CN118089747A - 恒定体积目标的仿生侧线定位方法及系统 - Google Patents

恒定体积目标的仿生侧线定位方法及系统 Download PDF

Info

Publication number
CN118089747A
CN118089747A CN202410518126.1A CN202410518126A CN118089747A CN 118089747 A CN118089747 A CN 118089747A CN 202410518126 A CN202410518126 A CN 202410518126A CN 118089747 A CN118089747 A CN 118089747A
Authority
CN
China
Prior art keywords
array
target
positioning
side line
constant volume
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.)
Pending
Application number
CN202410518126.1A
Other languages
English (en)
Inventor
季明江
秦婉亭
冉德超
曹璐
张瑞辰
郭鹏宇
刘勇
覃江毅
王凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Defense Technology Innovation Institute PLA Academy of Military Science
Original Assignee
National Defense Technology Innovation Institute PLA Academy of Military Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Defense Technology Innovation Institute PLA Academy of Military Science filed Critical National Defense Technology Innovation Institute PLA Academy of Military Science
Priority to CN202410518126.1A priority Critical patent/CN118089747A/zh
Publication of CN118089747A publication Critical patent/CN118089747A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/203—Specially adapted for sailing ships
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种恒定体积目标的仿生侧线定位方法及系统，所述方法应用于水下机器人或水下无人潜航器，具体步骤如下：步骤S1，采集水下机器人或水下无人潜航器的人工侧线阵列各阵元的压力变化信号；步骤S2，计算协方差矩阵；步骤S3，计算噪声子空间；步骤S4，计算空间谱；步骤S5，对空间谱进行谱峰搜索，判断峰值所在的位置，根据峰值所在位置确定目标位置；当有多个峰值时，表示有多个目标，根据峰值所在位置确定多个目标位置。本方法和系统适用于以一般规律运动的一般形状目标的定位，可实现多目标定位，且分辨能力强，具有更强的适应性和实用性。

Description

恒定体积目标的仿生侧线定位方法及系统
技术领域
本发明涉及水下无人潜航器以及近场定位技术领域，尤其是一种恒定体积目标的仿生侧线定位方法及系统。
背景技术
水下无人集群在军事装备、资源勘探、科学研究等方面具有重要作用，往往需要紧密编队以协同完成特定的任务，近场定位是无人系统集群化密集化运行的关键技术。鱼类可以有效地感知周围水环境中的水动力学变化信息，并在鱼类的趋流、避障、捕食定位、集群等行为中起到重要的作用。借鉴大自然中鱼类利用侧线器官感知周围同伴或目标的基本原理，仿生侧线定位这一技术途径被提出以解决水下机器人或潜航器的近场同类/异类目标的探测定位问题。
就仿生侧线近场目标定位而言，当前的技术方案主要根据目标的既有运动特点而针对性地设计相应的定位方法，如将目标视为一个以恒定频率、幅度运动的理想偶极子源，通过获取其产生的水动力场变化数据反解目标位置。此类方法在实际应用过程中具有很大的局限性，面临“目标不一样则定位方法不一样”的问题，对于如何定位以一般规律运动的一般形状目标仍未见有效的解决方案。
本发明针对更具一般性的以任意频率和幅度运动的恒定体积目标，提出了相应的有效定位方法，适应性更强，更为实用。
发明内容
针对现有技术存在的问题，本发明的目的在于提供一种恒定体积目标的仿生侧线定位方法及系统，适用于以一般规律运动的一般形状目标的定位，可实现多目标定位，且分辨能力强，具有更强的适应性和实用性。
为实现上述目的，本发明提供一种恒定体积目标的仿生侧线定位方法，所述方法应用于水下机器人或水下无人潜航器，具体步骤如下：
步骤S1，采集水下机器人或水下无人潜航器的人工侧线阵列各阵元的压力变化信号；
步骤S2，根据人工侧线阵列各阵元的压力变化信号计算协方差矩阵；
步骤S3，对协方差矩阵做特征分解，计算噪声子空间/>；
步骤S4，计算空间谱；计算不同位置处的空间谱数值，得到整个区域的空间谱；
步骤S5，对空间谱进行谱峰搜索，判断峰值所在的位置，根据峰值所在位置确定目标位置；当有多个峰值时，表示有多个目标，根据峰值所在位置确定多个目标位置。
进一步，步骤S1中，人工侧线阵列是根据仿生鱼类侧线感知压力变化的原理，在水下无人潜航器上设置由若干压力传感器组成的阵列，用于测量水下目标运动时产生的水动力场压力变化，所述阵列布置于水下无人潜航器的外表面。
进一步，步骤S1中，各阵元的压力变化信号作为向量，其元素/>分别表示编号为i的阵元采集得到的压力信号，其中M表示阵元数量，N表示快拍数。
进一步，步骤S2中，计算协方差矩阵的公式如下：
。
进一步，步骤S3中，对协方差矩阵做特征分解，当有m (m<M)个目标时，噪声子空间/>是由矩阵/>的M-m个小特征值对应的特征向量张成的向量空间，是一个维的矩阵。
进一步，步骤S4中，选定一个目标位置区域，并将/>按一定的间隔划分出若干离散位置/>，K表示所划分得到的离散位置点的数量，按如下公式计算不同位置处的空间谱数值，得到整个区域的空间谱
式中，为阵列响应向量，描述了当目标做简谐运动时，由人工侧线阵列各阵元采集得到的压力信号的变化幅值/>组成的向量，r表示位置向量，M为阵元的个数，i表示阵元的编号。
进一步，确定阵列响应向量的具体方式如下：
步骤S100，设置目标简谐运动参数；
确定目标做简谐运动的幅值和频率/>，使得目标以给定位置为中心，按做简谐运动；
步骤S200，采集训练数据；
选择合适的数据采样区域，并在整个区域内设置合适的数据采样点，K0表示设置的数据采样点数量，建立采样点网格，利用与阵列外形和阵元布局相同的阵列采集训练数据；
步骤S300，阵列响应向量拟合；
利用各阵元的离散采样压力信号数据，求取各阵元的压力变化幅值，得到，分别对/>的各分量/>进行学习拟合；
进一步，步骤S100至S300仅需在定位前执行一次，以得到学习拟合后的阵列响应向量，后续每一次定位计算时直接使用。
进一步，训练采样点的间隔大于空间谱计算时所选择位置点的间隔，计算空间谱时利用学习拟合得到的响应向量函数模型进行插值。
另一方面，本发明提供一种恒定体积目标的仿生侧线定位系统，所述系统用于实现根据本发明的恒定体积目标的仿生侧线定位方法，所述系统应用于水下机器人或水下无人潜航器，提供恒定体积目标的定位。
有益效果如下：
（1）本方法不约束目标的形状，适用于一般恒定体积目标的定位。
（2）本方法不约束目标作固定幅值与频率的简谐运动，适用于以时变幅值和频率运动目标的定位。
（3）本方法不约束人工侧线阵列的形状和阵元布局，适用于一般外形和阵元分布的人工侧线阵列。通过学习拟合得到难以解析建模的阵列响应向量，且仅需要采集简谐运动这一条件下的压力数据来进行一次学习即可。同时，对于较大的球形或近球形目标，还可采用等比例缩比目标模型，降低响应向量建模的工程难度。
（4）本方法可实现多目标定位，且分辨能力强。
附图说明
图1示出了根据本发明的恒定体积目标的仿生侧线定位方法流程图；
图2示出了根据本发明的几个典型的阵列结构示意图；
图3示出了根据本发明实施例的一个平面线型阵列结构示意图；
图4示出了根据本发明实施例的空间谱示意图。
具体实施方式
下面将结合附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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装置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。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合图1-图4对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
本发明针对水下无人潜航器集群在定位目标过程中使用的定位方法进行改机，提出了一种恒定体积目标的仿生侧线定位方法及系统，本方法针对以任意频率和幅度运动的恒定体积目标，提出了相应的更有效定位方法，适应性更强，更为实用。
对于水下无人潜航器，在其表面设置有人工侧线阵列，所述人工侧线阵列是根据仿生鱼类侧线感知压力变化的原理，在水下无人潜航器的外表面上设置由若干压力传感器组成的阵列，用于测量水下目标运动时产生的水动力场压力变化。通过水动力场压力变化实现水下目标定位。
对于一般的水下目标，在势流条件下，其运动时产生的流场速度势函数可表示为如下多极子展开式：
(1)
式中，为在给定笛卡尔坐标系下的位置向量，/>为该位置到原点的欧氏距离，/> (i=1,2,3)表示向量/>的第i个分量，/>表示向量/>的第j个分量，系数D、C、/>和/>为常数。展开式(1)的各项分别代表原点处的各阶极子，对应各阶基本解，通过基本解的叠加可以对任意目标的流场进行描述。在式(1)的表示方式下，极数较高的项随距离成指数衰减，这样，随着距离增加，低阶项趋于主导整个流场的特性。对于一般的目标，主要存在三个阶次的基本分量，即单极子、偶极子、四极子。单极子可以认为是点源或点汇，一般由体积脉动的球体产生，体积膨胀时为点源，体积缩小时为点汇。偶极子可以看作是两个相位相反且距离十分接近的单极子，体积恒定不变的物体运动产生偶极子源，典型的偶极子源由做正弦或余弦运动的小球产生。四极子可以看作是两个相位相反的偶极子。
在实际水下环境中，目标的体积一般不会变化，其单极子成分可以忽略。因此，在一定距离上，具有恒定体积的一般目标，其产生的水动力场具有偶极子基本流场的典型特征。
基于上述分析，在不约束所述目标的运动形式的情况下，本发明提出一种恒定体积目标的仿生侧线定位方法，具体步骤如下：
步骤S1，采集阵列信号；采集人工侧线阵列各阵元的压力变化信号，阵列信号就是指各阵元的压力变化信号，用向量/>表示。/>中，阵列由阵元组成。阵列信号指由各阵元采集信号的统称，此处的信号是压力变化信号。水下载体设置阵列的数量至少为一个，从方法原理上看，二维平面内目标的定位至少需要2个阵元，三维空间内目标的定位至少需要3个阵元且不在一条直线上。如图2所示，几个典型的阵列结构，包括平面线型阵、平面双线型阵、平面十字阵、柱面线型阵、柱面双线型阵和柱面十字阵。
人工侧线阵列：根据仿生鱼类侧线感知压力变化的原理，在水下无人潜航器上设置由若干压力传感器组成的阵列，用于测量水下目标运动时产生的水动力场压力变化，该阵列一般布置于水下无人潜航器的外表面。
向量，其元素分别表示编号为i的阵元采集得到的压力信号，其中M表示阵元数量，N表示快拍数，T表示向量或矩阵的转置。
步骤S2，计算协方差矩阵：
计算协方差的目的是进一步计算噪声子空间，是一个中间结果。
步骤S3，计算噪声子空间：
对协方差矩阵做特征分解，当有m (m<M)个目标时，/>是由矩阵/>的M-m个小特征值对应的特征向量张成的向量空间，是一个/>维的矩阵。
步骤S4，计算空间谱：
选定一个感兴趣的目标位置区域，并将/>按一定的间隔划分出若干离散位置，K表示所划分得到的离散位置点的数量，按如下公式计算不同位置处的空间谱数值，得到整个区域的空间谱
式中，为阵列响应向量，描述了当目标做简谐运动时，由人工侧线阵列各阵元采集得到的压力信号的变化幅值/>组成的向量，r表示位置向量，M为阵元的个数，i表示阵元的编号。
间隔的大小决定了定位时所能达到的最佳位置分辨率，相邻位置间可设置为相等间隔，使位置点均匀分布，也可根据需求非均匀设置，一般情况下，可将需要较高位置分辨率和精度的区域设置为较小间隔，反之将位置分辨率和精度需求低的区域设置为较大间隔，以平衡计算所需的时间。
因为在确定响应向量后才能计算空间谱/>，而阵列响应向量/>目标和阵列的外形、阵元的布局均有关系。对于某些外形规则的目标和阵列，如球形目标和平面阵列，其解析模型可建立且建模误差可接受，可直接采用解析建模的方式得到阵列响应向量。对于一般体积恒定的目标和人工侧线阵列，目标和阵列外形不规则，其解析模型难以建立或者建模误差较大，尚无有效的建立方法，本发明按如下步骤确定响应向量/>：
步骤S100，设置目标简谐运动参数；
确定目标做简谐运动的幅值和频率/>，使得目标以给定位置为中心，按做简谐运动。即，在计算过程中将目标的运动视作以给定位置为中心，按做简谐运动。
幅值和频率/>可根据目标外形特征与运动特性，综合运动控制与信号采集设备的实际性能设定。比如对于一个体积相对较大的目标，若设置的运动幅值或频率太大，则振动时阻力大，运动控制设备的驱动能力不一定满足，信号采集时可能饱和；若设置的运动幅值或频率太小，则信噪比较低，导致采集得到的数据质量不好。
特别地，对于较大的球形或近球形目标，可采用等比例缩比目标模型。
步骤S200，采集训练数据；
选择合适的数据采样区域，并在整个区域内设置合适的数据采样点，K0表示设置的数据采样点数量，建立采样点网格，利用与阵列外形和阵元布局相同的阵列采集训练数据。
根据所具备的实验室条件，可以选择采用数值仿真或实际实验的方式来获取训练数据。
步骤S300，阵列响应向量拟合；
利用各阵元的离散采样压力信号数据，求取各阵元的压力变化幅值，得到，分别对/>的各分量/>进行学习拟合。学习拟合方法可使用如GRNN（General Regression Neural Network，广义回归神经网络）。
需要说明的是，步骤S100至S300仅需在定位前执行一次，以得到学习拟合后的阵列响应向量，后续每一次定位计算时可直接使用。通常情况下，训练采样点的间隔要大于空间谱计算时所选择位置点的间隔，计算空间谱时利用学习拟合得到的响应向量函数模型进行插值。
步骤S5，谱峰搜索
峰值所在的位置即为目标位置。当有多个峰值时，表示有多个目标，峰值所在位置分别为各目标位置。
此外，本发明还提供一种恒定体积目标的仿生侧线定位系统，应用于水下机器人或无人潜航器，提供一般恒定体积目标的定位。
具体地，在图3示出的一个平面线型阵列的实施例中，以一个平面线型阵列定位一个恒定体积的小球目标为例进行说明。其中阵列等间隔分布9个阵元，阵元间隔为15mm。
首先，按照步骤S100-S300确定响应向量，拟合得到响应向量随目标位置的变化关系。具体如下：
S100：选定小球直径为20mm，幅值为5mm，振动频率/>为40Hz，振动方向为y方向。
S200：将小球依次放置于图中网格交叉点的位置，横纵坐标的范围分别为[-150,150]mm、[20,150]mm，网格间距为10mm，每个阵元按1000Hz的采样率采集5秒数据，即5000个采样点，得到训练数据。
S300：对每一个小球位置，利用傅里叶变换（FFT）求得9个阵元处的信号幅值，得到对应位置处的响应向量。利用GRNN对所有离散位置处的响应向量进行拟合，得到响应向量随目标位置变化的关系。
然后，对于一个位于(0,60)mm处的直径为25mm，振幅为3mm，振动频率为20Hz，振动方向为y方向的目标。按步骤S1~S4计算得到的空间谱如图4所示。图4中横纵坐标的范围分别为[-100,100]mm、[0,100]mm，网格间距为5mm。
按照步骤S5，可得到图中尖峰所在的坐标，即目标位置(0,60)mm。
本发明构思在于将恒定体积目标视作一个未知大小和运动的偶极子源，利用目标做简谐运动情况下采集得到的数据来进行训练，经学习拟合得到阵列响应向量，在定位过程中用于对做一般运动的该目标进行定位计算，从而获得目标位置。本定位方法具有如下技术优势：
（1）本方法不约束目标的形状，适用于一般恒定体积目标的定位。
（2）本方法不约束目标作固定幅值与频率的简谐运动，适用于以时变幅值和频率运动目标的定位。
（3）本方法不约束人工侧线阵列的形状和阵元布局，适用于一般外形和阵元分布的人工侧线阵列。通过学习拟合得到难以解析建模的阵列响应向量，且仅需要采集简谐运动这一条件下的压力数据来进行一次学习即可。同时，对于较大的球形或近球形目标，还可采用等比例缩比目标模型，降低响应向量建模的工程难度。
（4）本方法可实现多目标定位，且分辨能力强。
本发明流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为表示包括一个或多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，可以实现在任何计算机刻度介质中，以供指令执行系统、装置或设备，所述计算机可读介质可以是任何包含存储、通信、传播或传输程序以供执行系统、装置或设备使用。包括只读存储器、磁盘或光盘等。
在本说明书的描述中，参考术语“实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外，本领域的技术人员可以在不产生矛盾的情况下，将本说明书中描述的不同实施例或示例以及其中的特征进行结合或组合。
上述内容虽然已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型等更新操作。

Claims (10)

1.恒定体积目标的仿生侧线定位方法，其特征在于，所述方法应用于水下机器人或水下无人潜航器，具体步骤如下：
步骤S1，采集水下机器人或水下无人潜航器的人工侧线阵列各阵元的压力变化信号；
步骤S2，根据人工侧线阵列各阵元的压力变化信号计算协方差矩阵；
步骤S3，对协方差矩阵做特征分解，计算噪声子空间/>；
步骤S4，计算空间谱；计算不同位置处的空间谱数值，得到整个区域的空间谱；
步骤S5，对空间谱进行谱峰搜索，判断峰值所在的位置，根据峰值所在位置确定目标位置；当有多个峰值时，表示有多个目标，根据峰值所在位置确定多个目标位置。
2.根据权利要求1所述的恒定体积目标的仿生侧线定位方法，其特征在于，步骤S1中，人工侧线阵列是根据仿生鱼类侧线感知压力变化的原理，在水下无人潜航器上设置由若干压力传感器组成的阵列，用于测量水下目标运动时产生的水动力场压力变化，所述阵列布置于水下无人潜航器的外表面。
3.根据权利要求2所述的恒定体积目标的仿生侧线定位方法，其特征在于，步骤S1中，各阵元的压力变化信号作为向量，其元素分别表示编号为i的阵元采集得到的压力信号，其中M表示阵元数量，N表示快拍数。
4.根据权利要求1所述的恒定体积目标的仿生侧线定位方法，其特征在于，步骤S2中，计算协方差矩阵的公式如下：
。
5.根据权利要求1所述的恒定体积目标的仿生侧线定位方法，其特征在于，步骤S3中，对协方差矩阵做特征分解，当有m (m<M)个目标时，噪声子空间/>是由矩阵/>的M-m个小特征值对应的特征向量张成的向量空间，是一个/>维的矩阵。
6.根据权利要求1所述的恒定体积目标的仿生侧线定位方法，其特征在于，步骤S4中，选定一个目标位置区域，并将/>按一定的间隔划分出若干离散位置，K表示所划分得到的离散位置点的数量，按如下公式计算不同位置处的空间谱数值，得到整个区域的空间谱
式中，为阵列响应向量，描述了当目标做简谐运动时，由人工侧线阵列各阵元采集得到的压力信号的变化幅值/>组成的向量，r表示位置向量，M为阵元的个数，i表示阵元的编号。
7.根据权利要求6所述的恒定体积目标的仿生侧线定位方法，其特征在于，确定阵列响应向量的具体方式如下：
步骤S100，设置目标简谐运动参数；
确定目标做简谐运动的幅值和频率/>，使得目标以给定位置为中心，按做简谐运动；
步骤S200，采集训练数据；
选择合适的数据采样区域，并在整个区域内设置合适的数据采样点，K0表示设置的数据采样点数量，建立采样点网格，利用与阵列外形和阵元布局相同的阵列采集训练数据；
步骤S300，阵列响应向量拟合；
利用各阵元的离散采样压力信号数据，求取各阵元的压力变化幅值，得到，分别对/>的各分量/>进行学习拟合。
8.根据权利要求7所述的恒定体积目标的仿生侧线定位方法，其特征在于，步骤S100至S300仅需在定位前执行一次，以得到学习拟合后的阵列响应向量，后续每一次定位计算时直接使用。
9.根据权利要求8所述的恒定体积目标的仿生侧线定位方法，其特征在于，训练采样点的间隔大于空间谱计算时所选择位置点的间隔，计算空间谱时利用学习拟合得到的响应向量函数模型进行插值。
10.恒定体积目标的仿生侧线定位系统，所述系统用于实现根据权利要求1-9任一项所述的恒定体积目标的仿生侧线定位方法，所述系统应用于水下机器人或水下无人潜航器，提供恒定体积目标的定位。
CN202410518126.1A 2024-04-28 2024-04-28 恒定体积目标的仿生侧线定位方法及系统 Pending CN118089747A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410518126.1A CN118089747A (zh) 2024-04-28 2024-04-28 恒定体积目标的仿生侧线定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410518126.1A CN118089747A (zh) 2024-04-28 2024-04-28 恒定体积目标的仿生侧线定位方法及系统

Publications (1)

Publication Number Publication Date
CN118089747A true CN118089747A (zh) 2024-05-28

Family

ID=91156656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410518126.1A Pending CN118089747A (zh) 2024-04-28 2024-04-28 恒定体积目标的仿生侧线定位方法及系统

Country Status (1)

Country Link
CN (1) CN118089747A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103926579A (zh) * 2014-04-23 2014-07-16 东南大学 一种开放式阵列信号的仿真方法
CN109298430A (zh) * 2018-08-08 2019-02-01 西安交通大学 一种水下复合仿生探测装置及探测目标融合识别方法
CN113361087A (zh) * 2021-05-31 2021-09-07 西安交通大学 一种水下航行器侧线探测传感器位置布局优化方法和系统
WO2022012213A1 (zh) * 2020-07-13 2022-01-20 深圳大学 一种剔除一比特信号谐波虚假目标的方法及相关组件

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103926579A (zh) * 2014-04-23 2014-07-16 东南大学 一种开放式阵列信号的仿真方法
CN109298430A (zh) * 2018-08-08 2019-02-01 西安交通大学 一种水下复合仿生探测装置及探测目标融合识别方法
WO2022012213A1 (zh) * 2020-07-13 2022-01-20 深圳大学 一种剔除一比特信号谐波虚假目标的方法及相关组件
CN113361087A (zh) * 2021-05-31 2021-09-07 西安交通大学 一种水下航行器侧线探测传感器位置布局优化方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
季明江: "基于侧线感知原理的水下近场目标定位关键技术研究", 中国博士学位论文全文数据库 (工程科技Ⅱ辑), 15 January 2022 (2022-01-15), pages 38 - 89 *

Similar Documents

Publication Publication Date Title
Abdulsadda et al. Nonlinear estimation-based dipole source localization for artificial lateral line systems
CN108037520B (zh) 阵列幅相误差条件下基于神经网络的直接定位偏差修正方法
Ash et al. On optimal anchor node placement in sensor localization by optimization of subspace principal angles
CN102721943B (zh) 基于l型传感器阵列的非相干信号二维波达方向跟踪方法及装置
CN107743296A (zh) 一种基于压缩感知的rssi区域分段式定位方法
CN108663654B (zh) 一种基于连续量子鸽群的360度全方位动态测向方法
Asenov et al. Active localization of gas leaks using fluid simulation
Drioli et al. Acoustic target tracking through a cluster of mobile agents
Solberg et al. Robotic electrolocation: Active underwater target localization with electric fields
CN112949944A (zh) 一种基于时空特征的地下水位智能预测方法及系统
CN118068259A (zh) 一种基于分布式虚拟电磁矢量传感器辐射源参数估计方法
CN110376547B (zh) 基于二阶统计量的近场源定位方法
Yan et al. An ELM-based semi-supervised indoor localization technique with clustering analysis and feature extraction
Miller et al. Trajectory optimization for continuous ergodic exploration on the motion group SE (2)
CN113759303A (zh) 一种基于粒子群算法的无网格波达角估计方法
CN118089747A (zh) 恒定体积目标的仿生侧线定位方法及系统
CN110908404B (zh) 一种基于数据驱动的auv智能观测运动方法
Yang et al. A new rigid body localization scheme exploiting participatory search algorithm
Wang et al. Maximum likelihood DOA estimation based on improved invasive weed optimization algorithm and application of MEMS vector hydrophone array
Michini et al. An experimental testbed for multi-robot tracking of manifolds and coherent structures in flows
Yang et al. A modified robust algorithm against large look direction error based on interference-plus-noise covariance matrix reconstruction and steering vector double estimation
Hoffmann Sensor path planning for emitter localization
Kucner et al. Tell me about dynamics!: Mapping velocity fields from sparse samples with semi-wrapped gaussian mixture models
Lenac et al. A novel genetic scan-matching-based registration algorithm for supporting moving objects tracking effectively and efficiently
Dressel et al. Using neural networks to generate information maps for mobile sensors

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