CN114662603A - 一种船载多元的海洋环境信息采集可视化算法 - Google Patents
一种船载多元的海洋环境信息采集可视化算法 Download PDFInfo
- Publication number
- CN114662603A CN114662603A CN202210310764.5A CN202210310764A CN114662603A CN 114662603 A CN114662603 A CN 114662603A CN 202210310764 A CN202210310764 A CN 202210310764A CN 114662603 A CN114662603 A CN 114662603A
- Authority
- CN
- China
- Prior art keywords
- sound
- marine
- sound source
- source object
- data
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Abstract
本发明涉及海洋环境技术领域,具体地说,涉及一种船载多元的海洋环境信息采集可视化算法。其包括如下方法步骤:获取当前海洋地域信息,得到当前海洋地域环境的面积数据;据获取的当前海洋面积数据对海洋信息投放的一定的采集浮标;设定不同浮标的位置对不同位置的海洋声音数据的获取,并根据声量的分贝度区间来对声音所对应的声源物进行对应;并根据获取声音的分贝度及声源物,对所产生的海洋表面震动幅度数据同步获取;通过对海洋声音数据与海洋表面震动幅度的统计,并绘制成相应的数据可视化图表。
Description
技术领域
本发明涉及海洋环境的技术领域,具体地说,涉及一种船载多元的海洋环境信息采集可视化算法。
背景技术
海洋环境是指海洋内的海水所产生的一系列海洋生态信息,目前对海洋环境信息的检测是通过在该区域内插设浮标,通过浮标上附带的检测传感器来获取当前海洋内环境的数据,其中,浮标会对海洋内的噪声进行获取,但是当海洋内上有着不同声源所产生的噪声时,无法进行适配确定噪声所对应的声源,导致无法对当前区域内所产生的噪声进行适应性管理或改善,导致海洋环境生物会受到噪声刺激改变浮游与潜水的规律,且会引起海洋环境生物与硬质障碍物之间的碰撞,影响了该区域内生物的生存,使得该环境下使得海洋生物的生存寿命降低。
发明内容
本发明的目的在于提供一种船载多元的海洋环境信息采集可视化算法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明目的在于提供了一种船载多元的海洋环境信息采集可视化算法,包括如下方法步骤:
S1、获取当前海洋地域信息,得到当前海洋地域环境的面积数据;
S2、据获取的当前海洋面积数据对海洋信息投放的一定的采集浮标;
S3、设定不同浮标的位置对不同位置的海洋声音数据的获取,并根据声量的分贝度区间来对声音所对应的声源物进行对应;
S4、并根据获取声音的分贝度及声源物,对所产生的海洋表面震动幅度数据同步获取;
S5、通过对海洋声音数据与海洋表面震动幅度的统计,并绘制成相应的数据可视化图表。
作为本技术方案的进一步改进,所述S1中,通过卫星获取当前海洋地域环境的面积信息,并对当前海洋地域环境的信息数据与其它相似海洋地域环境的信息通过序列对比算法做出校对,且根据校对的信息数据来对不同区域内声音分贝度与声源物进行分析。
作为本技术方案的进一步改进,所述序列对比算法包括如下算法步骤:
根据获得海洋地域环境的面积数据信息数据创建序列集中数据;
计算海洋地域环境的面积数据信息序列集中数据的各个行为序列之间的序列间相似度分值;
得到海洋地域环境的面积数据信息序列相似性特征表;
进行海洋地域环境的面积数据信息相似度的校对。
作为本技术方案的进一步改进,所述采集浮标包括采集海洋中的海水温度、盐度、密度、声音和震动,并根据所获取的海水温度、盐度、密度、声速和震动制成相应的序列图表。
作为本技术方案的进一步改进,所述声源物包括海洋、生物、地震、雨和人为噪声,并根据声音的分贝度与相匹配的声源物进行连接对应。
作为本技术方案的进一步改进,分贝度与相匹配的声源物通过匹配算法进行分析匹配,所述匹配算法包括如下方法步骤:
将初始的声音进行输入,并得到各组特征序列形成参考样本,形成特征序列声音对应声源物;
并标记为R=(R1,R2,R3,R4,R1,R5...),式中(1,2,3,4,5...)为参考样本对应数值;
对获取的声音分贝度与特征序列声音对应声源物参考样本做出匹配分析;
得到特征序列为声音对应声源物,并标记为T=(T2,T2,T3,T4,T5...),式中(1,2,3,4,5...)为特征序列为声音对应声源物;
并通过声纹识别算法对当前获取的声音进行比对,其中声纹识别算法包括如下算法步骤:
提取声源物特征参数,并对获取的声音进行适应性聚类,当两者的声音特征越接近,其之间所定义的竖直就越小;
首先通过高斯声源物训练参数,确定每一个所对应的R=(i=1,...M,且在运算分类之前,先进行初始分类,设其分为K类,方法如下:
初始R1确定之后,剩余获取声音选取与本身距离较为最近的R1,完成初始聚类;
其次确定参数,期望得到的聚类数(声音分5类),最后通过修正的迭代自组织动态聚类算法,将获得的聚类集进行分裂和合并处理,以获得新的声源物和声音;
反复经过多次迭代运算,直至各项参数符合要求,得到理想的聚类结果,确定最终的类模型参数。
作为本技术方案的进一步改进,所述海洋表面震动幅度为强、中和弱,并通过对应海洋表面震动幅度来与声源物进行适配对应连接,获取与声源物分贝度适配的海洋表面震动幅度。
作为本技术方案的进一步改进,所述声源物包括有多种对应适配的音色范围,并根据不同的音色范围对当前声源物与声音分贝度及海洋表面震动幅度对应连接。
作为本技术方案的进一步改进,所述数据可视化图表可分为折线图、柱形图和饼图,并达到不同区域适应性的校对。
与现有技术相比,本发明的有益效果:
该一种船载多元的海洋环境信息采集可视化算法中,通过采集浮标对声量的分贝度与声源物进行对应,确定声源物和声音的分贝度基础范围,并通过采集浮标对海洋震动幅度数据进行获取,对海洋震动幅度与声源物进行适配对应,得出当前海洋地域环境内噪声的具体来源,然后进行适配噪声的解决降低,避免海洋环境生物被噪声影响改变浮游与潜水的规律,更是降低了海洋地域环境生物与硬质障碍物之间的碰撞的可能,尽可能的保证当前海洋地域环境内生物的生存寿命不被影响。
附图说明
图1为本发明的整体算法流程图;
图2为本发明的序列对比算法流程图;
图3为本发明的采集浮标流程图;
图4为本发明的声源物流程图;
图5为本发明的震动幅度流程图;
图6为本发明的匹配算法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
请参阅图1-图6所示,本实施例目的在于,提供了一种船载多元的海洋环境信息采集可视化算法,包括如下方法步骤:
S1、获取当前海洋地域信息,得到当前海洋地域环境的面积数据;
S2、据获取的当前海洋面积数据对海洋信息投放的一定的采集浮标;
S3、设定不同浮标的位置对不同位置的海洋声音数据的获取,并根据声量的分贝度区间来对声音所对应的声源物进行对应;
S4、并根据获取声音的分贝度及声源物,对所产生的海洋表面震动幅度数据同步获取;
S5、通过对海洋声音数据与海洋表面震动幅度的统计,并绘制成相应的数据可视化图表。
本实施例中,通过对当前海洋地域信息的面积数据进行识别获悉,然后根据面积的范围对当前海洋地域环境内不同的位置进行适量的投放采集浮标,因采集浮标内嵌设检测传感器,通过采集浮标对当前海洋区域内的声量的分贝度进行获取,且根据声量的分贝度与声源物进行对应,确定声源物和声音的分贝度基础范围,并通过采集浮标对海洋震动幅度数据进行获取,对海洋震动幅度与声源物进行适配对应,得出当前海洋地域环境内噪声的具体来源,然后进行适配噪声的解决降低,避免海洋环境生物被噪声影响改变浮游与潜水的规律,更是降低了海洋地域环境生物与硬质障碍物之间的碰撞的可能,尽可能的保证当前海洋地域环境内生物的生存寿命不被影响。
具体的,S1中,通过卫星获取当前海洋地域环境的面积信息,并对当前海洋地域环境的信息数据与其它相似海洋地域环境的信息通过序列对比算法做出校对,且根据校对的信息数据来对不同区域内声音分贝度与声源物进行分析,通过卫星可获取当前海洋地域环境的面积信息,且还可获取其它海洋地域环境的面积信息,从而可对多个海洋地域环境的信息进行分析,并进行寻找与当前较为相似的海洋地域环境,来对海洋地域环境相似的海域进行同步分析,并通过每个海洋环境地域信息声音的分贝度与声源物进行同步分析,当确定较为相似的海洋地域环境信息时,对该区域内的海洋地域环境信息进行同步替代,并做出合理的噪声解决方案。
序列对比算法包括如下算法步骤:
根据获得海洋地域环境的面积数据信息数据创建序列集中数据;
计算海洋地域环境的面积数据信息序列集中数据的各个行为序列之间的序列间相似度分值;
得到海洋地域环境的面积数据信息序列相似性特征表;
进行海洋地域环境的面积数据信息相似度的校对;
相似度分值是根据当前的海洋地域环境数据与其它多个海洋地域环境数据之间,然后形成了序列相似性特征表,通过数据的比对而形成的相似度数值,根据相似度的数值可判断出与当前相似度数据最高的海洋地域环境信息,获得与当前海洋地域环境信息嘴较为接近的其它海洋地域环境信息,从而可对最为相似的海洋馆地域环境信息进行同步噪声的处理。
考虑到海洋内环境信息的情况为多种,并不局限于噪声,为了对海洋地域环境具体信息进一步采集,采集浮标包括采集海洋中的海水温度、盐度、密度、声音和震动,并根据所获取的海水温度、盐度、密度、声速和震动制成相应的序列图表,通过对海水温度、盐度、密度、声音和震动,对海洋内环境信息数据多种分析,来确定海洋内环境信息的多种异常问题,并同步记录,来对当前海洋内环境信息具体分析,并在分析后人员对海洋内环境进行问题的解决,利于海洋生物的正常生存;其中对于海水的温度来说,当气候为正常状况时,可推断出造成海水温度异常的原因,当盐度不符合当前海洋内环境的标准时也可快速的获悉,避免海域环境内生物的死亡,对海水密度来说,同样也可考虑是否为海水内盐度和温度的影响,从而可进一步对海洋内环境数据进一步分析。
其中,声源物包括海洋、生物、地震、雨和人为噪声,并根据声音的分贝度与相匹配的声源物进行连接对应,通过对声源物划分,分别为海洋、生物、地震、雨和人为噪声,从而对不同的声源物产生的分贝声音进行对应,且对于海洋、生物、地震、雨和人为噪声所产生的噪声来说,分贝量度均为不同,从而可对声音的声源物基础划分,利于对当前海洋地域环境信息噪声数据进一步确定。
分贝度与相匹配的声源物通过匹配算法进行分析匹配,所述匹配算法包括如下方法步骤:
将初始的声音进行输入,并得到各组特征序列形成参考样本,形成特征序列声音对应声源物;
并标记为R=(R1,R2,R3,R4,R1,R5...),式中(1,2,3,4,5...)为参考样本对应数值;
对获取的声音分贝度与特征序列声音对应声源物参考样本做出匹配分析;
得到特征序列为声音对应声源物,并标记为T=(T1,T2,T3,T4,T5...),式中(1,2,3,4,5...)为特征序列为声音对应声源物。
进一步的,海洋表面震动幅度为强、中和弱,并通过对应海洋表面震动幅度来与声源物进行适配对应连接,获取与声源物分贝度适配的海洋表面震动幅度,随着海洋地域环境声音的存在,海洋地域环境表面同样会存在一定的震动幅度,通过振动幅度与声源物会造成的幅度进行适配校对,对声音分贝较大声源物会对海洋环境造成较大的震动幅度,从而可通过振动的幅度来进一步确定声源物的属性种类,并利于后续人为进行解决处理,其中对于震动幅度来说,可对强震动幅度分为(6-9),中震动幅度分为(3-5),低震动幅度分为(1-2),从而可确切的海洋表面振动幅度具体分析判断,加强分析判断的精确性。
考虑到对不同的声源物来说,其本身也具有不同的音色范围,为了进一步的对声源物的确定,声源物包括有多种对应适配的音色范围,并根据不同的音色范围对当前声源物与声音分贝度及海洋表面震动幅度对应连接,通过与海洋、生物、地震、雨和人为噪声中对应的音色范围进行分辨当前声源物的种类,来进一步规划与海洋、生物、地震、雨和人为噪声中对应的声音分贝,加快确定当前海洋环境信息的具体数据;其中,海洋噪声包括海洋地域环境生自身发出的噪声,如潮汐和浪涌等,生物噪声包括鱼群游动或本身引发的噪声,地震噪声包括山体、海体的震动噪声,雨噪声包括雨滴和雪滴产的噪声,人为噪声包括船体和机械的噪声,通过选取潮汐和浪涌的声音片段,鱼群游动或本身引发的噪声声音片段,山体、海体的震动噪声声音片段,雨滴和雪滴产的噪声声音片段,船体和机械的噪声声音片段,并通过声纹识别算法对当前获取的声音进行比对,其中声纹识别算法包括如下算法步骤:
提取声源物特征参数,并对获取的声音进行适应性聚类,当两者的声音特征越接近,其之间所定义的竖直就越小;
首先建立声源物训练参数,确定每一个所对应的R=(i=1,...M,且在运算分类之前,先进行初始分类,设其分为K类,方法如下:
初始R1确定之后,剩余获取声音选取与本身距离较为最近的R1,完成初始聚类;
其次确定参数,期望得到的声源物类数,最后通过修正的迭代自组织动态聚类算法,将获得的聚类集进行分裂和合并处理,以获得新的声源物和声音;
反复经过多次迭代运算,直至各项参数符合要求,得到理想的声源物结果,确定最终的声源物参数;
从而,对噪声再进一步的分类并进行相似对应,当确定获取的声音为当前的声源物时,即进行适应性匹配,使得声源物再次确定。
根据创建的初始音色样本范围,并做出对应音色范围的标记,通过与当前音色范围与初始音色样本范围进行匹配分析,从而可分析处当前的音色范围对应声源物。
数据可视化图表可分为折线图、柱形图和饼图,并达到不同区域适应性的校对,通过绘制可视化图标,使得对整个海洋地域环境信息的进一步直观分析,且通过折线图、柱形图和饼图更可利于人员对相似海洋地域环境的校对分析。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种船载多元的海洋环境信息采集可视化算法,其特征在于:包括如下方法步骤:
S1、获取当前海洋地域信息,得到当前海洋地域环境的面积数据;
S2、据获取的当前海洋面积数据对海洋信息投放的一定的采集浮标;
S3、设定不同浮标的位置对不同位置的海洋声音数据的获取,并根据声量的分贝度区间来对声音所对应的声源物进行对应;
S4、并根据获取声音的分贝度及声源物,对所产生的海洋表面震动幅度数据同步获取;
S5、通过对海洋声音数据与海洋表面震动幅度的统计,并绘制成相应的数据可视化图表。
2.根据权利要求1所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述S1中,通过卫星获取当前海洋地域环境的面积信息,并对当前海洋地域环境的信息数据与其它相似海洋地域环境的信息通过序列对比算法做出校对,且根据校对的信息数据来对不同区域内声音分贝度与声源物进行分析。
3.根据权利要求2所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述序列对比算法包括如下算法步骤:
根据获得海洋地域环境的面积数据信息数据创建序列集中数据;
计算海洋地域环境的面积数据信息序列集中数据的各个行为序列之间的序列间相似度分值;
得到海洋地域环境的面积数据信息序列相似性特征表;
进行海洋地域环境的面积数据信息相似度的校对。
4.根据权利要求1所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述采集浮标包括采集海洋中的海水温度、盐度、密度、声音和震动,并根据所获取的海水温度、盐度、密度、声速和震动制成相应的序列图表。
5.根据权利要求1所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述声源物包括海洋、生物、地震、雨和人为噪声,并根据声音的分贝度与相匹配的声源物进行连接对应。
6.根据权利要求5所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述声源物包括海洋、生物、地震、雨和人为噪声,并根据声音的分贝度与相匹配的声源物进行连接对应。
7.根据权利要求6所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述分贝度与相匹配的声源物通过匹配算法进行分析匹配,所述匹配算法包括如下方法步骤:
将初始的声音进行输入,并得到各组特征序列形成参考样本,形成特征序列声音对应声源物;
并标记为R=(R1,R2,R3,R4,R1,R5...),式中(1,2,3,4,5...)为参考样本对应数值;
对获取的声音分贝度与特征序列声音对应声源物参考样本做出匹配分析;
得到特征序列为声音对应声源物,并标记为T=(T2,T2,T3,T4,T5...),式中(1,2,3,4,5...)为特征序列为声音对应声源物;
并通过声纹识别算法对当前获取的声音进行比对,其中声纹识别算法包括如下算法步骤:
提取声源物特征参数,并对获取的声音进行适应性聚类,当两者的声音特征越接近,其之间所定义的竖直就越小;
首先通过高斯声源物训练参数,确定每一个所对应的R=(i=1,...M,且在运算分类之前,先进行初始分类,设其分为K类,方法如下:
初始R1确定之后,剩余获取声音选取与本身距离较为最近的R1,完成初始聚类;
其次确定参数,期望得到的声源物类数,最后通过修正的迭代自组织动态聚类算法,将获得的聚类集进行分裂和合并处理,以获得新的声源物和声音;
反复经过多次迭代运算,直至各项参数符合要求,得到理想的聚类结果,确定最终的类模型参数。
8.根据权利要求1所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述海洋表面震动幅度为强、中和弱,并通过对应海洋表面震动幅度来与声源物进行适配对应连接,获取与声源物分贝度适配的海洋表面震动幅度。
9.根据权利要求1所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述声源物包括有多种对应适配的音色范围,并根据不同的音色范围对当前声源物与声音分贝度及海洋表面震动幅度对应连接。
10.根据权利要求1所述的一种船载多元的海洋环境信息采集可视化算法,其特征在于:所述数据可视化图表可分为折线图、柱形图和饼图,并达到不同区域适应性的校对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210310764.5A CN114662603A (zh) | 2022-03-28 | 2022-03-28 | 一种船载多元的海洋环境信息采集可视化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210310764.5A CN114662603A (zh) | 2022-03-28 | 2022-03-28 | 一种船载多元的海洋环境信息采集可视化算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114662603A true CN114662603A (zh) | 2022-06-24 |
Family
ID=82034058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210310764.5A Withdrawn CN114662603A (zh) | 2022-03-28 | 2022-03-28 | 一种船载多元的海洋环境信息采集可视化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662603A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115235434A (zh) * | 2022-08-01 | 2022-10-25 | 中国海洋大学 | 深海内波扰动海底边界层环境的长期监测系统及工作方法 |
-
2022
- 2022-03-28 CN CN202210310764.5A patent/CN114662603A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115235434A (zh) * | 2022-08-01 | 2022-10-25 | 中国海洋大学 | 深海内波扰动海底边界层环境的长期监测系统及工作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033051B (zh) | 一种基于多步聚类的拖网渔船行为判别方法 | |
Scheifele et al. | Indication of a Lombard vocal response in the St. Lawrence River beluga | |
Guihen et al. | An assessment of the use of ocean gliders to undertake acoustic measurements of zooplankton: the distribution and density of Antarctic krill (Euphausia superba) in the Weddell Sea. | |
Miksis-Olds et al. | Exploring the ocean through soundscapes | |
Garland et al. | Improved versions of the Levenshtein distance method for comparing sequence information in animals’ vocalisations: tests using humpback whale song | |
CN108304810B (zh) | 基于神经网络的水下仿生侧线水压与水流场信息探测方法 | |
CN111444769B (zh) | 一种基于多尺度自适应随机森林的激光雷达检测人腿方法 | |
CN117198330B (zh) | 一种声源识别方法、系统及电子设备 | |
Shabangu et al. | Acoustic seasonality, behaviour and detection ranges of Antarctic blue and fin whales under different sea ice conditions off Antarctica | |
Allen et al. | Using self-organizing maps to classify humpback whale song units and quantify their similarity | |
CN114662603A (zh) | 一种船载多元的海洋环境信息采集可视化算法 | |
CN104180873A (zh) | 一种单波束测深仪水深粗差检测修正方法及系统 | |
CN112613504A (zh) | 一种声呐水下目标检测方法 | |
Soldevilla et al. | Geographic variation in Risso's dolphin echolocation click spectra | |
CN114972918B (zh) | 基于集成学习与ais数据的遥感图像舰船目标识别方法 | |
CN107563296B (zh) | 基岩海岸岸线的提取方法及系统 | |
Mouy et al. | Automatic recognition of fin and blue whale calls for real-time monitoring in the St. Lawrence | |
Solsona‐Berga et al. | Echolocation repetition rate as a proxy to monitor population structure and dynamics of sperm whales | |
CN114511774A (zh) | 一种舰船目标综合识别方法、介质和系统 | |
CN116562467B (zh) | 一种海洋鱼类目标种类识别及分布预测方法及系统 | |
CN115114949A (zh) | 一种基于水声信号的舰船目标智能识别方法及系统 | |
CN117075092A (zh) | 一种基于森林算法的水下声呐侧扫图像小目标检测方法 | |
CN112907615A (zh) | 基于区域生长的海底地貌单元轮廓及细节识别方法 | |
Beentjes et al. | Blue cod relative abundance, size and age structure, and habitat surveys of Marlborough Sounds in 2013 | |
Lovrinčević | Quality assessment of an automatic sounding selection process for navigational charts |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220624 |