-
公开(公告)号：CN110361744A
公开(公告)日：2019-10-22
申请号：CN201910614850.3
申请日：2019-07-09
申请人： 哈尔滨工程大学
摘要： 本发明是于密度聚类的RBMCDA水下多目标跟踪方法。本发明对每个粒子初始权重置，获得初始时刻粒子群数据；计算可见目标死亡概率，随机抽取死亡目标，对所有粒子存活目标状态进行预测；根据更新后的每个粒子的权值，采用重采样法对粒子状态和粒子目标标签矩阵进行重采样；采用密度聚类算法对所有粒子的所有目标状态估计结果聚类，对每个簇每个样本按理权值加权求和，获得所述每个簇的状态均值；每个粒子标签向量分别与目标标签矩阵相匹配，获得每个聚类簇的系统目标编号，更新目标标签矩阵，获得新的目标标签矩阵；根据粒子数据的密度聚类和目标编号管理结果，输出当前时刻所有目标编号及状态均值。
-
公开(公告)号：CN116660875A
公开(公告)日：2023-08-29
申请号：CN202310420938.8
申请日：2023-04-19
申请人： 哈尔滨工程大学
IPC分类号： G01S7/52 , G06F18/213 , G06F18/10 , G01S7/537 , G01S15/88
摘要： 非高斯噪声背景下的目标辐射线谱自适应增强方法及系统，涉及声纳探测技术领域。本发明是为了解决现有自适应线谱增强方法在非高斯背景噪声下，性能急剧下降甚至完全失效，从而导致线谱检测能力弱的问题。本发明包括：初始化自适应权值w(k)；对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k‑Δ)；迭代更新自适应权值，将x(k‑Δ)与更新后的自适应权值相乘，获得增强后的目标辐射线谱y(k)；获得x(k)与y(k)的估计误差e(k)；设计惩罚函数，利用惩罚函数和e(k)，获取迭代更新后的自适应权值；重复执行以上步骤，直至迭代更新后的自适应权值收敛，输出增强后的目标辐射线谱。本发明用于自适应增强目标辐射线谱。
-
公开(公告)号：CN110132281A
公开(公告)日：2019-08-16
申请号：CN201910424453.X
申请日：2019-05-21
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于询问应答模式的水下高速目标高精度自主声学导航方法，包括以下步骤：首先，由获取到的时延信息估计目标径向运动速度，进而获得目标到应答器的距离信息，依据此距离信息构建声学自导航模型并确定权系数；其次，根据自导航模型和权系数确定目标函数，并利用传统方法解算得到的目标位置作为优化算法的搜索初值；最后，采用LMS牛顿算法解算获得目标位置。本发明引入了目标径向速度参量，消除了由目标运动速度引起的模型误差，受目标运动速度影响小；引入了权系数，对误差较大的成分给予较小的权重，有效提高了水下高速运动目标的自导航精度；采用LMS牛顿算法结构简单，计算量小，稳健性强，收敛速度快，便于实时实现。
-
公开(公告)号：CN110132281B
公开(公告)日：2023-10-20
申请号：CN201910424453.X
申请日：2019-05-21
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于询问应答模式的水下高速目标高精度自主声学导航方法，包括以下步骤：首先，由获取到的时延信息估计目标径向运动速度，进而获得目标到应答器的距离信息，依据此距离信息构建声学自导航模型并确定权系数；其次，根据自导航模型和权系数确定目标函数，并利用传统方法解算得到的目标位置作为优化算法的搜索初值；最后，采用LMS牛顿算法解算获得目标位置。本发明引入了目标径向速度参量，消除了由目标运动速度引起的模型误差，受目标运动速度影响小；引入了权系数，对误差较大的成分给予较小的权重，有效提高了水下高速运动目标的自导航精度；采用LMS牛顿算法结构简单，计算量小，稳健性强，收敛速度快，便于实时实现。
-
公开(公告)号：CN110361744B
公开(公告)日：2022-11-01
申请号：CN201910614850.3
申请日：2019-07-09
申请人： 哈尔滨工程大学
摘要： 本发明是于密度聚类的RBMCDA水下多目标跟踪方法。本发明对每个粒子初始权重置，获得初始时刻粒子群数据；计算可见目标死亡概率，随机抽取死亡目标，对所有粒子存活目标状态进行预测；根据更新后的每个粒子的权值，采用重采样法对粒子状态和粒子目标标签矩阵进行重采样；采用密度聚类算法对所有粒子的所有目标状态估计结果聚类，对每个簇每个样本按理权值加权求和，获得所述每个簇的状态均值；每个粒子标签向量分别与目标标签矩阵相匹配，获得每个聚类簇的系统目标编号，更新目标标签矩阵，获得新的目标标签矩阵；根据粒子数据的密度聚类和目标编号管理结果，输出当前时刻所有目标编号及状态均值。
-
-
-
-
搜索结果
5 条记录 (耗时 0.024 秒)
