CN111580078A - 基于融合模态闪烁指数的单水听器目标识别方法 - Google Patents
基于融合模态闪烁指数的单水听器目标识别方法 Download PDFInfo
- Publication number
- CN111580078A CN111580078A CN202010292051.1A CN202010292051A CN111580078A CN 111580078 A CN111580078 A CN 111580078A CN 202010292051 A CN202010292051 A CN 202010292051A CN 111580078 A CN111580078 A CN 111580078A
- Authority
- CN
- China
- Prior art keywords
- target
- modal
- space
- hydrophone
- sound pressure
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明的基于融合模态闪烁指数的单水听器目标识别方法涉及水面/水下目标识别领域,目的是为了克服现有模态闪烁指数目标识别方法对声呐平台使用有所限制的问题,具体步骤如下:步骤一、将接收水听器获得的目标运动轨迹进行距离空间均匀量化,获得N+K‑1个空间位置及每个空间位置对应的声压信息;步骤二、将N个连续的空间位置作为一个模态分析距离空间,利用汉克尔变换依次将K个模态分析距离空间所对应的声压信息从距离空间转换到模态空间;步骤三、依次对K个模态空间所对应的声压信息中的峰值进行融合得到K个融合模态幅度;步骤四、通过K个融合模态幅度得到判决量;步骤五、将判决量与判决门限进行比较,对目标作水面目标或水下目标的定性识别。
Description
技术领域
本发明涉及水面/水下目标识别领域,特别涉及一种UUV、滑翔机等水下移动平台基于融合模态闪烁指数的单水听器水面/水下目标的定性识别方法。
背景技术
水面/水下目标识别是声呐信号处理中的一项重要任务,亦是当前水声学及其应用中的一个研究热点。水面/水下目标的定量识别多立足于匹配场处理(或等效于匹配场处理),通过目标方位、距离和深度信息的准确估计,实现目标是水面还是水下的定量划分。水面/水下目标的定性识别则仅对目标的水面/水下属性进行粗略判定,如几米到十多米深度认为是水面目标,大于此深度则认为是水下目标。从水声探测的角度来说,水面/水下目标的定性识别依然可为声呐系统的后续使命奠定基础。本发明是基于融合模态闪烁指数的单水听器目标定性识别方法,文献中曾出现了模态闪烁指数的相关研究或提出了目标定性识别方法,现总结如下:
现有技术公开了一种基于模闪烁指数的目标深度属性判识方法,通过理论分析和实录数据处理验证了真实海洋声场环境下基于模态闪烁指数的目标深度属性判识技术;其研究是基于声学阵列进行的。
现有技术还公开了一种用于二元深度判别的修正闪烁指数定义方法,为了消除模式闪烁指数对声源级、目标距离的依赖性,提出了修正闪烁指数并通过理论分析和数值仿真验证了其用于目标定性识别的可行性;其研究是基于声学阵列进行的。
现有技术还公开了一种深海环境下水面目标和水下目标深度分类方法研究,系统地研究了模态闪烁指数和修正模态闪烁指数用于深海环境的目标识别性能,并开展了数值仿真验证;其研究是基于声学阵列进行的。
现有技术还公开了一种基于双水听器的目标深度辨识方法,研究了空间异点的声压互谱有功分量目标深度辨识方法,并给出了确定性声源的试验结果:随着目标相对距离的增大,目标深度辨识正确率下降;其目标定性识别方法是基于声压互谱有功分量的符号特征。
现有技术还公开了一种水下甚低频目标的深度分类及布放预报方法,研究了声压水平振速互谱有功分量的目标深度辨识方法,依然限于理论研究,而无试验佐证;其目标定性识别方法是基于声压水平振速互谱有功分量的符号特征。
现有技术还公开了一种Pekeris波导中简正波的复声强及其应用方法,研究了空间共点声压、水平振速信息联合处理的水平有功声强目标深度辨识方法,以及空间异点的声压互谱有功分量目标深度辨识方法,但依然仅限于理论研究,而无试验佐证;其目标定性识别方法是基于声压水平振速互谱有功分量的符号特征。
上述的基于(修正)模态闪烁指数目标定性识别目前尚处于基于阵列信息的独立声场模态的统计特征进行目标二值判决,尚无人基于模态信息融合利用模态信息互补进行目标分类;基于声场特征的目标深度辨识方法则是建立在浅海波导仅支持两阶波导的条件下的水面/水下目标定性识别。本发明是基于融合模态闪烁指数的单水听器目标定性识别方法,与上述文献的工作贡献显著不同。
发明内容
本发明的目的是为了克服现有模态闪烁指数目标识别方法是基于基于阵列信息的,对声呐平台使用有所限制的问题,提供了一种基于融合模态闪烁指数的单水听器目标识别方法。
本发明的基于融合模态闪烁指数的单水听器目标识别方法,具体步骤如下:
步骤一、将接收水听器获得的目标运动轨迹进行距离空间均匀量化,获得N+K-1个空间位置及每个空间位置对应的声压信息,N和K均为正整数;
步骤二、将N个连续的空间位置作为一个模态分析距离空间,得到K个模态分析距离空间,利用汉克尔变换依次将K个模态分析距离空间所对应的声压信息从距离空间转换到模态空间,得到K个模态空间所对应的声压信息;
步骤三、依次对K个模态空间所对应的声压信息中的峰值进行融合得到K个融合模态幅度;
步骤四、通过K个融合模态幅度得到判决量;
步骤五、将判决量与判决门限进行比较,对目标作水面目标或水下目标的定性识别。
本发明的有益效果是:利用目标运动的历程信息来获取的目标激励声场模态信息,通过单水听器的声场感知即可实现水面/水下目标的定性判决。与已公开的基于阵列的模态闪烁指数目标识别方法相比,本发明降低了对声呐平台的要求,可扩展应用于小型平台如UUV(无人潜航器)、滑翔机、鱼雷、水雷、蛙人等;与已公开的基于矢量声场符号特征的目标深度辨识方法相比,该发明对海洋波导支持模态数目没有过多要求,降低了识别算法的声场依赖性;此外,该发明消除了目标距离和辐射强度对判决量F的影响,增强了算法的稳健性。
附图说明
图1为本发明基于融合模态闪烁指数的单水听器目标识别方法中的目标运动示意图;
其中,黑色实心圆为接收水听器;
图2为本发明基于融合模态闪烁指数的单水听器目标识别方法中水面/水下目标的模态幅度随着激励源深度变化特征(25Hz);
图3为本发明基于融合模态闪烁指数的单水听器目标识别方法中水面/水下目标的模态幅度随着激励源深度变化特征(60Hz);
图4为本发明基于融合模态闪烁指数的单水听器目标识别方法中融合模态闪烁指数判决量F随目标源深度和水听器接收深度变化的分布特征(25Hz);
图5本发明基于融合模态闪烁指数的单水听器目标识别方法中为融合模态闪烁指数判决量F随目标源深度和水听器接收深度变化的分布特征(60Hz)。
具体实施方式
首先给出融合模态闪烁指数的关系式,以便后文方便使用。
浅海波导声压场p可以用简正波的叠加形式表示:
其中zs是目标等效辐射深度,且zs是随着时间发生深度变化的,zr是接收水听器深度,r是目标(声源)到接收水听器的相对距离;km是第m阶模态的水平波数,为声源激励第m阶模态的深度分布函数,M为激励模态的数目;A是声源激励幅度。
声压场p可以利用矩阵的形式表示为:
p=ΦΤH
其中
Τ表示矩阵的转置操作。
为方便引入如下记号,其表示融合的模态幅度:
随着目标的运动,可以得到一系列融合的模态幅度S1、S2、……SK。对S1、S2、……SK进行统计,得到其均值和方差如下:
由此可以得到融合模态闪烁指数的关系式为:
本发明利用单水听器获取的运动目标声场模态信息,提出了融合模态闪烁指数进行水面/水下目标的定性识别。假设欲识别目标为匀速直线且径向朝接收水听器运动,该发明是通过以下技术方案实现的:
步骤一、将接收水听器获得的目标运动轨迹进行距离空间均匀量化,获得N+K-1个空间位置及每个空间位置对应的声压信息,N和K均为正整数。
具体地,如图1所示,目标沿直线径向朝接收水听器匀速运动,将目标运动轨迹进行距离空间均匀量化,依次记为r1、r2、……rN、rN+1、……rN+K-1,每个空间位置对应的声压信息依次记为p(r1,zs(t1),zr)、p(r2,zs(t2),zr)、……p(rN,zs(tN),zr)、p(rN+1,zs(tN+1),zr)、……p(rN+K-1,zs(tN+K-1),zr)。这里zs(t)表示目标运动时等效辐射深度随着时间发生变化,这种变化对于水面/水下目标来说,其引起的模态函数变化是不同的。其中,t1、t2、……tN、……tN+K-1表示距离空间均匀量化时对应的时间;ZS(t1)、ZS(t2)、……ZS(tN)、……ZS(tN+K-1)表示随着时间发生变化的目标等效辐射深度,zr表示接收水听器深度。
步骤二、将N个连续的空间位置作为一个模态分析距离空间,得到K个模态分析距离空间,利用汉克尔变换依次将K个模态分析距离空间所对应的声压信息从距离空间转换到模态空间,得到K个模态空间所对应的声压信息,即:
将p(r1,zs(t1),zr)、p(r2,zs(t2),zr)、……p(rN,zs(tN),zr)从距离空间转换到模态空间,记为G1(k,zr);
将p(r2,zs(t2),zr)、……p(rN,zs(tN),zr)、p(rN+1,zs(tN+1),zr)从距离空间转换到模态空间,记为G2(k,zr);
重复上述转换可以得到:G1(k,zr)、G2(k,zr)、……GK(k,zr);
其中,k为水平波数。
并且,模态空间所对应的声压信息Gn(k,zr)满足:
在Gn(k,zr)为模态峰,即k→km时,Gn(k,zr)满足:
其中,n为正整数且1≤n≤K,k为水平波数,r为目标到接收水听器的相对距离,zs为目标等效辐射深度,zr为接收水听器深度,km为第m阶模态的水平波数、m为正整数且1≤m≤M,为声源激励第m阶模态的深度分布函数,zs(tn—N+n-1)表示tn到tN+n-1时间内的目标等效辐射深度,t1、t2、……tN、……tN+K-1表示距离空间均匀量化时对应的时间,r1、r2、……rN、rN+1、……rN+K-1为时间所对应的空间位置,δ(k-km)为狄拉克函数;h′m(zs(tn—N+n-1))为Gn(k,zr)的M个峰值中的任一峰值。
具体地,如图1所示,将r1、r2、……rN视为一个模态分析距离空间,利用汉克尔变换将p(r1,zs(t1),zr)、p(r2,zs(t2),zr)、……p(rN,zs(tN),zr)从距离空间转换到模态空间,记为G1(k,zr),其满足:
在G1(k,zr)为模态峰,即k→km时,G1(k,zr)满足:
其中,zs(t1-N)表示t1到tN时间内的目标等效辐射深度。
同理将r2、……rN、rN+1视为一个模态分析距离空间,利用汉克尔变换将p(r2,zs(t2),zr)、……p(rN,zs(tN),zr)、p(rN+1,zs(tN+1),zr)从距离空间转换到模态空间,记为G2(k,zr),则有:
重复上述转换可以得到:G1(k,zr)、G2(k,zr)、……GK(k,zr)。
步骤三、依次对K个模态空间所对应的声压信息中的峰值进行融合得到K个融合模态幅度;
即,利用峰值选择器挑选G1(k)中相关峰值并求和,记为S1;同理利用峰值选择器挑选G2(k)中相关峰值并求和,记为S2;重复上述峰值挑选求和可以得到:S1、S2、……SK。并且,融合模态幅度Sn满足:
Sn=|h′1(zs(tn—N+n-1))|+|h′2(zs(tn—N+n-1))|+…+|h′M(zs(tn—N+n-1))|。
具体地,由步骤二可知,G1(k,zr)在k轴上呈现出M个模态峰,利用峰值选择器挑选G1(k,zr)中的M个峰值,其对应h′1(zs(t1-N))、h′2(zs(t1-N))、……h′M(zs(t1-N));由于h′1(zs(t1-N))、h′2(zs(t1-N))、……h′M(zs(t1-N))出现的顺序不能有效确定,因此这里对其进行加和方式的融合,并记为S1,则有:
S1=|h′1(zs(t1-N))|+|h2′(zs(t1-N))|+···+|h′M(zs(t1-N))|
同理,G2(k,zr)在k轴上同样可能呈现出M个模态峰,利用峰值选择器挑选G2(k,zr)中的M个峰值,其对应h′1(zs(t2-N+1))、h′2(zs(t2-N+1))、……h′M(zs(t2-N+1));由于h′1(zs(t2-N+1))、h′2(zs(t2-N+1))、……h′M(zs(t2-N+1))出现的顺序不能有效确定,因此这里对其进行加和方式的融合,并记为S2,则有:
S2=|h′1(zs(t2-N+1))|+|h2′(zs(t2-N+1))|+···+|h′M(zs(t2-N+1))|
重复上述峰值挑选求和可以得到:S1、S2、……SK。
步骤四、通过K个融合模态幅度得到判决量;
即,将S1、S2、……SK视为水面或水下目标的一个判别过程,通过K个融合模态幅度得到判决量的方法为:
依次统计K个融合模态幅度S1、S2、……SK的均值mS和方差VS,并得到:
对F取对数,并记为融合模态闪烁指数的判决量F,即判决量F=lg F。
具体地,由步骤三可以得到一系列时变的融合模态幅度,将S1、S2、……SK视为水面或水下目标的一个判别过程,依次统计其均值mS和方差VS,进而得到融合模态闪烁指数的判决量计算,依次满足:
然后,对上述F取对数,且依然记为融合模态闪烁指数的判决量F,即判决量F=lgF;
步骤五、将判决量与判决门限进行比较,对目标作水面目标或水下目标的定性识别。
即,将判决量F与水面或水下目标的判决门限Fh进行比较,若F≥Fh则目标为水面目标,若F<Fh则目标为水下目标。
具体地,将判决量F与水面或水下目标的判决门限Fh进行比较,若F≥Fh则目标为水面目标,反之则为水下目标,即
本实施方式的效果:基于融合模态闪烁指数的单水听器目标识别方法利用目标运动的空间历程信息和汉克尔变换来提取目标激励声场的模态信息,利用目标深度变化引起的模态幅度时变特征的差异统计来实现水面/水下目标的定性判决。
这里以仿真来示例基于融合模态闪烁指数的单水听器目标识别方法。
仿真中,海洋波导深度为100m,下界面被视为半无限空间,密度为1.68g/cm3,声速为1789m/s,衰减系数为0.2;目标在运动过程中的平均深度为zs,运动过程中目标等效激励深度的波动变化认为是高斯随机过程,其均值为0,方差为1;初始时,目标距离接收水听器5km(r1位置处),结束时目标距离接收水听器1km(rN+K-1位置处);目标辐射线谱信号频率假定为25Hz(两阶模态)和60Hz(四阶模态),且其运动速度1m/s。图2和图3依次给出了目标辐射信号频率为25Hz和60Hz,等效激励深度为5m和45m时的模态峰随k轴的分布特征,显然水面/水下目标的模态幅度随着激励源深度变化发生了变化。图4和图5依次给出了目标辐射信号频率为25Hz和60Hz时基于融合模态闪烁指数的单水听器目标识别方法的判决量F随目标源深度和水听器接收深度变化的分布特征,显然该发明中的水面/水下目标识别判决量对于接收水听器的布放位置是不太敏感的,且对于近水面目标(10m以内),判决量F≥-3,对于水下目标(10m以深),判决量F<-3。这里的判决门限Fh=-3。
Claims (4)
1.基于融合模态闪烁指数的单水听器目标识别方法,其特征在于,具体步骤如下:
步骤一、将接收水听器获得的目标运动轨迹进行距离空间均匀量化,获得N+K-1个空间位置及每个空间位置对应的声压信息,N和K均为正整数;
步骤二、将N个连续的所述空间位置作为一个模态分析距离空间,得到K个所述模态分析距离空间,利用汉克尔变换依次将K个所述模态分析距离空间所对应的声压信息从距离空间转换到模态空间,得到K个模态空间所对应的声压信息;
步骤三、依次对K个模态空间所对应的声压信息中的峰值进行融合得到K个融合模态幅度;
步骤四、通过K个融合模态幅度得到判决量;
步骤五、将所述判决量与判决门限进行比较,对目标作水面目标或水下目标的定性识别。
2.根据权利要求1所述的基于融合模态闪烁指数的单水听器目标识别方法,其特征在于,所述模态空间所对应的声压信息Gn(k,zr)满足:
在Gn(k,zr)为模态峰,即k→km时,Gn(k,zr)满足:
3.根据权利要求1所述的基于融合模态闪烁指数的单水听器目标识别方法,其特征在于,所述融合模态幅度Sn满足:
Sn=|h′1(zs(tn—N+n-1))|+|h′2(zs(tn—N+n-1))|+…+|h′M(zs(tn—N+n-1))|。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292051.1A CN111580078B (zh) | 2020-04-14 | 2020-04-14 | 基于融合模态闪烁指数的单水听器目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292051.1A CN111580078B (zh) | 2020-04-14 | 2020-04-14 | 基于融合模态闪烁指数的单水听器目标识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580078A true CN111580078A (zh) | 2020-08-25 |
CN111580078B CN111580078B (zh) | 2022-09-09 |
Family
ID=72113033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010292051.1A Active CN111580078B (zh) | 2020-04-14 | 2020-04-14 | 基于融合模态闪烁指数的单水听器目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580078B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762321A (zh) * | 2021-04-13 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 多模态分类模型生成方法和装置 |
CN115542329A (zh) * | 2022-10-09 | 2022-12-30 | 哈尔滨工程大学 | 基于模态滤波的浅水低频声源深度判决方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4144768A (en) * | 1978-01-03 | 1979-03-20 | The Boeing Company | Apparatus for analyzing complex acoustic fields within a duct |
CN1659927A (zh) * | 2002-06-12 | 2005-08-24 | 伊科泰克公司 | 房间内扬声器声音的数字均衡方法及其使用 |
US20120093344A1 (en) * | 2009-04-09 | 2012-04-19 | Ntnu Technology Transfer As | Optimal modal beamformer for sensor arrays |
US8350749B1 (en) * | 2009-04-29 | 2013-01-08 | The United States Of America As Represented By The Secretary Of The Air Force | Radar signature database validation for automatic target recognition |
CN103593571A (zh) * | 2013-11-22 | 2014-02-19 | 东南大学 | 基于模态分解的水下目标壳体径向振动低频声辐射信号快速估计方法 |
CN108572349A (zh) * | 2018-04-17 | 2018-09-25 | 西北工业大学 | 一种深海环境下基于模型计算的声源定深方法 |
CN109828266A (zh) * | 2018-11-01 | 2019-05-31 | 西北工业大学 | 一种适用于浅海负跃层条件的运动目标深度分类方法 |
CN110399680A (zh) * | 2019-07-26 | 2019-11-01 | 哈尔滨工程大学 | 一种浅海弹性结构辐射声场计算方法 |
CN110763327A (zh) * | 2019-09-30 | 2020-02-07 | 哈尔滨工程大学 | 一种平面障板条件下单矢量水听器信号检测方法 |
CN110837085A (zh) * | 2019-11-14 | 2020-02-25 | 东南大学 | 一种用于水底目标判别的波动指数计算方法 |
-
2020
- 2020-04-14 CN CN202010292051.1A patent/CN111580078B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4144768A (en) * | 1978-01-03 | 1979-03-20 | The Boeing Company | Apparatus for analyzing complex acoustic fields within a duct |
CN1659927A (zh) * | 2002-06-12 | 2005-08-24 | 伊科泰克公司 | 房间内扬声器声音的数字均衡方法及其使用 |
US20120093344A1 (en) * | 2009-04-09 | 2012-04-19 | Ntnu Technology Transfer As | Optimal modal beamformer for sensor arrays |
US8350749B1 (en) * | 2009-04-29 | 2013-01-08 | The United States Of America As Represented By The Secretary Of The Air Force | Radar signature database validation for automatic target recognition |
CN103593571A (zh) * | 2013-11-22 | 2014-02-19 | 东南大学 | 基于模态分解的水下目标壳体径向振动低频声辐射信号快速估计方法 |
CN108572349A (zh) * | 2018-04-17 | 2018-09-25 | 西北工业大学 | 一种深海环境下基于模型计算的声源定深方法 |
CN109828266A (zh) * | 2018-11-01 | 2019-05-31 | 西北工业大学 | 一种适用于浅海负跃层条件的运动目标深度分类方法 |
CN110399680A (zh) * | 2019-07-26 | 2019-11-01 | 哈尔滨工程大学 | 一种浅海弹性结构辐射声场计算方法 |
CN110763327A (zh) * | 2019-09-30 | 2020-02-07 | 哈尔滨工程大学 | 一种平面障板条件下单矢量水听器信号检测方法 |
CN110837085A (zh) * | 2019-11-14 | 2020-02-25 | 东南大学 | 一种用于水底目标判别的波动指数计算方法 |
Non-Patent Citations (5)
Title |
---|
JUNJIE SHI 等: "Data-based fused modal scintillation index for depgh classification of a moving source using a single reciver", 《IET RADAR, SONAR & NACIGATION》 * |
吕云飞: "甚低频矢量水听器潜标探测系统关键技术研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
段睿: "深海环境水声传播及声源定位方法研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
蒋佳佳: "水声阵列探测算法及系统关键技术研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
陶凯: "声矢量阵水下目标被动探测关键技术研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762321A (zh) * | 2021-04-13 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 多模态分类模型生成方法和装置 |
CN115542329A (zh) * | 2022-10-09 | 2022-12-30 | 哈尔滨工程大学 | 基于模态滤波的浅水低频声源深度判决方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111580078B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Etter | Advanced applications for underwater acoustic modeling | |
CN103257347B (zh) | 一种实际使用环境下的声纳作用距离指标的获取方法 | |
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 | |
CN111580078B (zh) | 基于融合模态闪烁指数的单水听器目标识别方法 | |
KR20100029214A (ko) | 지하 구조 영상화를 위해 라플라스 도메인에서의 파형 역산을 이용한 속도 분석 방법 | |
CN104820993A (zh) | 一种联合粒子滤波和跟踪置前检测的水下弱目标跟踪方法 | |
CN104749568A (zh) | 一种基于水听器阵列的浅海目标深度的分类方法 | |
CN117198330B (zh) | 一种声源识别方法、系统及电子设备 | |
CN103278849B (zh) | 基于地震资料和测井资料进行子波估计的方法及系统 | |
CN108572349B (zh) | 一种深海环境下基于模型计算的声源定深方法 | |
Van Komen et al. | A CNN for range and seabed estimation on normalized and extracted time-series impulses | |
CN116660996B (zh) | 一种基于深度学习的漂流式浅海局部地声参数预测方法 | |
CN1588124A (zh) | 利用多普勒变换的被动测速测距法及装置 | |
Jenkins et al. | Bayesian optimization with Gaussian process surrogate model for source localization | |
Guo et al. | Target depth estimation by deep neural network based on acoustic interference structure in deep water | |
Jesus et al. | Blind ocean acoustic tomography: experimental results on the intifante'00 data set | |
McCarthy et al. | Reduced-order machine-learning model for transmission loss prediction in underwater acoustics | |
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 | |
CN109766946B (zh) | 基于复杂网络构建的自主式水下航行器航行数据分析方法 | |
Apolinario et al. | Estimation of 2D velocity model using acoustic signals and convolutional neural networks | |
Howe | A modal analysis of acoustic propagation in the changing arctic environment | |
CN112305502A (zh) | 一种基于阵列不变量的水面水下声源二元判别方法 | |
KR20210054769A (ko) | 레이더 신호 처리 장치 및 레이더 신호 처리 방법 | |
Dasgupta et al. | Time-reversal imaging for classification of submerged elastic targets via Gibbs sampling and the relevance vector machine | |
Alam et al. | Optimal maneuvering of seismic sensors for localization of subsurface targets |
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 |