CN111929666A - 一种基于序贯环境学习的弱水声目标线谱自主提取方法 - Google Patents
一种基于序贯环境学习的弱水声目标线谱自主提取方法 Download PDFInfo
- Publication number
- CN111929666A CN111929666A CN202010941363.0A CN202010941363A CN111929666A CN 111929666 A CN111929666 A CN 111929666A CN 202010941363 A CN202010941363 A CN 202010941363A CN 111929666 A CN111929666 A CN 111929666A
- Authority
- CN
- China
- Prior art keywords
- line spectrum
- spectrum
- line
- frequency
- root
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/006—Theoretical aspects
-
- 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
- G01S7/537—Counter-measures or counter-counter-measures, e.g. jamming, anti-jamming
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于序贯环境学习的弱水声目标线谱自主提取方法,包括对获取的水声信号进行功率谱估计;自主线谱提取;环境线谱的序贯学习与更新;对当前功率谱进行环境线谱抑制处理获得重构功率谱;对重构功率谱进行自主线谱提取获得疑似弱目标线谱;对疑似线谱进行序贯性分析实现弱目标线谱自主辨识。本发明能够实现弱目标线谱的有效自主提取,同时虚警概率低。
Description
技术领域
本发明涉及一种弱水声目标线谱自主提取技术,属于声纳信号处理技术领域。
背景技术
在水下复杂的声场环境中,对船舶噪声的自动检测与特征提取是潜、浮标等无人平台自主探测的基础,具有重要的研究价值。船舶辐射噪声线谱主要由船舶机械部件的往复运动与螺旋桨叶片的周期性击水以及叶片共振产生。线谱具有的较高信噪比可以用来提高检测性能,线谱本身携带的频率等信息则进一步可作为目标判别的重要依据,是目前水声目标探测与识别的重要特征。但是,由于海洋中存在大型商船、近海岸工程机械等各种噪声源,这些噪声源同样存在着目标探测所依赖的线谱等重要特征,而且强度往往比关注目标要高出很多,形成强烈的环境干扰线谱,严重影响了即使是距离相对更近的弱水声目标信号有效线谱提取,从而影响目标探测性能。
目前国内外学者提出了许多非平稳低频线谱的检测与提取方法,比较典型的有相干累积处理和迭代强干扰抵消等方法,比如:(1)刘辉涛提出了一种利用相干累加频域批处理自适应线谱增强技术,提高稳定目标线谱的累积强度,抑制非稳定背景谱。(2)SLOBODAN提出了强线谱迭代抵消的方法,以提取弱线谱分量。
发明内容
发明目的:针对潜、浮标等水声节点自主提取弱水声目标线谱易受强环境干扰影响的难题,本发明提供一种基于序贯环境学习的弱水声目标线谱自主提取方法,利用环境线谱的相对稳定性特点,通过对自主提取线谱的环境序贯学习实现环境线谱辨识与动态更新,通过环境线谱的抑制处理实现弱目标线谱的有效自主提取。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于序贯环境学习的弱水声目标线谱自主提取方法,包括如下步骤:
步骤1,获取水声信号,并对获取的水声信号进行功率谱估计得到功率谱。
步骤2,对得到的功率谱进行自主线谱提取得到线谱。
步骤3,环境线谱序贯学习与更新。
步骤3-1,记,,,其中,为自主提取线谱动态信息矩阵,为线谱索引,为最大线谱数量,表示第根线谱各处理帧提取信息的索引,为每根线谱允许存储的最大历史帧数,自主提
取线谱动态信息矩阵第1列中存放第根线谱的频率,自主提取线谱动态信息矩阵
第2列中存放帧中自主提取到第根线谱的次数,自主提取线谱动态信息矩
阵第列中存放最近帧第线谱单帧提取结果,提取到结果
为1,否则结果为0,,按如下方式对自主提取线谱动态信息矩阵
进行数据搬移:
步骤3-2,若本帧水听器采集信号中提取的线谱个
数K=0,N为本帧水听器采集信号长度,回到步骤1进行下一帧数据处理,否则根据本帧提取
的K根线谱按照1~K的顺序对自主提取线谱动态信息矩阵进行数据更新,每根线谱的
处理步骤如下:
其中,表示中已有的U根线谱与第k根线谱频率维最小
距离,表示第k根线谱的精测频率,为判断是否为同频线谱的门限,若最小频率维
距离小于门限,则判为同频线谱,更新位置取最小距离对应的序号u,否则第k根线
谱作为新增线谱,更新位置取,并更新线谱个数。
步骤4,对当前功率谱进行环境线谱抑制处理获得重构功率谱。
步骤5,对重构功率谱进行自主线谱提取获得疑似弱目标线谱。
步骤6,对疑似线谱进行序贯性分析实现弱目标线谱自主辨识:
步骤6-1,记,为疑似
弱目标线谱动态信息矩阵,其中,为疑似弱目标线谱索引,为疑似弱目标线谱最
大线谱数量,表示第根疑似弱目标线谱各处理帧提取信息的索引,为疑似弱
目标线谱每根线谱允许存储的最大历史帧数,疑似弱目标线谱动态信息矩阵第1列中
存放第根疑似弱目标线谱的频率,疑似弱目标线谱动态信息矩阵第2列中存放帧重构功率谱疑似弱目标线谱自主提取中提取到第根线谱的次数,疑似弱目标
线谱动态信息矩阵第列中存放最近帧第根线谱单帧疑似弱目标线谱提取结果,提取到结果为1,否则结果为0,
对疑似弱目标线谱动态信息矩阵进行数据搬移处理:
步骤6-2,若本帧重构功率谱中提取到的疑似弱目标线谱个数,
回到步骤1进行下一帧数据处理,否则按如下方式对疑似弱目标线谱动态信息矩阵进
行数据更新,并进行弱目标线谱辨识,每根疑似弱目标线谱的处理步骤如下:
其中,表示中已有的A根线谱与第q根线谱频率维最小距
离,为判断是否为同频疑似弱目标线谱的门限,若最小频率维距离小于门限,则判
为同频线谱,更新位置取最小距离对应的序号a,否则第q根线谱作为新增线谱,更新位
置取A+1,并更新线谱个数A=A+1。
步骤6-2-3,判断第q根线谱是否为弱目标线谱,判断条件为:
优选的:步骤1中对获取的水声信号进行功率谱估计的方法如下:
优选的:步骤2中对得到的功率谱进行自主线谱提取得到线谱的方法如下:
本发明相比现有技术,具有以下有益效果:
(1)利用环境线谱和弱目标线谱在时、空、频及强度方面差异,通过对自主提取线谱的环境序贯学习实现环境线谱辨识与动态更新,并在功率谱域对环境线谱进行抑制处理,净化了弱目标线谱的检测背景,提高了系统的弱目标线谱自主提取能力。
(2)利用多个连续时间样本对弱水声目标线谱进行自主辨识提取,通过对当前线谱与历史多帧线谱的一致性分析,降低了弱水声目标线谱辨识的虚警概率。
附图说明
图1为本发明方法的流程图。
图2为实施例中水听器采集信号的全频带功率谱。
图3为实施例中线谱自主提取频带范围内原始功率谱及其连续谱。
图4为实施例中功率谱线谱自主提取结果。
图5为实施例中线谱自主提取频带范围内重构后的功率谱及其连续谱。
图6为实施例中重构后的功率谱弱目标线谱自主辨识提取结果。
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。
一种基于序贯环境学习的弱水声目标线谱自主提取方法,如图1所示,包括如下步骤:
步骤1,获取的水声信号,,对获取的水声信号进行功率谱估计得到功率谱。
步骤2,对得到的功率谱进行自主线谱提取得到线谱。
其中,表示线谱自主提取频带下限频率对应的离散频率索引,表示线谱自
主提取频带上限频率对应的离散频率索引,为线谱自主提取频带下限频率,为
线谱自主提取频带上限频率,为长度为的离散傅里叶变换的频率分辨率,为的四舍五入值,为的四舍五
入值,,为水声节点接收信号数字化过程中的采样率,为
求取的标准差。
步骤3,环境线谱序贯学习与更新。
步骤3-1,记,,,其中,为自主提取线谱动态信息矩阵,为线谱索引,为最大线谱数量,表示
第根线谱各处理帧提取信息的索引,为每根线谱允许存储的最大历史帧数,自主
提取线谱动态信息矩阵第1列中存放第根线谱的频率,自主提取线谱动态信息矩
阵第2列中存放帧中自主提取到第根线谱的次数,自主提取线谱动态信息
矩阵第列中存放最近帧第线谱单帧提取结果,提取到结
果为1,否则结果为0,,按如下方式对自主提取线谱动态信息矩
阵进行数据搬移:
步骤3-2,若本帧水听器采集信号中提取的线谱个
数K=0,N为本帧水听器采集信号长度,回到步骤1进行下一帧数据处理,否则根据本帧提取
的K根线谱按照1~K的顺序对自主提取线谱动态信息矩阵进行数据更新,每根线谱的
处理步骤如下:
其中,表示中已有的U根线谱与第k根线谱频率维最小
距离,表示第k根线谱的精测频率,为判断是否为同频线谱的门限,若最小频率维
距离小于门限,则判为同频线谱,更新位置取最小距离对应的序号u,否则第k根线
谱作为新增线谱,更新位置取,并更新线谱个数。
步骤4,对当前功率谱进行环境线谱抑制处理获得重构功率谱。
步骤5,对重构功率谱进行自主线谱提取获得疑似弱目标线谱。
步骤6,对疑似线谱进行序贯性分析实现弱目标线谱自主辨识:
步骤6-1,记,为疑似
弱目标线谱动态信息矩阵,其中,为疑似弱目标线谱索引,为疑似弱目标线谱最
大线谱数量,表示第根疑似弱目标线谱各处理帧提取信息的索引,为疑似弱
目标线谱每根线谱允许存储的最大历史帧数,疑似弱目标线谱动态信息矩阵第1列中
存放第根疑似弱目标线谱的频率,疑似弱目标线谱动态信息矩阵第2列中存放帧重构功率谱疑似弱目标线谱自主提取中提取到第根线谱的次数,疑似弱目标
线谱动态信息矩阵第列中存放最近帧第根线谱单帧疑似弱目标线谱提取结果,提取到结果为1,否则结果为0,
按如下方式对疑似弱目标线谱动态信息矩阵进行数据搬移处理:
步骤6-2,若本帧重构功率谱中提取到的疑似弱目标线谱个数,
回到步骤1进行下一帧数据处理,否则按如下方式对疑似弱目标线谱动态信息矩阵进
行数据更新,并进行弱目标线谱辨识,每根疑似弱目标线谱的处理步骤如下:
其中,表示中已有的A根线谱与第q根线谱频率维最小距
离,为判断是否为同频疑似弱目标线谱的门限,若最小频率维距离小于门限,则判
为同频线谱,更新位置取最小距离对应的序号a,否则第q根线谱作为新增线谱,更新位
置取A+1,并更新线谱个数A=A+1。
步骤6-2-3,判断第q根线谱是否为弱目标线谱,判断条件为:
仿真实例
仿真的水听器采集信号包含80Hz、102Hz、119Hz共3根环境线谱以及90Hz、110Hz共2根
弱水声目标线谱。时间分析窗长为1s时,各线谱的频域信噪比分别为25dB、25dB、25dB、5dB、
5dB。采样频率设为。
依据步骤2,中值滤波器的阶数设为,线谱自主提取频带范围内原始功
率谱及其连续谱如图3所示。线谱检测门限设为,线谱自主提取频带的下限频率和
上限频率分别设为和,相应的,线谱
自主提取结果如图4所示,提取出的线谱数量为,频率分别为79.9845Hz、
102.0085Hz、119.0067Hz。
依据步骤5,中值滤波器的阶数设为,线谱自主提取频带范围内重构的
功率谱及其连续谱如图4所示。疑似弱目标线谱检测门限设为,疑似弱目标线谱自
主提取结果如图5所示,提取出的线谱数量为,频率分别为89.8496Hz、110.2485Hz。
本发明针对潜、浮标等水声节点自主提取弱水声目标线谱易受强环境干扰影响的难题,利用环境线谱的相对稳定性特点,通过对自主提取线谱的环境序贯学习实现环境线谱辨识与动态更新,以适应相对变化较慢的环境线谱的时变空变能力,通过环境线谱的抑制处理实现弱目标线谱的有效自主提取。
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 (5)
1.一种基于序贯环境学习的弱水声目标线谱自主提取方法,其特征在于,包括如下步骤:
步骤1,获取水声信号,并对获取的水声信号进行功率谱估计得到功率谱;
步骤2,对得到的功率谱进行自主线谱提取得到线谱;
步骤3,环境线谱序贯学习与更新;
步骤3-1,记,,,其中,为
自主提取线谱动态信息矩阵,为线谱索引,为最大线谱数量,表示第根线
谱各处理帧提取信息的索引,为每根线谱允许存储的最大历史帧数,自主提取线谱
动态信息矩阵第1列中存放第根线谱的频率,自主提取线谱动态信息矩阵第2列中存放帧中自主提取到第根线谱的次数,自主提取线谱动态信息矩阵第列中存放最近帧第线谱单帧提取结果,提取到结果为1,
否则结果为0,,按如下方式对自主提取线谱动态信息矩阵进行
数据搬移:
步骤3-2,若本帧水听器采集信号中提取的线谱个数K=0,N为本帧水听器采集信号长度,回到步骤1进行下一帧数据处理,否则根据本帧提取的K根线
谱按照1~K的顺序对自主提取线谱动态信息矩阵进行数据更新,每根线谱的处理步骤
如下:
其中,表示中已有的U根线谱与第k根线谱频率维最小距
离,表示第k根线谱的精测频率,为判断是否为同频线谱的门限,若最小频率维距
离小于门限,则判为同频线谱,更新位置取最小距离对应的序号u,否则第k根线谱
作为新增线谱,更新位置取,并更新线谱个数;
步骤4,对当前功率谱进行环境线谱抑制处理获得重构功率谱;
步骤5,对重构功率谱进行自主线谱提取获得疑似弱目标线谱;
步骤6,对疑似线谱进行序贯性分析实现弱目标线谱自主辨识:
步骤6-1,记,为疑似弱
目标线谱动态信息矩阵,其中,为疑似弱目标线谱索引,为疑似弱目标线谱最大
线谱数量,表示第根疑似弱目标线谱各处理帧提取信息的索引,为疑似弱目
标线谱每根线谱允许存储的最大历史帧数,疑似弱目标线谱动态信息矩阵第1列中存
放第根疑似弱目标线谱的频率,疑似弱目标线谱动态信息矩阵第2列中存放帧重构功率谱疑似弱目标线谱自主提取中提取到第根线谱的次数,疑似弱目标
线谱动态信息矩阵第列中存放最近帧第根线谱单帧疑似弱目标线谱提取结果,提取到结果为1,否则结果为0,
按如下方式对疑似弱目标线谱动态信息矩阵进行数据搬移处理:
步骤6-2,若本帧重构功率谱中提取到的疑似弱目标线谱个数,回到
步骤1进行下一帧数据处理,否则按如下方式对疑似弱目标线谱动态信息矩阵进行数
据更新,并进行弱目标线谱辨识,每根疑似弱目标线谱的处理步骤如下:
其中,表示中已有的A根线谱与第q根线谱频率维最小距
离,为判断是否为同频疑似弱目标线谱的门限,若最小频率维距离小于门限,则判
为同频线谱,更新位置取最小距离对应的序号a,否则第q根线谱作为新增线谱,更新位
置取A+1,并更新线谱个数A=A+1;
步骤6-2-3,判断第q根线谱是否为弱目标线谱,判断条件为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010941363.0A CN111929666B (zh) | 2020-09-09 | 2020-09-09 | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010941363.0A CN111929666B (zh) | 2020-09-09 | 2020-09-09 | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111929666A true CN111929666A (zh) | 2020-11-13 |
CN111929666B CN111929666B (zh) | 2020-12-25 |
Family
ID=73308611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010941363.0A Active CN111929666B (zh) | 2020-09-09 | 2020-09-09 | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111929666B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112649798A (zh) * | 2020-12-31 | 2021-04-13 | 哈尔滨工程大学 | 水声目标弱线谱软判决被动探测方法 |
CN113325401A (zh) * | 2021-07-06 | 2021-08-31 | 东南大学 | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 |
CN114114278A (zh) * | 2021-11-23 | 2022-03-01 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0727858A (ja) * | 1993-07-14 | 1995-01-31 | Nec Aerospace Syst Ltd | 合成開口レーダ画像ノイズ除去方式 |
CN101938317A (zh) * | 2010-09-10 | 2011-01-05 | 东南大学 | 噪声功率谱线谱检测方法 |
CN102213759A (zh) * | 2011-04-08 | 2011-10-12 | 东南大学 | 基于功率谱的水声目标特征匹配方法 |
CN109061591A (zh) * | 2018-07-23 | 2018-12-21 | 东南大学 | 一种基于序贯聚类的时频线谱检测方法 |
CN109799495A (zh) * | 2019-01-02 | 2019-05-24 | 东南大学 | 一种用于高保真阵列处理的宽带时延估计方法 |
-
2020
- 2020-09-09 CN CN202010941363.0A patent/CN111929666B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0727858A (ja) * | 1993-07-14 | 1995-01-31 | Nec Aerospace Syst Ltd | 合成開口レーダ画像ノイズ除去方式 |
CN101938317A (zh) * | 2010-09-10 | 2011-01-05 | 东南大学 | 噪声功率谱线谱检测方法 |
CN102213759A (zh) * | 2011-04-08 | 2011-10-12 | 东南大学 | 基于功率谱的水声目标特征匹配方法 |
CN109061591A (zh) * | 2018-07-23 | 2018-12-21 | 东南大学 | 一种基于序贯聚类的时频线谱检测方法 |
CN109799495A (zh) * | 2019-01-02 | 2019-05-24 | 东南大学 | 一种用于高保真阵列处理的宽带时延估计方法 |
Non-Patent Citations (2)
Title |
---|
LIU QINGYU: "Intrinsic mode characteristic analysis and extraction in underwater cylindrical shell acoustic radiation", 《SCIENCE CHINA》 * |
罗昕炜: "基于线谱迹相关的谐波检测方法", 《声学技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112649798A (zh) * | 2020-12-31 | 2021-04-13 | 哈尔滨工程大学 | 水声目标弱线谱软判决被动探测方法 |
CN113325401A (zh) * | 2021-07-06 | 2021-08-31 | 东南大学 | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 |
CN113325401B (zh) * | 2021-07-06 | 2024-03-19 | 东南大学 | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 |
CN114114278A (zh) * | 2021-11-23 | 2022-03-01 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111929666B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111929666B (zh) | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 | |
CN110852201B (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN109655148B (zh) | 一种船舶噪声非平稳低频线谱自主提取方法 | |
CN108548957B (zh) | 基于循环调制频谱和分段互相关相结合的双谱分析方法 | |
CN106052852B (zh) | 一种脉冲声信号的检测方法及装置 | |
Mallawaarachchi et al. | Spectrogram denoising and automated extraction of the fundamental frequency variation of dolphin whistles | |
CN108921014A (zh) | 一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法 | |
CN110376575B (zh) | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 | |
CN110501683B (zh) | 一种基于四维数据特征的海陆杂波分类方法 | |
CN110515063A (zh) | 基于迭代平稳离散小波变换的水声信号处理方法和装置 | |
CN115114949A (zh) | 一种基于水声信号的舰船目标智能识别方法及系统 | |
CN115859116A (zh) | 一种基于径向基函数回归插值法的海洋环境场重建方法 | |
CN108957552B (zh) | 基于ss-pca的地震数据海浪噪声压制方法 | |
CN117633588A (zh) | 基于频谱加权和残差卷积神经网络的管道泄漏定位方法 | |
CN108169795A (zh) | 基于随机采样的数据规则化方法 | |
CN110865375B (zh) | 一种水中目标检测方法 | |
CN115030903B (zh) | 一种离心泵内滚动轴承早期故障在线诊断方法 | |
CN116203634A (zh) | 一种基于低秩约束的鬼波去除方法 | |
CN110542927A (zh) | 变窗口加权地震数据尖峰噪声压制方法 | |
CN111175706B (zh) | 一种基于局部门限判断的插值杂波图方法 | |
CN114649001A (zh) | 基于自适应随机共振的营运风机水下声信号特征提取方法 | |
CN109597042B (zh) | 基于奇异谱分析的目标进动频率估计方法 | |
CN112883773A (zh) | 一种基于声学影像数据评估的物种判别方法 | |
CN112327260A (zh) | 一种sar回波数据中脉冲式干扰信号的抑制方法和装置 | |
CN111638501A (zh) | 一种自适应匹配随机共振的谱线增强方法 |
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 |