CN111736158B - 一种基于分布式多浮标匹配的目标线谱特征辩识方法 - Google Patents
一种基于分布式多浮标匹配的目标线谱特征辩识方法 Download PDFInfo
- Publication number
- CN111736158B CN111736158B CN202010860182.5A CN202010860182A CN111736158B CN 111736158 B CN111736158 B CN 111736158B CN 202010860182 A CN202010860182 A CN 202010860182A CN 111736158 B CN111736158 B CN 111736158B
- Authority
- CN
- China
- Prior art keywords
- line spectrum
- buoy
- frequency
- sequence
- target
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000010183 spectrum analysis Methods 0.000 claims description 29
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 4
- 241000764773 Inna Species 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/04—Systems determining presence of a target
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/66—Sonar tracking systems
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- 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
- G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于分布式多浮标匹配的目标线谱特征辩识方法，包括参数初始化；对浮标输出的线谱数据进行规范化处理，得到浮标线谱历程矩阵；对浮标线谱历程矩阵进行处理，得到浮标稳定线谱；对浮标稳定线谱进行联合处理，辨识并去除干扰线谱，得到浮标疑似目标线谱；对浮标疑似目标线谱进行联合处理，提取得到目标线谱。本发明充分利用了目标与干扰在多枚浮标间的差异性，以及目标运动带来的时间、空间变化特性，通过匹配处理，滤除环境中存在的强干扰线谱等虚假特征，提高弱目标线谱的辨识能力，降低虚警率，实现区域内水下目标的联合稳健探测。
Description
技术领域
本发明涉及一种基于分布式多浮标匹配的目标线谱特征辩识技术，属于水声目标探测技术领域。
背景技术
水下目标探测是海洋信息领域的重要课题，也是公认的难题。目前常用的探测方式主要基于有人平台，通过对声基阵接收数据的处理实现目标探测。但舰船等任务平台运动速度慢、搜索范围小，执行任务成本高，无法实现大范围区域探测、监视需求。
浮标是随全球定位和卫星通信技术的进展而发展起来的一种十分有效的海洋监测手段。相较于传统舰船平台探测，浮标探测具有以下优势：①平台背景噪声低，平台影响小。②通过多浮标布放可实现大范围区域监视与探测。③多标联合处理有利于干扰信号的辨识。但基于浮标的探测也存在一些难题：一是卫星通信带宽有限，只能传输较少数据量的特征信息到岸上系统。二是单个浮标无法使用大孔径基阵，对干扰特征的分辨能力有限。。
发明内容
发明目的：针对单枚浮标干扰特征辨识能力弱，本发明提供一种基于分布式多浮标匹配的目标线谱特征辩识方法，通过对多枚分布式浮标提取线谱的匹配处理，滤除环境中存在的强干扰线谱等虚假特征，实现弱目标线谱的辨识，提高对水下目标的联合探测能力。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于分布式多浮标匹配的目标线谱特征辩识方法，包括以下步骤：
步骤1，参数初始化：
步骤1.1，根据目标辐射噪声功率谱分析的频率下限f L、频率上限f H、频率分辨率Δf获得功率谱分析频带内的离散频率点数K。
步骤1.2，获取浮标数N、浮标每帧输出的最大线谱数M、线谱数据缓存帧数P、线谱检测帧数门限值η和线谱检测帧号差门限值ρ。
步骤1.3，初始化N个P行K列、元素全为零的浮标线谱历程矩阵F i ，N个K列、元素全为零的浮标稳定线谱序列f i ，N个K列、元素全为零的和序列S i ，N个2行K列、元素全为零的矩阵W i ，N个K列、元素全为零的向量λ i ，i=1,2,…,N，K表示功率谱分析频带内的离散频率点数。
步骤1.4，变量一FrameNo初值为0。
步骤1.5，获取各浮标的空间坐标z i (x i , y i )，各浮标x坐标的最大值为x max ，x坐标的最小值为x min ，y坐标的最大值为y max ，y坐标的最小值为y min ，(x i , y i )表示二维平面上某一点的坐标。
步骤1.6，多浮标线谱联合辨识的空间范围由A(min(x min ,-Hgh),min(y min ,-Wdt))，B(min(x min ,-Hgh),max(y max ,Wdt))，C(max(x max ,Hgh),max(y max ,Wdt))，D(max(x max ,Hgh),min(y min ,-Wdt))四点确定的矩形区域R，min(a,b)表示取a和b两者值较小的那一个，max(a,b)表示取a和b两者值较大的那一个，Hgh为最小区域范围的半高度，Wdt为最小区域范围的半宽度。
步骤1.7，沿x轴和y轴方向的空间分辨率均为Δh，将矩形区域R离散化为由H×G个点构成的离散点集合{T(h,g)}，H表示矩形区域R离散化点横坐标个数，G表示矩形区域R离散化点纵坐标个数，令x A、x B、x C分别表示A、B、C点的x坐标，y A、y B、y C分别表示A、B、C点的y坐标，
其中，h = 1, 2 , … , H，g =1, 2 , … , G，{T(h,g)}中各点均匀分布，
表
示向下取整。
步骤1.8，计算离散点集合{T(h,g)}中各点与各浮标的空间坐标z i (x i , y i )之间的距离，得到N个G行H列的矩阵r i (h,g)，
步骤1.9，给定线谱强度最大值SL 0，功率谱分析窗长T，功率谱线谱分析带宽B W ，功率谱分析平均次数L，线谱检测的虚警概率P FA。
步骤2，对浮标输出的线谱数据进行规范化处理，得到浮标线谱历程矩阵F i 。
步骤3，对得到的浮标线谱历程矩阵F i 进行处理，得到浮标稳定线谱：
步骤3.1，对浮标线谱历程矩阵F i 分别按列求和，得到和序列S i ：
其中，k = 1, 2 , … , K，S i (k)表示向量S i 的第k个元素，u表示行索引变量，v表示列索引变量。
步骤3.2，对向量λ i 进行赋值：
其中，k = 1, 2 , … , K，λ i (k)表示向量λ i 的第k个元素。
步骤3.3，根据向量λ i 中的各元素取值，对浮标稳定线谱序列f i 进行赋值：
步骤3.4，定义序列U(k)：
其中，U(k)表示浮标稳定线谱序列f i 在第k个元素处的最大值。
步骤4，对浮标稳定线谱进行联合处理，辨识并去除干扰线谱，得到浮标疑似目标线谱：
步骤4.1，读入N个浮标输出的一帧环境噪声级测量值序列NL i (k)。
步骤4.2，计算目标位于离散点集合{T(h,g)}中各点时，信号到达各浮标的传播损失：
其中，TL i (h,g)表示信号到达各浮标的传播损失。
步骤4.3，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱阈值：
其中，DT i (h,g,k)表示线谱检测阈值，SL 0 表示线谱强度最大值。
步骤4.4，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱检测指数：
其中，d i (h,g,k)表示线谱检测指数，T表示功率谱分析窗长，B W 表示功率谱线谱分析带宽，L表示功率谱分析平均次数。
步骤4.5，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱检测概率：
其中，
表示浮标i检测频率为U(k)的线谱检测概率，P FA 表示线谱检测
的虚警概率，
表示自由度为2L非中心参数为
的卡
方分布在
处的右尾概率。
步骤4.6，计算目标位于离散点集合{T(h,g)}中各点时，频率为f i (k)的线谱能够被N个浮标同时检测的先验概率：
其中，
表示频率为f i (k)的线谱能够被N个浮标同时检测的先验概率，
表示浮标n检测频率为U(k)的线谱检测概率，n= 1, 2 , … , N。
步骤4.7，计算频率为f i (k)的线谱能够被N个浮标同时检测的先验概率最大值：
其中，
表示频率为f i (k)的线谱能够被N个浮标同时检测的先验概率最大值。
步骤4.8，计算频率为f i (k)的线谱被N个浮标同时检测的概率序列γ i ：
其中，
表示频率为f i (k)的线谱被N个浮标同时检测的概率，
表示向量λ n
的第k个元素。
步骤4.9，若β i (k)<γ i (k)，则频率为f i (k)的线谱为干扰线谱，并令W i (1,k) = -1，W i (2,k) = FrameNo。否则，频率为f i (k)的线谱为疑似目标线谱，并令W i (1,k) = 1，W i (2,k)= FrameNo。
步骤5，对浮标疑似目标线谱序列进行联合处理，提取得到目标线谱。
优选的：步骤1.1中通过下式获得功率谱分析频带内的离散频率点数：
其中，f L表示目标辐射噪声功率谱分析的频率下限，f H表示频率上限，Δf表示频率分辨率，K表示功率谱分析频带内的离散频率点数。
优选的：步骤2得到浮标线谱历程矩阵F i 方法如下：
步骤2.1，读入N个传感器输出的一帧线谱频率序列L i ，L i 是长度为M的向量。
步骤2.2，根据频率分辨率Δf和线谱频率序列L i 中各线谱的频率计算序列Idx i ：
其中，m = 1, 2 , … , M，Idx i (m)表示序列Idx i 的第m个元素，L i (m)表示序列L i 的第m个元素。
步骤2.3，更新浮标线谱历程矩阵F i 的前P-1行元素取值：
其中，p = 1, 2 , … , P-1，F i (p, m)表示矩阵F i 的第p行、第m列的元素。
步骤2.4，根据序列Idx i 对浮标线谱历程矩阵F i 的第P行元素进行赋值：
其中，F i (P, Idx i (m))表示浮标线谱历程矩阵F i 的第P行第Idx i (m)列的元素，浮标线谱历程矩阵F i 的第P行其他元素都赋值为0。
步骤2.5，令FrameNo = FrameNo + 1，若FrameNo≥P，则进行下一步。否则，返回步骤2.1。
优选的：步骤5中对浮标疑似目标线谱序列进行联合处理，提取得到目标线谱的方法如下：
步骤5.1，令变量二j初值为1。
步骤5.2，令变量三n 0初值为1。
步骤5.3，令变量四k 0初值为1。
步骤5.4，如果n 0和j取值相等，则进行步骤5.9。否则，进行步骤5.5。
步骤5.5，如果W j (1,k 0)≠1，则进行步骤5.8。否则，进行步骤5.6。
步骤5.6，若k 0<4，则在W n0(1,k 0), W n0(1,k 0+1), … , W n0(1,k 0+6)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0), W n0(2,k 0+1), … ,W n0(2,k 0+6)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0。若4≤k 0≤K-3，则在W n0(1,k 0-3), W n0(1,k 0-2), … , W n0(1,k 0+3)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0-3), W n0(2,k 0-2), … , W n0(2,k 0+3)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0。若k 0>K-3，则在W n0(1,k 0-6), W n0(1, k 0-5), …, W n0(1,k 0)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0-6), W n0(2, k 0-5), …, W n0(2,k 0)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0。
步骤5.7，搜索Fn n0的最大值Fn n0max，若|Fn n0max-W j (2,k 0)|>ρ且Fn n0max>0，则判定频率为f n0(k 0)的线谱为目标线谱。
步骤5.8，若k 0<K，令k 0=k 0+1，并返回步骤5.4，否则进行下一步。
步骤5.9，若n 0<N，令n 0=n 0+1，并返回步骤5.3，否则进行下一步。
步骤5.10，若j<N，令j=j+1，并返回步骤5.2，否则进行下一步。
步骤5.11，如果继续处理，返回步骤2.1。否则结束处理。
本发明相比现有技术，具有以下有益效果：
本发明的分布式浮标系统通过合理布放，突破了单平台探测范围有限的瓶颈，提供了大范围区域监视与探测的可行性。但由于大范围的浮标信息传输一般只能通过卫星短报文方式，带宽严重受限，只能传输浮标提取的有限线谱特征信息。而单个浮标因为基阵孔径、处理能力等限制，对目标与干扰的特征分辨能力不足，基于单标特征的水下目标探测易产生大量虚警。
本发明充分利用了目标与干扰在多枚浮标间的差异性，以及目标运动带来的时间、空间变化特性，通过匹配处理，滤除环境中存在的强干扰线谱等虚假特征，提高弱目标线谱的辨识能力，降低虚警率，实现区域内水下目标的联合稳健探测。
附图说明
图1为本发明的方法的流程图。
图2为各浮标和矩形区域R的相对位置图。
图3为FrameNo为20时的序列S1。
图4为FrameNo为20时的序列S2。
图5为FrameNo为20时的序列S3。
图6为浮标1的一帧环境噪声测量值序列。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种基于分布式多浮标匹配的目标线谱特征辩识方法，如图1所示，包括以下步骤：
步骤1：处理参数初始化。
步骤1.1 ，设定目标辐射噪声功率谱分析的频率下限f L，频率上限f H，频率分辨率
Δf，功率谱分析频带内的离散频率点数K可由(1)式计算，其中，
表示向下取整，
步骤1.1中，频率下限f L，频率上限f H根据待处理范围设定，通常需要覆盖被探测目标主要线谱频率。频率分辨率Δf的设定主要依据判定线谱为同一根线谱的频率范围来设定，需要考虑目标运动带来的多普勒变化，以及目标线谱频率漂移范围，本实施例中，f L=5Hz，f H=200Hz，Δf=0.25Hz，K=780。
步骤1.2 ，设定浮标数N，浮标每帧输出的最大线谱数M，线谱数据缓存帧数P，线谱检测帧数门限值η和线谱检测帧号差门限值ρ。
步骤1.2中，浮标数量可以与布放的浮标数量一致，当布放区域范围交广时，也可以选择局部布放区域内的浮标进行分析，此时N为选择区域的浮标数量，本实施例中，N=3，M=8，P=20，η=16，ρ=50。
步骤1.3，初始化N个P行K列、元素全为零的浮标线谱历程矩阵F i ，N个K列、元素全为零的浮标稳定线谱序列f i ，N个K列、元素全为零的和序列S i ，N个2行K列、元素全为零的矩阵W i ，N个K列、元素全为零的向量λ i ，i=1,2,…,N。
步骤1.3中矩阵行数P与分析累积线谱出现时间有关，每行对应提取一帧线谱的时间间隔，P越大则分析的时间窗长越大。
步骤1.4， 变量一FrameNo初值为0。
步骤1.5， 设定各浮标的空间坐标z i (x i , y i )，各浮标x坐标的最大值为x max ，x坐标的最小值为x min ，y坐标的最大值为y max ，y坐标的最小值为y min ，本实施例中，z 1(-5000,0)，z 2(5000,0)，z 3(0,5773.5)，x max =5000，x min =-5000，y max =5773.5，y min =0。
步骤1.6， 设定多浮标线谱联合辨识的空间范围为由A(min(x min ,-Hgh),min(y min ,-Wdt))，B(min(x min ,-Hgh),max(y max ,Wdt))，C(max(x max ,Hgh),max(y max ,Wdt))，D(max(x max ,Hgh), min(y min ,-Wdt))四点确定的矩形区域R，min(a,b)表示取a和b两者值较小的那一个，max(a,b)表示取a和b两者值较大的那一个，Hgh为最小区域范围的半高度，Wdt为最小区域范围的半宽度。
本实施例中，最小区域范围半高度Hgh与半宽度Wdt均设为5000m，则有A(-5000,-5000)，B(-5000,5773.5) ，C(5000,5773.5) ，D(5000,-5000)，各浮标和矩形区域R的相对位置如附图2所示，FB1、FB2和FB3分别表示浮标1、浮标2和浮标3的位置。
步骤1.7 ，设定沿x轴和y轴方向的空间分辨率均为Δh，将区域R离散化为由H×G个点构成的集合{T(h,g)}，令x A、x B、x C分别表示A、B、C点的x坐标，y A、y B、y C分别表示A、B、C点的y坐标，H、G可分别用(2)式和(3)式计算：
其中h = 1, 2 , … , H，g =1, 2 , … , G，{T(h,g)}中各点均匀分布，本实施例中Δh=100m，H=101，G=108。
步骤1.8， 计算离散点集合{T(h,g)}中各点与z i 之间的距离，计算方法如(4)式所示，得到N个G行、H列的矩阵r i ，
步骤1.9 ，设定线谱强度最大值SL 0，功率谱分析窗长T，功率谱线谱分析带宽B W ，功率谱分析平均次数L，线谱检测的虚警概率P FA。
步骤1.9中线谱强度最大值SL 0的需要根据待探测目标辐射噪声线谱特性进行设定，取其最大值。T和B W 分别为浮标进行功率谱线谱提取时计算功率谱的时间窗长与线谱分析带宽，本实施例中取SL 0=129dB，T=4s，B W =1Hz，L=8，P FA=10-6。
步骤2：对浮标输出的线谱数据进行规范化处理，得到浮标线谱历程矩阵。
步骤2.1 ，读入N个传感器输出的一帧线谱频率序列L i ，L i 是长度为M的向量。
步骤2.1中向量长度M为每帧限定的最大线谱提取个数，若提取线谱数小于最大数量，则L i 中补零。
步骤2.2， 根据频率分辨率Δf和L i 中各线谱的频率计算序列Idx i ，如(5)式所示：
其中m = 1, 2 , … , M，Idx i (m)表示序列Idx i 的第m个元素，L i (m)表示序列L i 的第m个元素。
步骤2.2中计算Idx i (m)时，需要在L i (m) ≥ f L 时才进行。
步骤2.3 ，更新矩阵F i 的前P-1行元素取值，如(6)式所示：
其中p = 1, 2 , … , P-1，F i (p, m)表示矩阵F i 的第p行、第m列的元素。
步骤2.4， 根据序列Idx i 对矩阵F i 的第P行元素进行赋值，如(7)式所示：
其中F i (P, Idx i (m))表示矩阵F i 的第P行、第Idx i (m)列的元素，F i 的第P行其他元素都赋值为0。
步骤2.5， 令FrameNo = FrameNo + 1，若FrameNo≥P，则进行下一步。否则，返回步骤（2.1）。
本实施例中，当FrameNo≥20时，进行下一步。
步骤3：对浮标线谱历程矩阵进行处理，得到浮标稳定线谱。
步骤3.1， 对矩阵F i 分别按列求和，如(8)式所示，得到和序列S i ：
其中k = 1, 2 , … , K，S i (k)表示向量S i 的第k个元素，u表示表示行索引变量，v表示列索引变量。
步骤3.1中对各频率线谱进行了平均，以减少频率漂移带来影响，平均窗长本发明中取值为7，也可以根据频率分辨率设定不同的平滑窗，本实施例中，当FrameNo=20时，序列S1、S2和S3分别如图3至图5所示。
步骤3.2， 对向量λ i 进行赋值，如(9)式所示：
其中k = 1, 2 , … , K，λ i (k)表示序列λ i 的第k个元素。
步骤3.2中除数P需要与步骤3.1中求和范围P一致。
本实施例中，当FrameNo=20时，序列λ1中，除λ1(107)=0.95，λ1(108)=0.9，λ1(207)=0.95，λ1(208)=0.9，λ1(278)=0.85，λ1(279)=0.95，λ1(395)=0.95，λ1(396)=0.9外，其余值均为0。序列λ2中，除λ2(107)=0.85，λ2(108)=0.8，λ2(207)=0.85，λ2(208)=0.8，λ2(395)=0.85，λ2(396)=0.8以外，其余值均为0。序列λ3中，除λ3(107)=0.8，λ3(108)=0.85，λ3(207)=0.8，λ3(208)=0.85，λ3(395)=0.85，λ3(396)=0.8，其余值均为0。
步骤3.3，根据序列λ i 中的各元素取值，对序列f i 进行赋值，如(10)式所示
本实施例中，当FrameNo=20时，序列f1中，除f1(107)=31.5，f1(108)=31.75，f1(207)=56.5，f1(208)=56.75，f1(278)=74.25，f1(279)=74.5，f1(395)=103.5，f1(396)=103.75外，其余值均为0。序列f2中，除f2(107)=31.5，f2(108)=31.75，f2(207)=56.5，f2(208)=56.75，f2(395)=103.5，f2(396)=103.75以外，其余值均为0。序列f3中，除f3(107)=31.5，f3(108)=31.75，f3(207)=56.5，f3(208)=56.75，f3(395)=103.5，f3(396)=103.75，其余值均为0。
步骤3.4，如(11)式所示，定义序列U(k)：
其中，U(k)表示浮标稳定线谱序列f i 在第k个元素处的最大值。
本实施例中，当FrameNo=20时，序列U(k)中，除U(107)=31.5，U(108)=31.75，U(207)=56.5，U(208)=56.75，U(278)=74.25，U(279)=74.5，U(395)=103.5，U(396)=103.75以外，其余值均为0。
步骤4：对浮标稳定线谱进行联合处理，辨识并去除干扰线谱，得到浮标疑似目标线谱。
步骤4.1 ，读入N个浮标输出的一帧环境噪声级测量值序列NL i (k)。
步骤4.1中NL i (k)为浮标测量的环境噪声级，如果没有该功能，可以参考不同季节、海域在各频率的环境噪声作为预设。本实施例中，浮标1的一帧环境噪声测量值序列如图6所示，其他浮标的环境噪声测量值序列与图6类似。
步骤4.2， 根据(12)式，计算目标位于离散点集合{T(h,g)}中各点时，信号到达各浮标的传播损失TL i ：
其中，TL i (h,g)表示信号到达各浮标的传播损失。
步骤4.2中传播损失计算也可以根据距离远近选择柱面传播损失（10log[距离]）或球面传播损失（20log[距离]）计算，对于较高频率还需要考虑吸收损失。
步骤4.3， 根据(13)式，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱阈值：
其中，DT i (h,g,k)表示线谱检测阈值，SL0表示线谱强度最大值。
步骤4.4， 根据(14)式，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱检测指数：
其中，DT i (h,g,k)表示线谱检测阈值，SL0表示线谱强度最大值。
步骤4.5， 根据(15)式，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱检测概率：
其中，
表示自由度为ν、非中心参数为ξ的卡方分布在x处的右尾概率。
表示浮标i检测频率为U(k)的线谱检测概率， P FA 表示线谱检测的虚警概率，
表示自由度为2L非中心参数为
的卡方分布在
处的右尾概率。
步骤4.6， 根据(16)式，计算目标位于离散点集合{T(h,g)}中各点时，频率为f i (k)的线谱能够被N个浮标同时检测的先验概率：
其中n= 1, 2 , … , N。
其中，
表示频率为f i (k)的线谱能够被N个浮标同时检测的先验概率，
表示浮标n检测频率为U(k)的线谱检测概率，n= 1, 2 , … , N。
步骤4.7， 根据(17)式，计算频率为f i (k)的线谱能够被N个浮标同时检测的先验概率最大值：
其中，
表示频率为f i (k)的线谱能够被N个浮标同时检测的先验概率最大值。
本实施例中，序列β1中，除β1(107)=3.22×10-4，β1(108)=3.24×10-4，β1(207)=4.93×10-4，β1(208)=4.94×10-4，β1(278)= 5.18×10-4，β1(279)=5.19×10-4，β1(395)=5.61×10-4，β1(396)=5.62×10-4外，其余值均为0。序列β2中，除β2(107)= 3.22×10-4，β2(108)=3.24×10-4，β2(207)= 4.93×10-4，β2(208)= 4.94×10-4，β2(395)= 5.61×10-4，β2(396)=5.62×10-4以外，其余值均为0。序列β3中，除β3(107)= 3.22×10-4，β3(108)= 3.24×10-4，β3(207)= 4.93×10-4，β3(208)= 4.94×10-4，β3(395)= 5.61×10-4，β3(396)= 5.62×10-4，其余值均为0。
步骤4.8， 根据(18)式，计算频率为f i (k)的线谱被N个传感器同时检测的概率序列γ i ：
其中，
表示频率为f i (k)的线谱被N个浮标同时检测的概率，
表示向量λ n
的第k个元素。
本实施例中，序列γ1中，除γ1(107)=0.646，γ1(108)= 0.612，γ1(207)= 0.646，γ1(208)= 0.612，γ1(395)= 0.646，γ1(396)= 0.612外，其余值均为0。序列γ2中，除γ2(107)=0.646，γ2(108)= 0.612，γ2(207)= 0.646，γ2(208)= 0.612，γ2(395)= 0.646，γ2(396)= 0.612外，其余值均为0。序列γ3中，除γ3(107)=0.646，γ3(108)= 0.612，γ3(207)= 0.646，γ3(208)= 0.612，γ3(395)= 0.646，γ3(396)= 0.612外，其余值均为0。
步骤4.9， 若β i (k)<γ i (k)，则频率为f i (k)的线谱为干扰线谱，并令W i (1,k) = -1，W i (2,k) = FrameNo。否则，频率为f i (k)的线谱为疑似目标线谱，并令W i (1,k) = 1，W i (2,k) = FrameNo。
本实施例中，f i (107)、f i (108)、f i (207)、f i (208)、f i (395)、f i (396)均为干扰线谱，f1(278)和f1(279)为疑似目标线谱。
步骤5：对浮标疑似目标线谱序列进行联合处理，提取得到目标线谱序列。
步骤5.1， 令变量二j初值为1。
步骤5.2， 令变量三n 0初值为1。
步骤5.3， 令变量四k 0初值为1。
步骤5.4， 如果n 0和j取值相等，则进行步骤5.9。否则，进行步骤5.5。
步骤5.5， 如果W j (1,k 0)≠1，则进行步骤5.8。否则，进行步骤5.6。
步骤5.6 ，若k 0<4，则在W n0(1,k 0), W n0(1,k 0+1), … , W n0(1,k 0+6)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0), W n0(2,k 0+1), …, W n0(2,k 0+6)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0。若4≤k 0≤K-3，则在W n0(1,k 0-3), W n0(1,k 0-2), … , W n0(1,k 0+3)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0-3), W n0(2,k 0-2), … ,W n0(2,k 0+3)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0。若k 0>K-3，则在W n0(1,k 0-6), W n0(1, k 0-5), …, W n0(1,k 0)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0-6), W n0(2, k 0-5), …, W n0(2,k 0)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0。
步骤5.7 ，搜索Fn n0的最大值Fn n0max，若|Fn n0max-W j (2,k 0)|>ρ且Fn n0max>0，则判定频率为f j (k 0)的线谱为目标线谱。
本实施例中，当FrameNo=90，j=1，n 0=3时，若k 0=278或k 0=279，W1(2,k 0)=31，Fn3max=90，满足|Fn n0max-W j (2,k 0)|>50的条件，即频率相似的线谱被不同浮标检测到的帧号差大于门限值，则判定频率为74.25Hz及74.5Hz的线谱为目标线谱。
步骤5.8 ，若k 0<K，令k 0=k 0+1，并返回步骤5.4，否则进行下一步。
步骤5.9 ，若n 0<N，令n 0=n 0+1，并返回步骤5.3，否则进行下一步。
步骤5.10 ，若j<N，令j=j+1，并返回步骤5.2，否则进行下一步。
步骤5.11， 如果继续处理，返回步骤2.1。否则结束处理。
本发明充分利用了目标与干扰在多枚浮标间的差异性，以及目标运动带来的时间、空间变化特性，通过匹配处理，滤除环境中存在的强干扰线谱等虚假特征，提高弱目标线谱的辨识能力，降低虚警率，实现区域内水下目标的联合稳健探测。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于分布式多浮标匹配的目标线谱特征辩识方法，其特征在于，包括以下步骤：
步骤1，参数初始化：
步骤1.1，根据目标辐射噪声功率谱分析的频率下限f L、频率上限f H、频率分辨率Δf获得功率谱分析频带内的离散频率点数K；
步骤1.2，获取浮标数N、浮标每帧输出的最大线谱数M、线谱数据缓存帧数P、线谱检测帧数门限值η和线谱检测帧号差门限值ρ；
步骤1.3，初始化N个P行K列、元素全为零的浮标线谱历程矩阵F i ，N个K列、元素全为零的浮标稳定线谱序列f i ，N个K列、元素全为零的和序列S i ，N个2行K列、元素全为零的矩阵W i ，N个K列、元素全为零的向量λ i ，i=1,2,…,N，K表示功率谱分析频带内的离散频率点数；
步骤1.4，变量一FrameNo初值为0；
步骤1.5，获取各浮标的空间坐标z i (x i , y i )，各浮标x坐标的最大值为x max ，x坐标的最小值为x min ，y坐标的最大值为y max ，y坐标的最小值为y min ，(x i , y i )表示二维平面上某一点的坐标；
步骤1.6，多浮标线谱联合辨识的空间范围由A(min(x min ,-Hgh),min(y min ,-Wdt))，B(min(x min ,-Hgh),max(y max ,Wdt))，C(max(x max ,Hgh),max(y max ,Wdt))，D(max(x max ,Hgh), min(y min ,-Wdt))四点确定的矩形区域R，min(a,b)表示取a和b两者值较小的那一个，max(a,b)表示取a和b两者值较大的那一个，Hgh为最小区域范围的半高度，Wdt为最小区域范围的半宽度；
步骤1.7，沿x轴和y轴方向的空间分辨率均为Δh，将矩形区域R离散化为由H×G个点构成的离散点集合{T(h,g)}，H表示矩形区域R离散化点横坐标个数，G表示矩形区域R离散化点纵坐标个数，h = 1, 2 , … , H，g =1, 2 , … , G，令x A、x B、x C分别表示A、B、C点的x坐标，y A、y B、y C分别表示A、B、C点的y坐标，
其中，{T(h,g)}中各点均匀分布，
表示向下取整；
步骤1.8，计算离散点集合{T(h,g)}中各点与各浮标的空间坐标z i (x i , y i )之间的距离，得到N个G行H列的矩阵r i (h,g)，
步骤1.9，给定线谱强度最大值SL 0，功率谱分析窗长T，功率谱线谱分析带宽B W ，功率谱分析平均次数L，线谱检测的虚警概率P FA；
步骤2，对浮标输出的线谱数据进行规范化处理，得到浮标线谱历程矩阵F i ；
步骤3，对得到的浮标线谱历程矩阵F i 进行处理，得到浮标稳定线谱：
步骤3.1，对浮标线谱历程矩阵F i 分别按列求和，得到和序列S i ：
其中，k = 1, 2 , … , K，S i (k)表示向量S i 的第k个元素，u表示行索引变量，v表示列索引变量；
步骤3.2，对向量λ i 进行赋值：
其中，k = 1, 2 , … , K，λ i (k)表示向量λ i 的第k个元素；
步骤3.3，根据向量λ i 中的各元素取值，对浮标稳定线谱序列f i 进行赋值：
步骤3.4，定义序列U(k)：
其中，U(k)表示浮标稳定线谱序列f i 在第k个元素处的最大值；
步骤4，对浮标稳定线谱进行联合处理，辨识并去除干扰线谱，得到浮标疑似目标线谱：
步骤4.1，读入N个浮标输出的一帧环境噪声级测量值序列NL i (k)；
步骤4.2，计算目标位于离散点集合{T(h,g)}中各点时，信号到达各浮标的传播损失：
其中，TL i (h,g)表示信号到达各浮标的传播损失；
步骤4.3，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱阈值：
其中，DT i (h,g,k)表示线谱检测阈值，SL0表示线谱强度最大值；
步骤4.4，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱检测指数：
其中，d i (h,g,k)表示线谱检测指数，T表示功率谱分析窗长，B W 表示功率谱线谱分析带宽，L表示功率谱分析平均次数；
步骤4.5，计算目标位于离散点集合{T(h,g)}中各点时，浮标i检测频率为U(k)的线谱检测概率：
其中，
表示浮标i检测频率为U(k)的线谱检测概率，P FA 表示线谱检测的虚警概率，
表示自由度为2L非中心参数为
的卡方分布在
处的右尾概率；
步骤4.6，计算目标位于离散点集合{T(h,g)}中各点时，频率为f i (k)的线谱能够被N个浮标同时检测的先验概率：
其中，
表示频率为f i (k)的线谱能够被N个浮标同时检测的先验概率，
表示浮标n检测频率为U(k)的线谱检测概率，n= 1, 2 , … , N；
步骤4.7，计算频率为f i (k)的线谱能够被N个浮标同时检测的先验概率最大值：
其中，
表示频率为f i (k)的线谱能够被N个浮标同时检测的先验概率最大值；
步骤4.8，计算频率为f i (k)的线谱被N个浮标同时检测的概率序列γ i ：
其中，
表示频率为f i (k)的线谱被N个浮标同时检测的概率，
表示向量λ n 的第k个元素；
步骤4.9，若β i (k)<γ i (k)，则频率为f i (k)的线谱为干扰线谱，并令W i (1,k) = -1，W i (2,k) = FrameNo；否则，频率为f i (k)的线谱为疑似目标线谱，并令W i (1,k) = 1，W i (2,k) =FrameNo；
步骤5，对浮标疑似目标线谱序列进行联合处理，提取得到目标线谱。
2.根据权利要求1所述基于分布式多浮标匹配的目标线谱特征辩识方法，其特征在于：步骤1.1中通过下式获得功率谱分析频带内的离散频率点数：
其中，f L表示目标辐射噪声功率谱分析的频率下限，f H表示频率上限，Δf表示频率分辨率，K表示功率谱分析频带内的离散频率点数。
3.根据权利要求2所述基于分布式多浮标匹配的目标线谱特征辩识方法，其特征在于：步骤2得到浮标线谱历程矩阵F i 方法如下：
步骤2.1，读入N个传感器输出的一帧线谱频率序列L i ，L i 是长度为M的向量；
步骤2.2，根据频率分辨率Δf和线谱频率序列L i 中各线谱的频率计算序列Idx i ：
其中，m = 1, 2 , … , M，Idx i (m)表示序列Idx i 的第m个元素，L i (m)表示序列L i 的第m个元素；
步骤2.3，更新浮标线谱历程矩阵F i 的前P-1行元素取值：
其中，p = 1, 2 , … , P-1，F i (p, m)表示矩阵F i 的第p行、第m列的元素；
步骤2.4，根据序列Idx i 对浮标线谱历程矩阵F i 的第P行元素进行赋值：
其中，F i (P, Idx i (m))表示浮标线谱历程矩阵F i 的第P行第Idx i (m)列的元素，浮标线谱历程矩阵F i 的第P行其他元素都赋值为0；
步骤2.5，令FrameNo = FrameNo + 1，若FrameNo≥P，则进行下一步；否则，返回步骤2.1。
4.根据权利要求3所述基于分布式多浮标匹配的目标线谱特征辩识方法，其特征在于：步骤5中对浮标疑似目标线谱序列进行联合处理，提取得到目标线谱的方法如下：
步骤5.1，令变量二j初值为1；
步骤5.2，令变量三n 0初值为1；
步骤5.3，令变量四k 0初值为1；
步骤5.4，如果n 0和j取值相等，则进行步骤5.9；否则，进行步骤5.5；
步骤5.5，如果W j (1,k 0)≠1，则进行步骤5.8；否则，进行步骤5.6；
步骤5.6，若k 0<4，则在W n0(1,k 0), W n0(1,k 0+1), … , W n0(1,k 0+6)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0), W n0(2,k 0+1), … , W n0(2,k 0+6)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0；若4≤k 0≤K-3，则在W n0(1,k 0-3), W n0(1,k 0-2), … , W n0(1,k 0+3)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0-3), W n0(2,k 0-2), … , W n0(2,k 0+3)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0；若k 0>K-3，则在W n0(1,k 0-6), W n0(1, k 0-5), …, W n0(1,k 0)这7个矩阵元素中搜索取值为1的元素，对应的列号存入索引值序列Col n0，在W n0(2,k 0-6), W n0(2, k 0-5), …, W n0(2,k 0)这7个矩阵元素中查找对应于索引值序列Col n0处的取值，并存入帧号序列Fn n0；
步骤5.7，搜索Fn n0的最大值Fn n0max，若|Fn n0max-W j (2,k 0)|>ρ且Fn n0max>0，则判定频率为f n0(k 0)的线谱为目标线谱；
步骤5.8，若k 0<K，令k 0=k 0+1，并返回步骤5.4，否则进行下一步；
步骤5.9，若n 0<N，令n 0=n 0+1，并返回步骤5.3，否则进行下一步；
步骤5.10，若j<N，令j=j+1，并返回步骤5.2，否则进行下一步；
步骤5.11，如果继续处理，返回步骤2.1；否则结束处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010860182.5A CN111736158B (zh) | 2020-08-25 | 2020-08-25 | 一种基于分布式多浮标匹配的目标线谱特征辩识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010860182.5A CN111736158B (zh) | 2020-08-25 | 2020-08-25 | 一种基于分布式多浮标匹配的目标线谱特征辩识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111736158A CN111736158A (zh) | 2020-10-02 |
| CN111736158B true CN111736158B (zh) | 2020-11-20 |
Family
ID=72658718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010860182.5A Active CN111736158B (zh) | 2020-08-25 | 2020-08-25 | 一种基于分布式多浮标匹配的目标线谱特征辩识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111736158B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114114278B (zh) * | 2021-11-23 | 2024-06-04 | 中国航空工业集团公司洛阳电光设备研究所 | 一种被动全向浮标lofix定位方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101938317B (zh) * | 2010-09-10 | 2013-12-11 | 东南大学 | 噪声功率谱线谱检测方法 |
| 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 |
| CN102243302B (zh) * | 2011-04-15 | 2013-03-20 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
| CN105223576B (zh) * | 2015-09-24 | 2017-11-21 | 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 |
| CN109061591B (zh) * | 2018-07-23 | 2022-05-10 | 东南大学 | 一种基于序贯聚类的时频线谱检测方法 |
| CN110221307B (zh) * | 2019-05-28 | 2022-12-13 | 哈尔滨工程大学 | 一种多被动声纳非合作多目标线谱信息融合方法 |
| CN110515065B (zh) * | 2019-08-30 | 2022-03-25 | 东南大学 | 一种辐射噪声线谱源深度辨识方法 |
-
2020
- 2020-08-25 CN CN202010860182.5A patent/CN111736158B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111736158A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460382B (zh) | 基于深度学习单步检测器的光学遥感图像舰船检测方法 | |
| CN110751077B (zh) | 一种基于部件匹配与距离约束的光学遥感图片船舶检测方法 | |
| CN110231778B (zh) | 一种通用的uuv水下目标探测仿真方法及系统 | |
| CN114022812B (zh) | 一种基于轻量化SSD的DeepSort水面漂浮物多目标跟踪方法 | |
| CN107255818A (zh) | 一种两维多特征融合的水下目标快速检测方法 | |
| CN111736158B (zh) | 一种基于分布式多浮标匹配的目标线谱特征辩识方法 | |
| CN114898222B (zh) | 一种舰船目标航迹识别方法及装置 | |
| CN113408340A (zh) | 基于增强型特征金字塔的双极化sar小型船只检测方法 | |
| CN115995032B (zh) | 一种多模态特征融合的舰船智能识别方法和系统 | |
| CN114580309B (zh) | 漂移速度预测方法、装置、计算设备及存储介质 | |
| Yang et al. | Evaluation and mitigation of rain effect on wave direction and period estimation from X-band marine radar images | |
| CN113219466A (zh) | 海面的风速确定方法、装置、电子设备及存储介质 | |
| CN114565824B (zh) | 基于全卷积网络的单阶段旋转舰船检测方法 | |
| CN113759362B (zh) | 雷达目标数据关联的方法、装置、设备和存储介质 | |
| Liang et al. | MVCNN: A Deep Learning-Based Ocean–Land Waveform Classification Network for Single-Wavelength LiDAR Bathymetry | |
| CN117197048B (zh) | 一种船舶水尺读数检测方法、装置及设备 | |
| CN114219998A (zh) | 一种基于目标检测神经网络的声纳图像实时检测方法 | |
| Zhang et al. | FRS-Net: An efficient ship detection network for thin-cloud and FOG-covered high-resolution optical satellite imagery | |
| CN117056807A (zh) | 基于语义分割网络和长短期记忆网络的集成云检测方法、可读存储介质及计算设备 | |
| CN116597141A (zh) | 一种基于声呐图像语义分割的海底电缆检测跟踪方法 | |
| Lei et al. | Multi-feature fusion sonar image target detection evaluation based on particle swarm optimization algorithm | |
| CN115166754A (zh) | 一种激光雷达点云的处理方法、装置、电子设备及介质 | |
| CN110895701B (zh) | 基于cn和fhog的森林火灾在线识别方法及装置 | |
| CN113673355A (zh) | 一种海浪波谱仪回波波形分类方法 | |
| CN112464997A (zh) | 基于模糊-贪婪搜索决策的多传感器协同监测方法及系统 |
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 |