3帧数量数据的线谱中频率数量为K3,将第3帧矢量数据得到的每个线谱频率均与第2帧的K2个频率比较,在设定多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留。
S6、取矢量水听器接收的第R帧矢量数据,R=4,5,…,长度为N点,第R 帧矢量数据的线谱中频率数量为KR,把线谱频率依次与第R-1~R-p帧数据的线谱频率比较,在多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留。
p为设定比较帧数量门限,当R-p-1≥1时,对R-p-1帧数据的线谱,如果在后续R-p,…,R-2,R-1,R帧未再出现,则舍弃。
对于保留的线谱,记录其幅度I0(k0),同时根据下式计算方位
步骤三、对属于同一目标的线谱频率进行比较判断,若存在正向幅度变化以及单调方位变化,则判断目标存在,发出报警信号。
S7、针对同一目标A的线谱,从获得第q帧线谱结果开始,在每一帧中均有目标A的线谱频率时,如果第q-8、q-7以及q-6帧中对应该目标A的幅度均值为I1,方位均值为φ1,第q-5、q-4以及q-3帧中对应该目标A幅度均值为I2,方位均值为φ2,第q-2、q-1以及q帧中对应目标A幅度均值为I3,方位均值为φ3,
q至少取9;
且满足如下条件:I3>I2>I1,且φ3>φ2>φ1或者φ3<φ2<φ1,则可判决目标A存在,可发出报警信号。
之后还包括如下步骤:
S8、若所有目标均不存在,则删掉第q-8帧的线谱结果,后续帧的线谱结果的帧序号依次前移;
继续获取矢量水听器的下一帧数据,按照S1~S4的方法提取下一帧数据的线谱,并将该帧的线谱结果作为第q帧线谱结果;
返回S7,直至能判决到存在目标为止。
采用上述线谱的自动提取方法,得到线谱时间历程图如图2所示,对比线谱频率可知,本发明自动提取线谱的方法正确提取了平均声强谱中的线谱序列,线谱频率约250Hz。图3是目标运动过程中的方位变化历程,图4是目标运动过程中的线谱幅度变化历程。
图5是根据图3中250Hz频率附近线谱方位变化与图4中线谱幅度变化给出的目标报警启动信号,在280s时满足方位与幅度变化条件,给出高电平报警信号,说明本发明正确检测了目标线谱并在一定距离上启动了报警。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种矢量水听器线谱自动检测与判决方法,其特征在于,该方法利用单个矢量水听器,采用线谱自动提取与相邻数据帧中线谱的关联性实现线谱检测,包括如下步骤:
获取所述矢量水听器接收的每一帧矢量数据,求解每一帧数量数据的平均声强谱,采用斜率门限与峰高门限从所述平均声强谱中提取线谱,线谱由线谱频率组成;包括如下具体步骤:
S0、对所述矢量水听器接收的一帧矢量数据包括声压p(n)、振速vx(n)、振速vy(n),其中n=0,…,N-1,n为采样点,N为一帧数据的长度;
所述矢量水听器的振速轴包括x轴y轴和z轴,其中x轴和y轴为水平面上的轴、z轴为垂直方向的轴;
顺次取每一帧矢量数据作为当前处理帧,执行如下步骤S1~S3:
S1、把当前处理帧的N点数据分为L段,每段M点,段与段之间有重叠,重叠部分占每段设定比例,则分段数为
当前处理帧的第l段数据的互功率谱如下:其中l=0,1,…,L-1;
Cxl(k)=Pl *(k)Vxl(k)
Cyl(k)=Pl *(k)Vyl(k),k=0,1,…,M-1
式中Pl(k)是p(n)数据第l段的快速傅里叶变换FFT结果,Vxl(k)是vx(n)数据第l段的FFT结果,Vyl(k)是vy(n)数据第l段的FFT结果;
分别对L段Cxl(k)与Cyl(k)做平均,得到x轴与y轴方向的平均互功率谱为Cx(k)与Cy(k),k为频率点;分别取Cx(k)与Cy(k)实部,得到Ix(k)与Iy(k);
S2、对当前处理帧求平均声强谱I0;
S3、求平均声功率谱I0(k)的连续谱背景B(k),k=0,1,…,M-1;求平均声功率谱I0(k)的差分得到Y(k),k=0,1,…,M-2;对Y(k),k=0,1,…,M-2逐点与设定的斜率门限进行比较,记录所有Y(k-1)>C0且Y(k)<-C0的点的序号ki和相应的声功率谱幅度I0(ki),其中C0为斜率门限,为正数;
取满足条件I0(ki)/B(ki)≥C1的ki,得到共K个满足条件的ki,记为序列k’0,k’1,…,k'K-1;
其中C1为设定的峰高门限;
k’0,k’1,…,k'K-1为当前处理帧中线谱的数字频率,转换为实际频率为:
其中fs是矢量水听器所处的水声监测系统对接收信号采样频率;
fj为线谱频率,j=0,1,…,K-1,则K个组成当前处理帧的线谱;
从第2帧矢量数据开始,将每一帧矢量数据的线谱频率与之前帧矢量数据的线谱频率相比较,其中满足多普勒容限的线谱频率归为同一目标的线谱;包括如下具体步骤:
S4、取所述矢量水听器接收的第2帧矢量数据,第2帧数量数据的线谱中频率数量为K2,将第2帧矢量数据得到的每个线谱频率均与第1帧的K1个频率比较,在设定多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留;所述设定多普勒容限为其中v为目标运动速度,c是水下声速,f是根据水听器探测目标的类型估计的线谱频率;
S5、取所述矢量水听器接收的第3帧矢量数据,第3帧数量数据的线谱中频率数量为K3,将第3帧矢量数据得到的每个线谱频率均与第2帧的K2个频率比较,在所述设定多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留;
S6、取所述矢量水听器接收的第R帧矢量数据,R=4,5,…,长度为N点,第R帧矢量数据的线谱中频率数量为KR,把线谱频率依次与第R-1~R-p帧数据的线谱频率比较,在多普勒容限范围内的保留并归为同一目标的线谱,剩下的作为新出现的线谱保留;
p为设定比较帧数量门限,当R-p-1≥1时,对R-p-1帧数据的线谱,如果在后续R-p,…,R-2,R-1,R帧未再出现,则舍弃;
对于保留的线谱,记录其幅度I0(k0),同时根据下式计算方位
对属于同一目标的线谱频率进行比较判断,若存在正向幅度变化以及单调方位变化,则判断目标存在,发出报警信号;包括如下具体步骤:
S7、针对同一目标A的线谱,从获得第q帧线谱结果开始,在每一帧中均有目标A的线谱频率时,如果第q-8、q-7以及q-6帧中对应该目标A的幅度均值为I1,方位均值为φ1,第q-5、q-4以及q-3帧中对应该目标A幅度均值为I2,方位均值为φ2,第q-2、q-1以及q帧中对应目标A幅度均值为I3,方位均值为φ3,
q至少取9;
且满足如下条件:I3>I2>I1,且φ3>φ2>φ1或者φ3<φ2<φ1,则可判决目标A存在,可发出报警信号;
所述S7之后还包括:
S8、若所有目标均不存在,则删掉第q-8帧的线谱结果,后续帧的线谱结果的帧序号依次前移;
继续获取矢量水听器的下一帧数据,按照S1~S4的方法提取所述下一帧数据的线谱,并将该帧的线谱结果作为第q帧线谱结果;
返回S7,直至能判决到存在目标为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174804.2A CN111024207B (zh) | 2019-11-26 | 2019-11-26 | 一种矢量水听器线谱自动检测与判决方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174804.2A CN111024207B (zh) | 2019-11-26 | 2019-11-26 | 一种矢量水听器线谱自动检测与判决方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111024207A CN111024207A (zh) | 2020-04-17 |
CN111024207B true CN111024207B (zh) | 2022-09-02 |
Family
ID=70202265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174804.2A Active CN111024207B (zh) | 2019-11-26 | 2019-11-26 | 一种矢量水听器线谱自动检测与判决方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111024207B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112379357B (zh) * | 2020-11-16 | 2023-10-27 | 东南大学 | 一种基于脉冲信号预估时间参数二次处理的信号判别方法 |
CN112556818A (zh) * | 2020-12-07 | 2021-03-26 | 中国船舶重工集团有限公司第七一0研究所 | 一种矢量水听器线谱自动检测与判决方法 |
CN112816940B (zh) * | 2020-12-23 | 2023-06-06 | 中国船舶重工集团有限公司第七一0研究所 | 一种基于声压及质点振速的目标距离估计方法及装置 |
CN114578368B (zh) * | 2022-03-01 | 2022-09-23 | 哈尔滨工程大学 | 一种基于目标方位与线谱的小平台水声被动探测信息融合方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1107016A1 (de) * | 1999-12-02 | 2001-06-13 | STN ATLAS Elektronik GmbH | Verfahren zur Detektion und Ortung von Zielen |
DE102014107979A1 (de) * | 2014-06-05 | 2015-12-17 | Atlas Elektronik Gmbh | Verfahren zum Klassifizieren eines Wasserobjekts, Vorrichtung, Sonar und Wasserfahrzeug oder stationäre Plattform |
CN105223576A (zh) * | 2015-09-24 | 2016-01-06 | 哈尔滨工程大学 | 一种基于单矢量潜标的线谱信号目标自动检测方法 |
CN105572655A (zh) * | 2015-12-22 | 2016-05-11 | 中国船舶重工集团公司第七一五研究所 | 一种微弱水声信号模拟及测试装置 |
CN106910507A (zh) * | 2017-01-23 | 2017-06-30 | 中国科学院声学研究所 | 一种检测与识别的方法及系统 |
US9869752B1 (en) * | 2016-04-25 | 2018-01-16 | Ocean Acoustical Services And Instrumentation Systems, Inc. | System and method for autonomous joint detection-classification and tracking of acoustic signals of interest |
CN108195459A (zh) * | 2017-12-20 | 2018-06-22 | 青岛理工大学 | 一种小孔径声压水听器阵的被动目标空间谱检测方法 |
CN109556829A (zh) * | 2019-01-30 | 2019-04-02 | 杭州电子科技大学 | 一种基于线谱识别的海洋内波声学实时检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8116166B2 (en) * | 2007-09-10 | 2012-02-14 | Westerngeco L.L.C. | 3D deghosting of multicomponent or over / under streamer recordings using cross-line wavenumber spectra of hydrophone data |
CN102213759B (zh) * | 2011-04-08 | 2013-04-24 | 东南大学 | 基于功率谱的水声目标特征匹配方法 |
CN102981146B (zh) * | 2012-11-19 | 2014-10-22 | 哈尔滨工程大学 | 一种单矢量水听器被动定位方法 |
CN102980646B (zh) * | 2012-11-23 | 2014-10-29 | 河海大学常州校区 | 基于矢量水听器的流固界面波检测装置及检测方法 |
CN103064077B (zh) * | 2012-12-26 | 2014-12-10 | 中国科学院声学研究所 | 一种基于幅值加权的目标检测方法和设备 |
JP6151619B2 (ja) * | 2013-10-07 | 2017-06-21 | クラリオン株式会社 | 音場測定装置、音場測定方法および音場測定プログラム |
CN108088547A (zh) * | 2017-12-20 | 2018-05-29 | 青岛理工大学 | 一种基于小孔径二维矢量水听器阵的微弱目标被动检测方法 |
-
2019
- 2019-11-26 CN CN201911174804.2A patent/CN111024207B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1107016A1 (de) * | 1999-12-02 | 2001-06-13 | STN ATLAS Elektronik GmbH | Verfahren zur Detektion und Ortung von Zielen |
DE102014107979A1 (de) * | 2014-06-05 | 2015-12-17 | Atlas Elektronik Gmbh | Verfahren zum Klassifizieren eines Wasserobjekts, Vorrichtung, Sonar und Wasserfahrzeug oder stationäre Plattform |
CN105223576A (zh) * | 2015-09-24 | 2016-01-06 | 哈尔滨工程大学 | 一种基于单矢量潜标的线谱信号目标自动检测方法 |
CN105572655A (zh) * | 2015-12-22 | 2016-05-11 | 中国船舶重工集团公司第七一五研究所 | 一种微弱水声信号模拟及测试装置 |
US9869752B1 (en) * | 2016-04-25 | 2018-01-16 | Ocean Acoustical Services And Instrumentation Systems, Inc. | System and method for autonomous joint detection-classification and tracking of acoustic signals of interest |
CN106910507A (zh) * | 2017-01-23 | 2017-06-30 | 中国科学院声学研究所 | 一种检测与识别的方法及系统 |
CN108195459A (zh) * | 2017-12-20 | 2018-06-22 | 青岛理工大学 | 一种小孔径声压水听器阵的被动目标空间谱检测方法 |
CN109556829A (zh) * | 2019-01-30 | 2019-04-02 | 杭州电子科技大学 | 一种基于线谱识别的海洋内波声学实时检测方法 |
Non-Patent Citations (2)
Title |
---|
A method of surface interference suppression based on acoustic fluctuation;Fu Liu-fang;《Technical Acoustics》;20160630;第35卷(第3期);14-17 * |
单矢量水听器的线谱检测技术研究;张文杰;《硕士电子期刊工程科技Ⅱ辑》;20190115(第1期);1-69 * |
Also Published As
Publication number | Publication date |
---|---|
CN111024207A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111024207B (zh) | 一种矢量水听器线谱自动检测与判决方法 | |
CN110458055B (zh) | 一种障碍物检测方法及系统 | |
CN102243302B (zh) | 一种水声目标辐射噪声的线谱时间累积特征提取方法 | |
Roch et al. | Automated extraction of odontocete whistle contours | |
CN109655148B (zh) | 一种船舶噪声非平稳低频线谱自主提取方法 | |
RU2603886C1 (ru) | Способ классификации гидроакустических сигналов шумоизлучения морского объекта | |
CN113567969B (zh) | 一种基于水下声信号的非法采砂船自动监控方法及系统 | |
CN110031848B (zh) | 一种超声波人物识别方法 | |
NO339653B1 (no) | Markov-sekvensdetektor | |
CN109991520A (zh) | 一种电缆振荡波局放检测系统用波速计算新方法 | |
CN113850204A (zh) | 一种基于深度学习和超宽带雷达的人体动作识别方法 | |
CN110838302A (zh) | 基于信号能量尖峰识别的音频分割方法 | |
IWATA et al. | Improved algorithms of seismic parameters estimation and noise discrimination in earthquake early warning | |
CN114488100A (zh) | 一种齿鲸回声定位单脉冲信号提取方法 | |
CN108318876A (zh) | 一种利用单个水听器估计水下目标深度和距离的方法 | |
CN111323756A (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
Kalra et al. | Target detection using smooth pseudo Wigner-Ville distribution | |
CN107450103B (zh) | 一种基于边界积分反算子的鬼波压制方法 | |
CN111413702B (zh) | 用于宽带探鱼仪的高效目标分割方法 | |
CN110275150B (zh) | 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法 | |
CN110657807B (zh) | 基于小波变换检测不连续性的室内定位位移测量方法 | |
CN109507675B (zh) | 基于频分系统实现水下多目标时延估计处理的方法 | |
CN108646248A (zh) | 一种针对低速运动声源的被动声学测速测距方法 | |
CN108549076B (zh) | 一种基于速度节奏图的多种类无人机场景识别方法 | |
CN104991245A (zh) | 一种无人飞行器预警装置及其预警方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |