-
公开(公告)号：CN117784248A
公开(公告)日：2024-03-29
申请号：CN202311256905.0
申请日：2023-09-26
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于阵列信号处理技术领域，公开了平移不变子空间匹配判决的自适应干扰抑制方法、系统，利用常规波束形成方法粗估目标角度区间，通过样本协方差矩阵的子空间和导向矢量的正交特性构造的判决项与判决阈值比较分析来分离出当前特征向量，采用不变子空间匹配度量的性质来分析当前特征向量是否属于目标分离，最后将分离出干扰‑噪声子空间采用正交投影方式重构样本协方差矩阵进行空间谱估计，抑制目标角度区间外的干扰和噪声。相比较于已有的子空间类抑制方法，本发明提高了阵列输出信干比和降低了旁瓣级。实际海试数据证实本发明的有效性，具有更高的工程实用价值，可以应用于水下阵列目标角度区间外的强干扰抑制和水下弱目标角度估计。
-
公开(公告)号：CN117331027A
公开(公告)日：2024-01-02
申请号：CN202311261901.1
申请日：2023-09-27
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G01S5/24
Abstract: 本发明属于阵列信号处理技术领域，公开了一种基于子空间匹配度量的声源数估计方法及系统，该方法通过建立阵列接收的数据模型，获取样本协方差矩阵并进行特征分解，获取样本特征值和特征向量；计算样本特征值的平均值，得到样本特征值的标准偏差；通过样本特征值的标准偏差和采样数据模型估计对角加载系数，将样本协方差矩阵的对角线元素进行平均处理；将样本协方差矩阵和经Toeplitz矫正后的协方差矩阵进行线性加权，获取优化后的样本协方差矩，构建投影矩阵；度量采样数据模型和信号特征向量的投影矩阵之间的匹配度，实现声源数的估计。本发明在低信噪比和小快拍下具有更高的声源数估计准确度，并适用于非高斯噪声的环境。
-
公开(公告)号：CN117331027B
公开(公告)日：2024-06-04
申请号：CN202311261901.1
申请日：2023-09-27
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G01S5/24
Abstract: 本发明属于阵列信号处理技术领域，公开了一种基于子空间匹配度量的声源数估计方法及系统，该方法通过建立阵列接收的数据模型，获取样本协方差矩阵并进行特征分解，获取样本特征值和特征向量；计算样本特征值的平均值，得到样本特征值的标准偏差；通过样本特征值的标准偏差和采样数据模型估计对角加载系数，将样本协方差矩阵的对角线元素进行平均处理；将样本协方差矩阵和经Toeplitz矫正后的协方差矩阵进行线性加权，获取优化后的样本协方差矩，构建投影矩阵；度量采样数据模型和信号特征向量的投影矩阵之间的匹配度，实现声源数的估计。本发明在低信噪比和小快拍下具有更高的声源数估计准确度，并适用于非高斯噪声的环境。
-
公开(公告)号：CN119296501A
公开(公告)日：2025-01-10
申请号：CN202411403947.7
申请日：2024-10-09
Applicant: 哈尔滨工程大学
IPC: G10K11/16
Abstract: 本发明公开一种基于矩阵重构的噪声消除方法、系统、终端、存储介质，涉及水声阵列信号处理技术领域。噪声消除方法包括：接收声源信号；建立声源信号的含噪声数据模型；基于含噪声数据模型获取声源信号的数据快拍样本，计算样本协方差矩阵；对样本协方差矩阵进行特征分解，获得信号子空间和噪声子空间；基于平移不变子空间理论获得信号子空间和噪声子空间内每个列向量形成的两个投影矩阵之间的距离关系，基于两个投影矩阵之间的距离关系建立对角矩阵；利用对角矩阵重构样本协方差矩阵，实现噪声的消除。本发明具有更低的旁瓣、更优的稳健性及整体性能，可自适应处理数据，无需调节对角减载系数，能够更大程度的提高目标信号的角度分辨率。
-
公开(公告)号：CN118298793B
公开(公告)日：2024-11-29
申请号：CN202410413620.1
申请日：2024-04-08
Applicant: 哈尔滨工程大学
IPC: G10K11/178 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于Transformer模型的船舶声纳平台自噪声抑制方法，属于水声信号处理技术领域。基于Transformer模型的船舶声纳平台自噪声抑制方法包括以下步骤：S100、建立自噪声抑制模型的训练数据集；S200、根据训练数据集建立基于Transformer模型的船舶声纳平台自噪声抑制模型。本发明能够对声纳系统采集到的信号中的船舶声纳平台自噪声不同频段成分进行不同程度抑制，有效提高采集信号的信噪比，有效提升声纳系统的探测性能和探测范围。
-
Patent Agency Ranking
公开(公告)号：CN116996148B
公开(公告)日：2024-06-04
申请号：CN202310875184.5
申请日：2023-07-17
Applicant: 哈尔滨工程大学
IPC: H04B17/391 , H04B13/02 , H04B11/00 , G06F30/27 , G06F30/20
Abstract: 本发明属于水下声通信领域，具体涉及一种基于生成对抗网络的极地环境水下声信道建模方法及装置。传统的极地信道模型在极地环境参数获取不完全的情况下无法准确刻画极地信道中的非线性和随机性，模型预测精度较低。本发明利用生成对抗网络捕捉真实信号概率分布的能力，结合传统的极地信道模型输出结果，在输入参数不足的情况下，通过生成器和判别器对抗学习，可以更好地捕捉极地环境信道的特性，进而提高建模的准确性。与传统的极地信道模型相比，有效的提高了预测精度。
-
公开(公告)号：CN116567047A
公开(公告)日：2023-08-08
申请号：CN202310700746.2
申请日：2023-06-13
Applicant: 哈尔滨工程大学
IPC: H04L67/125 , H04L67/12 , H04L67/565 , H04L9/40 , H04B11/00 , H04B13/02
Abstract: 本发明公开了一种水声通信实验样机系统及实验方法，所述系统包括实验控制终端、网关、水声通信实验发射样机和水声通信实验接收样机，实验控制终端部署在实验用户所在公网的服务器，用于发起实验请求，控制水声通信实验收发样机；网关作为联结实验控制终端与收发样机的网络节点，使用端口映射方式架设硬件子网，将水声通信实验设备作为私有子网设备，使得收发硬件与公网环境隔离，阻断来自其他公网用户的广播干扰与网络地址攻击，完成实验指令、信号与硬件状态的稳健转发；水声通信实验收发样机位于子网内，基于经由网关转发的、实际来自实验控制终端的指令完成操作。本发明提供了适用于大型局域网环境，具备抗干扰功能的水声通信实验样机系统。
-
公开(公告)号：CN115206334B
公开(公告)日：2023-02-10
申请号：CN202210770485.7
申请日：2022-06-30
Applicant: 哈尔滨工程大学
IPC: G10L21/0224 , G10L21/0232 , G10L21/0264 , G10L21/057 , G10L19/26 , H04B13/02
Abstract: 本发明提供一种极地声信号增强和识别方法，包括：对极地声信号中的脉冲干扰噪声进行时频联合提取，得到所有脉冲噪声出现的位置；对步骤1中获得的脉冲噪声位置在信号二维时频图上进行空间平滑滤波以去除脉冲噪声，然后用在时频图上做互相关得到互相关积分曲线，若互相关曲线积分值大于设定的阈值则判断动物/通信信号存在；以对步骤1获得的脉冲噪声位置为中心进行时域窗口的中值滤波，然后对信号提取线谱成分，并通过梳状滤波器进行净化，最后通过比较净化后线谱的方差值，若大于设定的方差阈值则判断船舶信号存在。本发明实现针对在极地中进行长期声呐信号采集获得的海量数据的自动增强和提取，降低对人工干预的依赖，提升效率。
-
公开(公告)号：CN110738138A
公开(公告)日：2020-01-31
申请号：CN201910917925.5
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于循环神经网络的水声通信信号调制模式识别方法。获取水声通信信号仿真数据或实测数据，分为训练集和测试集；对每个信号数据进行采样，进行标准化及归一化处理；分别对训练集和测试集的数据样本提取瞬时频率特征和谱熵特征；对训练集和测试集数据样本标注标签；建立Bi-LSTM循环神经网络模型并设置参数；将训练集输入到网络模型中，训练达到最优的训练网络参数；将深度学习循环神经网络的输入切换为测试集，验证网络自动化识别。本发明采用水声通信信号具有时序性的特征，通过可以处理时序输入序列的Bi-LSTM循环神经网络，训练得到适用于水下通信信号的网络，该网络对非合作水声通信信号有较高的识别率。
-
公开(公告)号：CN118250128B
公开(公告)日：2025-01-10
申请号：CN202410216671.5
申请日：2024-02-27
Applicant: 哈尔滨工程大学
IPC: H04L25/02
Abstract: 本发明公开一种冰源噪声下的时延‑多普勒双扩展信道估计方法、装置、介质与设备，涉及冰下信道估计技术领域，以解决脉冲噪声干扰下估计时延‑多普勒双扩展信道性能严重下降的技术问题。所述方法包括：构建时延‑多普勒双扩展信道模型h，基于发射信号x为接收信号y构建过完备字典，利用多普勒系数对所述过完备字典进行重构，得到时延‑多普勒域过完备字典A；确定接收信号y＝Ah；采用正交匹配追踪方法并以Lp范数相关性作为相关性，对方程y＝Ah进行多次迭代求解获得稀疏逼近值#imgabs0#根据稀疏逼近值#imgabs1#确定时延‑多普勒双扩展信道估计结果h。本发明提供的方法可以有效抑制脉冲噪声干扰，实现冰源噪声下的时延‑多普勒双扩展信道估计。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.01 seconds)
