CN113805160B - 基于曲率和的主动声呐干涉条纹特征提取方法 - Google Patents
基于曲率和的主动声呐干涉条纹特征提取方法 Download PDFInfo
- Publication number
- CN113805160B CN113805160B CN202110891208.7A CN202110891208A CN113805160B CN 113805160 B CN113805160 B CN 113805160B CN 202110891208 A CN202110891208 A CN 202110891208A CN 113805160 B CN113805160 B CN 113805160B
- Authority
- CN
- China
- Prior art keywords
- curvature
- curve
- interference fringe
- active sonar
- sum
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 230000001419 dependent effect Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000000644 propagated effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/145—Square transforms, e.g. Hadamard, Walsh, Haar, Hough, Slant transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Computing Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于曲率和的主动声呐干涉条纹特征提取方法。该方法包括放置探测模型,建立接收器位置的声压场模型,得到主动声呐的干涉条纹谱图;利用Hough变换曲线检测方法,检测干涉条纹曲线轮廓;由干涉条纹的曲线轮廓,利用最小二乘拟合法得到拟合曲线;计算拟合曲线的高斯曲率和,得到干涉条纹特征值,该方法结合曲率和的计算,提供了一种新的主动声呐干涉条纹特征提取方法,充分的利用了微分几何中曲率不变的特性,能够同时提现条纹谱图的宏观和微观特征信息,可作为主动声呐波导不变量的一种衡量标准,用于条纹的特征提取与目标定位、跟踪以及海底参数反演等领域。
Description
技术领域
本发明属于水声学和水声信号处理领域,涉及主动声呐干涉条纹的特征提取方法,特别涉及基于曲率和的主动声呐干涉条纹特征提取方法。
背景技术
声波在浅水域中传播是一种复杂的现象,受水中噪声及海底底部属性的影响,其传播模式之间相互干扰,声波与信道边界之间相互作用导致信号衰减和多径传播,这种传播产生的时频或时空结构可生成恒定强度的干涉条纹。在主动声呐研究中,由于目标散射回波的多路径效应,不同简正波相互叠加,给干涉条纹的提取造成困难,原因在于条纹之间的宽度与频率、声源距离等有关,此外,由于干涉条纹谱图是由接收器处的声场强度得到的,因此还要求声源频率带为均匀的,实验条件下条纹生成与特征提取更为困难。
主动声呐干涉条纹的研究可作为一种水声探测的重要研究方向,是水声领域的一个关键技术。目前关于主动声呐干涉条纹特征提取理论基于Jorge E.Quijano的实验分析,其根据均方误差的方法统计出条纹特征,不足之处在于只能得到一个范围内的干涉条纹特征值,无法精确感知特征变化。
发明内容
针对现有技术的不足,本发明提出了基于曲率和的主动声呐干涉条纹特征提取方法,通过Hough曲线检测法得到条纹谱图中曲线,然后基于最小二乘拟合曲线法得到曲线模型,最后通过累加曲率和的方式,精确计算每束条纹的特征值,解决现有技术中主动声呐的条纹特征表征的问题。
基于曲率和的主动声呐干涉条纹特征提取方法,具体包括以下步骤:
步骤一、采集主动声呐干涉条纹谱图
在深度为zs的位置放置主动声呐的声源与接收器,声源发射出的宽带脉冲信号经过浅海波导传播后,经位于深度zt的目标散射后,被位于深度zr的接收器接收;建立接收器位置的声压场模型:
其中,C为常数,r1、r2分别为声源到目标、目标到接收器的距离;ω是声波频率,S(am,φ,an,φ0)表示散射矩阵,am、an分别表示入射波的入射角度和反射波的反射角度,φ、φ0分别表示入射声波的方位角和反射声波的方位角;m为入射信号的信道个数,n为目标反射后的信道个数,m>n;km是第m个信道传播的水平波束,kn是第n个信道传播的水平波束;ψm是目标相关的深度相关模式函数,其中ψm(zs)是目标深度相关模式函数,ψm(zt)是发射声源深度相关模式函数;ψn是反射模态相关的模式函数,其中ψn(zt)是反射模态中目标深度相关模式函数,ψn(zr)是反射模态中接收器深度相关模式函数。
步骤二、Hough变换曲线检测
对步骤一得到的主动声呐干涉条纹谱图进行Hough变换,通过边缘检测算法,将主动声呐干涉条纹谱图中的曲线转换到参数空间中的Hough矩阵,在参数空间中设置门限,提取大于门限的点,得到空间中的拟合曲线。
步骤三、最小二乘法曲线拟合
对步骤二通过Hough变换得到的检测曲线,运用最小二乘法建立一个新的函数模型,来逼近检测曲线上的已知样本点得到拟合曲线。{(xi,yi):i=1,2,3,....,n}为检测曲线上的一组数据点,拟合曲线的模型为两条曲线在第i个数据点处的距离误差为则第i个实际给定数据点Yi与拟合曲线模型之差的平方和S为:
其中为拟合曲线上的第i个点。求解令平方和S取值最小的参数,得到拟合曲线
步骤四、基于曲率和的干涉条纹特征提取
对于步骤三得到的拟合曲线求解对应的曲率和,作为干涉条纹的特征值。
曲率和的特征提取方法为:定义法曲率kn,得到主曲率的方程为:
(EG-F2)kn 2-(EN-2FM+GL)kn+(LN-M2)=0 (3)
其中E、F、G为第一基本形式I的系数,L、M、N为第二基本形式II的系数。
设du:dv是曲面上一点p(u,v)处的任意一个切方向,该切方向与u线的夹角记为θ,根据曲面上两条曲线夹角公式得到:
又因为p点处各方向的法曲率公式为:
将式子(4)带入式子(5)可得:
式子(6)为欧拉公式,反映了法曲率随方向变化的规律,因为高斯曲率K=k1k2,平均曲率为根据式子(3)和式子(6),由韦达定理可得:
根据曲率和公式求解条纹特征值:
m为拟合曲线上点的个数,M为采样最大点数,G(x,y,σ)为高斯标准差的高斯函数:
其中σ为高斯标准差。
本发明具有以下有益效果:
通过计算拟合条纹曲线的曲率得到条纹特征,计算过程中用到一阶和二阶高斯导数滤波器,具有良好的稳定性和鲁棒性,充分的利用了微分几何中曲率不变的特性,能够同时体现条纹谱图的宏观和微观特征信息,最后利用曲率和的概念表示条纹特征信息,可作为主动声呐波导不变量的一种衡量标准,为主动声呐干涉条纹特征提取打下基础。
附图说明
图1是实施例使用的模型布放装置;
图2是采集到的主动声呐干涉条纹谱图;
图3是经过Hough变换的曲线检测结果图;
图4最小二乘拟合曲线模型函数;
图5是通过曲率和求解得到的条纹特征值。
具体实施方式
以下结合附图对本发明作进一步的解释说明;
本实例在理想波导条件下进行仿真实验,目标及水听器布放位置如图1所示,其中,水深H=15m,水中传播声速与密度分别为c=1500m/s,ρ=1.0g/cm3,声源及水听器深度为9m,目标距水面深度为12m,在距声源水平距离3m的平面上移动,目标移动过程中,记录接收器处声压场变化情况。根据公式得出波导条件下条纹谱图,如图2所示,由弯曲的曲线构成,要得到条纹特征需要对条纹曲线进行处理。
Hough变换可检测曲线条纹,使主动声呐干涉条纹谱图更为清晰,其中图3为Hough变换检测结果,原理在于利用图像空间的点和参数空间的线之间存在的对偶关系,将图像空间的问题转化到参数空间来解决,直线上每个坐标点(x,y)对应到参数坐标系中的一条曲线。而两个不同的点对应两条相交曲线,曲线的交点可以唯一确定一条直线的参数,因此参数坐标系中最多曲线经过的交点坐标就是直线所具有的参数。获取该点的方法是通过对每个不同的(θ,ρ)采用一个累加器进行统计,将最终得到统计量最大的(θ,ρ)作为直线参数直角坐标系中的一点,所以取直角坐标系上曲线的切点进行计算,在极坐标系可形成类似曲线的映射,通过设置门限来对极坐标系中的值进行提取,可得到Hough变换后的计算值。
图4是最小二乘拟合曲线的结果,选取条纹谱曲线散点,通过最小二乘法进行曲线拟合,借助于MATLAB的cftool工具箱,可以自适应拟合曲线函数,在曲线拟合强度极强相关,其中拟合函数为:
y=814.4*x(-0.168) (11)
拟合结果的相关系数为0.983,偏离程度较低,选取多束曲线进行拟合,得到一组拟合曲线,在通过曲率求和的方法得到条纹特征值。
由拟合曲线函数模型可进行曲率求解,如图5所示为曲率和求解结果,可作为条纹特征,由公式(11)可知,通过求解一阶导数和二阶导数,得到曲线函数一点处的曲率,其中高斯标准差σ=1将曲线分成很多细小的部分,每个部分可看做一段圆弧,圆弧的弯曲程度越大,其曲率半径越小,而曲率就是曲率半径的倒数,本方法采用的曲率求解方法具有良好的稳定性和鲁棒性,可以将不同参数下的图像信息进行融合,以形成多分辨率信息提取,根据推导公式过程可知,高斯二阶导数滤波器滤波后的结果与高斯标准差σ相关联,这里利用多个不同的值和σ达到提高分辨率的效果,采用的高斯滤波器在x轴和y轴方向是可分离的,因此二阶导数能直接突出曲率变化快的区域。
通过求取曲线曲率和作为条纹曲线特征,曲率是用来反映几何体弯曲程度的量,可作为条纹特征的衡量指标,提取出的条纹特征值可作为主动声呐波导不变量的重要参考,本发明通过计算拟合条纹曲线的曲率得到条纹特征,计算过程中利用Hough变换检测干涉条纹曲线,最小二乘拟合得到曲线模型,最后求得条纹曲线的曲率值,用到一阶和二阶高斯导数滤波器,具有良好的稳定性和鲁棒性,充分的利用了微分几何中曲率不变的特性,能够同时体现条纹谱图的宏观和微观特征信息,最后利用曲率和的概念表示条纹特征信息,可作为主动声呐波导不变量的一种衡量标准,为主动声呐干涉条纹特征提取打下基础。
Claims (4)
1.基于曲率和的主动声呐干涉条纹特征提取方法,其特征在于:该方法包括以下步骤:
步骤一、采集主动声呐干涉条纹谱图
在深度为zs的位置放置主动声呐的声源,声源发射出的宽带脉冲信号经过浅海波导传播后,经位于深度zt的目标散射后,被位于深度zr的接收器接收;建立接收器位置的声压场模型,采集得到主动声呐干涉条纹谱图;
步骤二、Hough变换曲线检测
对步骤一得到的主动声呐干涉条纹谱图进行Hough变换,通过边缘检测算法,将主动声呐干涉条纹谱图中的曲线转换到参数空间中的Hough矩阵,在参数空间中设置门限,提取大于门限的点,得到空间中的拟合曲线;
步骤三、最小二乘法曲线拟合
对步骤二通过Hough变换得到的检测曲线,运用最小二乘法建立一个新的函数模型,来逼近检测曲线上的已知样本点得到拟合曲线,计算已知样本点与函数模型上的对应点之间的差值的平方和S,将令平方和S取得最小值的函数模型作为拟合曲线
步骤四、基于曲率和的干涉条纹特征提取
对于步骤三得到的拟合曲线求解对应的曲率和,作为干涉条纹的特征值。
2.如权利要求1所述基于曲率和的主动声呐干涉条纹特征提取方法,其特征在于:步骤一中建立的接收器位置的声压场模型为:
其中,C为常数,r1、r2分别为声源到目标、目标到接收器的距离;ω是声波频率,S(am,φ,an,φ0)表示散射矩阵,am、an分别表示入射波的入射角度和反射波的反射角度,φ、φ0分别表示入射声波的方位角和反射声波的方位角;m为入射信号的信道个数,n为目标反射后的信道个数,m>n;km是第m个信道传播的水平波束,kn是第n个信道传播的水平波束;ψm是目标相关的深度相关模式函数,其中ψm(zs)是目标深度相关模式函数,ψm(zt)是发射声源深度相关模式函数;ψn是反射模态相关的模式函数,其中ψn(zt)是反射模态中目标深度相关模式函数,ψn(zr)是反射模态中接收器深度相关模式函数。
3.如权利要求1所述基于曲率和的主动声呐干涉条纹特征提取方法,其特征在于:{(xi,yi):i=1,2,3,....,n}为检测曲线上的一组数据点,拟合曲线的模型为两条曲线在第i个数据点处的距离误差为/>则第i个实际给定数据点Yi与拟合曲线模型之差的平方和S为:
其中为拟合曲线上的第i个点,n为目标反射后的信道个数。
4.如权利要求1所述基于曲率和的主动声呐干涉条纹特征提取方法,其特征在于:步骤四中,对拟合曲线提取曲率和作为特征的方法为:
定义法曲率kn,得到主曲率的方程:
(EG-F2)kn 2-(EN-2FM+GL)kn+(LN-M2)=0 (3)
其中E、F、G为第一基本形式I的系数,L、M、N为第二基本形式II的系数;
设du:dv是曲面上一点p(u,v)处的任意一个切方向,该切方向与u线的夹角记为θ,根据曲面上两条曲线夹角公式得到:
又因为p点处各方向的法曲率公式为:
将式子(4)带入式子(5)可得:
式子(6)为欧拉公式,反映了法曲率随方向变化的规律,因为高斯曲率K=k1k2,平均曲率为根据式子(3)和式子(6),由韦达定理可得:
根据曲率和公式求解条纹特征值:
m为拟合曲线上点的个数,M为采样最大点数,G(x,y,σ)为高斯标准差的高斯函数:
其中σ为高斯标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891208.7A CN113805160B (zh) | 2021-08-04 | 2021-08-04 | 基于曲率和的主动声呐干涉条纹特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891208.7A CN113805160B (zh) | 2021-08-04 | 2021-08-04 | 基于曲率和的主动声呐干涉条纹特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113805160A CN113805160A (zh) | 2021-12-17 |
CN113805160B true CN113805160B (zh) | 2024-05-28 |
Family
ID=78893263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110891208.7A Active CN113805160B (zh) | 2021-08-04 | 2021-08-04 | 基于曲率和的主动声呐干涉条纹特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113805160B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487796A (zh) * | 2013-09-23 | 2014-01-01 | 河海大学常州校区 | 一种利用水声信道统计不变特征实现被动测距的方法 |
CN104361573A (zh) * | 2014-09-26 | 2015-02-18 | 北京航空航天大学 | 融合颜色信息和全局信息的sift特征匹配算法 |
CN105629220A (zh) * | 2016-02-18 | 2016-06-01 | 国家海洋局第三海洋研究所 | 一种基于单水听器的深海水声被动测距方法 |
CN107437097A (zh) * | 2017-07-28 | 2017-12-05 | 南京航空航天大学 | 一种基于角点描述的两阶段局部轮廓匹配方法 |
CN107507208A (zh) * | 2017-07-12 | 2017-12-22 | 天津大学 | 一种基于轮廓上曲率估计的图像特征点提取方法 |
CN109444864A (zh) * | 2018-12-21 | 2019-03-08 | 西北工业大学 | 一种深海微弱多目标深度长时累积估计方法 |
CN110365345A (zh) * | 2019-06-06 | 2019-10-22 | 杭州电子科技大学 | 一种基于频域先验信息的压缩感知方法 |
CN112214724A (zh) * | 2019-07-11 | 2021-01-12 | 意法半导体(R&D)有限公司 | 时域离散变换计算 |
-
2021
- 2021-08-04 CN CN202110891208.7A patent/CN113805160B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487796A (zh) * | 2013-09-23 | 2014-01-01 | 河海大学常州校区 | 一种利用水声信道统计不变特征实现被动测距的方法 |
CN104361573A (zh) * | 2014-09-26 | 2015-02-18 | 北京航空航天大学 | 融合颜色信息和全局信息的sift特征匹配算法 |
CN105629220A (zh) * | 2016-02-18 | 2016-06-01 | 国家海洋局第三海洋研究所 | 一种基于单水听器的深海水声被动测距方法 |
CN107507208A (zh) * | 2017-07-12 | 2017-12-22 | 天津大学 | 一种基于轮廓上曲率估计的图像特征点提取方法 |
CN107437097A (zh) * | 2017-07-28 | 2017-12-05 | 南京航空航天大学 | 一种基于角点描述的两阶段局部轮廓匹配方法 |
CN109444864A (zh) * | 2018-12-21 | 2019-03-08 | 西北工业大学 | 一种深海微弱多目标深度长时累积估计方法 |
CN110365345A (zh) * | 2019-06-06 | 2019-10-22 | 杭州电子科技大学 | 一种基于频域先验信息的压缩感知方法 |
CN112214724A (zh) * | 2019-07-11 | 2021-01-12 | 意法半导体(R&D)有限公司 | 时域离散变换计算 |
Non-Patent Citations (4)
Title |
---|
use of the invariance principle for target trackong in active sonar geometries;Jorge E 等;《OCEANS 2006》;1-5 * |
侧扫声呐图像特征提取和匹配方法研究;王其林;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第08期);正文全文 * |
基于主曲率的图像纹理特征提取方法研究;寇旗旗;《中国博士学位论文全文数据库信息科技辑》(第09期);正文全文 * |
基于字典学习的主动声呐目标分类方法;王红 等;《声学技术》;第39卷(第5期);552-558 * |
Also Published As
Publication number | Publication date |
---|---|
CN113805160A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112083404B (zh) | 一种基于多途特征匹配的单矢量水听器声源深度估计方法 | |
CN111580048B (zh) | 一种利用单矢量水听器的宽带声源深度估计方法 | |
CN112965053B (zh) | 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法 | |
CN113064147B (zh) | 一种低信噪比下新型匹配场被动定位方法 | |
CN111914641B (zh) | 一种基于模态强度匹配分析的目标深度辨识方法及系统 | |
Ji et al. | 3-D ultrasonic localization of transformer patrol robot based on EMD and PHAT-β algorithms | |
CN111679248B (zh) | 一种基于海底水平l型阵列的目标方位和距离联合稀疏重构定位方法 | |
CN112098938B (zh) | 一种基于六元锥矢量阵的水声目标降维匹配声场定位方法 | |
CN113805160B (zh) | 基于曲率和的主动声呐干涉条纹特征提取方法 | |
CN106546947A (zh) | 一种联合波导不变量和线谱的单水听器被动定位方法 | |
CN112904316A (zh) | 一种针对海面波动的机载激光测深数据折射误差改正方法 | |
Ni et al. | Comparison of Single-beam and Multibeam Sonar Systems for Sediment Characterization: Results from Shallow Water Experiment | |
CN115236592B (zh) | 一种基于单阵元时频曲线匹配的冰声定位方法 | |
KR101864307B1 (ko) | 그래디언트 분석을 통한 탄성파 너울보정 및 지하지층구조 탐사 자료 처리방법 및 그 기록매체 | |
CN113126029B (zh) | 适用于深海可靠声路径环境的多传感器脉冲声源定位方法 | |
CN103197282B (zh) | 基于幅度补偿的mvdr时反聚焦定位方法 | |
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 | |
CN113640806B (zh) | 一种基于多声纳设备的沉积层声特性获取方法及系统 | |
CN111190167B (zh) | 一种仿生声呐机器人的目标定位方法 | |
CN115902849A (zh) | 一种基于波束输出强度重采样的深海声源深度估计方法 | |
CN115201821A (zh) | 基于强目标成像对消的小目标检测方法 | |
Zeng et al. | An improved forward-looking sonar 3D visualization scheme of underwater objects | |
CN112577467B (zh) | 一种海底界面一维粗糙度谱计算方法 | |
CN113705605B (zh) | 部分人工介入的多波束测深数据异常值自动清理方法 | |
KR102207070B1 (ko) | 잔향수조에서의 음원 지향성 산정에 적용하는 간이추정방법 |
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 |