-
公开(公告)号：CN119439171A
公开(公告)日：2025-02-14
申请号：CN202411491651.5
申请日：2024-10-24
Applicant: 中国船舶集团有限公司第七一五研究所
IPC: G01S15/66 , G01S7/539 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于知识注入深度学习的水声目标识别方法，包括以下步骤，S1：利用主动声呐采集目标回波数据，或利用被动声呐采集目标辐射噪声数据，按实际需求对目标进行多级标注，得到多级标签树；S2:构建基于知识注入的水声目标识别深度学习网络模型，模型包括两部分：特征提取模块和基于多级标签的知识注入模块。本发明让神经网络学习人的推理过程，在充分利用深度学习非线性特征表征能力的同时，通过逐层判决提高声呐目标识别的置信度，多级标签也提高了深度学习模型输出的可解释性。
-
公开(公告)号：CN117671470A
公开(公告)日：2024-03-08
申请号：CN202311633241.5
申请日：2023-11-30
Applicant: 中国船舶集团有限公司第七一五研究所
IPC: G06V20/05 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提出了一种基于深度学习的水下小目标合成孔径声成像检测方法，包括：步骤1、构建合成孔径声成像的样本数据集；步骤2、构建基于改进Faster R‑CNN的水下小目标智能检测模型；步骤3、模型训练；步骤4、模型预测；步骤5、目标位置解算。本发明根据合成孔径成像的小样本、特征匮乏特点，对深度学习模型的结构和损失函数进行了改进，显著提高了在大范围扫海及其他作业任务中，目标检测和识别的准确度和自动化程度。
-
公开(公告)号：CN117930204A
公开(公告)日：2024-04-26
申请号：CN202311702671.8
申请日：2023-12-12
Applicant: 中国船舶集团有限公司第七一五研究所
Abstract: 本发明涉及一种信号自适应稀疏优化线谱增强方法、介质及设备，对信号数据进行经验模态分解，对各模态分析、提取、重构，对重构后信号进行稀疏优化的自适应线谱增强，实现干扰环境低信噪比条件下的目标线谱特征增强；基于方法实现计算机可读存储介质和计算机设备的执行。本发明将复杂的混合信号分解为多个局部特性不同，但全局特性相似的固有模态函数，有利于更好辨识、提取、分析信号，并抑制干扰；利用自适应线谱增强器高度自适应性与强大的窄带增强能力，抑制经验模态分解并重构后仍无法有效去除的宽带噪声，保留具有窄带和强周期特征的信号分量，提高输出信噪比，改善信号质量，为后序信号处理提供良好基础；具有自适应优化与干扰抑制特性。
-
公开(公告)号：CN117668542A
公开(公告)日：2024-03-08
申请号：CN202311618629.8
申请日：2023-11-29
Applicant: 中国船舶集团有限公司第七一五研究所
IPC: G06F18/214 , G06F18/213 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种主动目标迁移学习方法，包括：获取原域数据和目标域数据；对原域数据、目标域数据进行预处理，生成主动声纳图像，并将数据分为训练集和测试集；构建基于深度学习的主动目标检测模型，包括前置的骨干网络F和后置的区域候选网络R；在主动目标检测模型的基础上，添加多个目标域数据的特征学习模块，得到主动目标迁移学习网络模型；利用训练集训练主动目标迁移学习网络模型；利用训练好的主动目标迁移学习网络模型对测试集预测。从环境背景差异性和目标特征差异性两个层面来减小目标域数据与原域数据的分布差异性，可从易获得、样本数量相对较多的原域数据向获取难度较大、样本数量相对较少的目标域数据进行迁移学习，提升在目标域数据上的检测识别性能。
-
公开(公告)号：CN117609851A
公开(公告)日：2024-02-27
申请号：CN202311318011.X
申请日：2023-10-11
Applicant: 中国船舶集团有限公司第七一五研究所 , 汉江国家实验室
IPC: G06F18/241 , G06F18/214
Abstract: 本发明公开了一种不均衡水下目标分类方法，包括以下步骤：采集水下目标样本，构建不均衡水下目标数据集，进行预处理，划分训练集与测试集；构建水下目标分类模型，模型的骨干网络为F，分类器为cls。在训练集上开展第一阶段训练；在训练集上开展第二阶段训练，利用重加权和特征对齐策略对模型参数进行微调；在测试集上进行测试。本发明进一步提升了在不均衡水下目标数据集上的分类性能，且可便捷地与其他两步法相结合，简单灵活，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN119439169A
公开(公告)日：2025-02-14
申请号：CN202411491660.4
申请日：2024-10-24
Applicant: 中国船舶集团有限公司第七一五研究所
Abstract: 本发明涉及一种基于回波时空频联合深度学习的水下运动目标检测方法，包括以下步骤，步骤一：选取含有运动目标的主动声纳基阵数据进行预处理，波束形成得到波束域数据；步骤二：对全波束数据进行空时二维处理，得到空时域的多普勒特征谱S(l,k),l＝1:M1,k＝1:N1，其中l表示波束号，M1是总的波束数，k表示频点数，N1是总的频点数，对应的频率范围为[fL,fH]，对S(l,k)进行运动目标标注，构建空时域多普勒特征谱训练数据集。本发明利用深度学习方法进行运动目标检测，结合运动目标在时‑空‑频上的运动特征一致性，提高对运动目标判断的置信度。
-
公开(公告)号：CN119044978A
公开(公告)日：2024-11-29
申请号：CN202411038948.6
申请日：2024-07-31
Applicant: 中国船舶集团有限公司第七一五研究所
Abstract: 本发明涉及一种声纳信号处理方法，属于水声工程、声纳技术、主动声纳信号处理领域，公开了一种基于相邻回波相关特征的水面水下目标分辨方法，通过分析主动声纳相邻快拍时域单波束回波互相关函数发现，目标深度信息隐含在主动目标回波互相关函数的变化规律中，定义了水面/水下目标深度分辨特征量为相邻快拍时域单波束回波互相关函数绝对值的峰值与平均值的比值，通过比较实测深度分辨特征量与深度分辨阈值的大小来实现水面目标与水下目标的判别；可用于浅海舰载主动声纳，支撑水面/水下目标的分辨，具有一定的创新意义。
-
公开(公告)号：CN118112548A
公开(公告)日：2024-05-31
申请号：CN202311685813.4
申请日：2023-12-08
Applicant: 中国船舶集团有限公司第七一五研究所 , 汉江国家实验室
Abstract: 本发明公开了一种基于回波多域别变换特征融合的主动目标识别方法，包括：对主动目标回波进行多域别变换，得到各域别的变换特征谱；将各类变换特征谱接入对应的特征提取子网络，输出对应的高维特征；通过注意力域内特征融合和注意力域间特征融合；对融合特征进行目标分类识别，得到目标识别结果。通过多域别变换对目标进行多维全面表征，变相增加了样本数量，同时域内、域间特征融合不仅可以有效消除多种变换的特征冗余性，还能充分发挥不同域别特征之间的互补性和差异性，提升对主动目标识别性能。
-
公开(公告)号：CN117665786A
公开(公告)日：2024-03-08
申请号：CN202311620392.7
申请日：2023-11-30
Applicant: 中国船舶集团有限公司第七一五研究所
Abstract: 本发明提供了一种基于深度回归模型的水下目标回波亮点结构提取方法，包括：步骤1、构建仿真目标回波数据集；步骤2、构建回波亮点结构提取模型和对应的回归损失函数；步骤3、深度回归模型训练；步骤4、深度回归模型微调；步骤5、深度回归模型预测。本发明针对构建的深度学习模型，设计了一个由回波亮点结构回归、回波时延展宽回归和预测回波时延展宽校正三部分构成的损失函数，可优化智能提取方法中模型拟合效果，在同一时间可对批量数据进行处理，并同时输出亮点结构和回波时延展宽，从而提高对水下目标回波亮点结构特征提取的自动化程度和提取性能。
-
公开(公告)号：CN116660878A
公开(公告)日：2023-08-29
申请号：CN202310425271.0
申请日：2023-04-18
Applicant: 中国船舶集团有限公司第七一五研究所
IPC: G01S7/539
Abstract: 本发明提供了一种假目标干扰下的主动声纳目标辨识性能预报方法，该方法包括以下步骤，步骤1，利用主动声呐获取假目标、真目标的回波数据，对回波数据进行预处理，提取假目标与真目标的多维差异性特征；步骤2，针对影响假目标干扰下的主动声呐目标辨识性能的变量ξ，利用数据统计计算ξ取不同值时，多维差异性特征的类条件概率密度分布函数pf(x|H0)、pf(x|H1)。本发明充分利用假目标与真目标的多维差异性特征，通过计算多维差异性特征联合概率密度分布，结合主动声呐目标辨识预报函数，创新性建立了假目标干扰下的主动声呐目标辨识性能预报曲线，通过查阅曲线即可实现真假目标辨识性能预报，方法简单灵活，易于实现。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.043 seconds)
