CN114513262A - 一种基于水下滑翔机的水声信号处理方法 - Google Patents

一种基于水下滑翔机的水声信号处理方法 Download PDF

Info

Publication number
CN114513262A
CN114513262A CN202210095034.8A CN202210095034A CN114513262A CN 114513262 A CN114513262 A CN 114513262A CN 202210095034 A CN202210095034 A CN 202210095034A CN 114513262 A CN114513262 A CN 114513262A
Authority
CN
China
Prior art keywords
target
underwater
result
information
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.)
Granted
Application number
CN202210095034.8A
Other languages
English (en)
Other versions
CN114513262B (zh
Inventor
王秉谦
薛欢欢
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.)
Zhejiang Xianlin Intelligent Technology Co ltd
Original Assignee
Zhejiang Xianlin Intelligent Technology Co ltd
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 Zhejiang Xianlin Intelligent Technology Co ltd filed Critical Zhejiang Xianlin Intelligent Technology Co ltd
Priority to CN202210095034.8A priority Critical patent/CN114513262B/zh
Publication of CN114513262A publication Critical patent/CN114513262A/zh
Application granted granted Critical
Publication of CN114513262B publication Critical patent/CN114513262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Astronomy & Astrophysics (AREA)
  • Discrete Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明实施例公开了一种基于水下滑翔机的水声信号处理方法，所述方法包括：获取水声信号；对所述水声信号进行数字量化，并将量化的数据转换为水声时域数据；基于所得到的水声时域数据进行计算处理，得到对应的结果数据；所述结果数据包括环境噪声总噪声级、环境噪声谱级、声脉冲及异常噪声侦察信息、目标探测信息、目标跟踪信息、跟踪目标特征分析信息和目标判别信息；再将所述处理结果通过卫星通讯交互的方式，发送至远端的岸上控制***，以实现所述岸上控制***对所述水下滑翔机的控制和探测目标的二次判别；其有益效果是：通过对获取的水声信号进行处理，得到多种不同类型的结果数据，实现了多种功能，提升了应用的宽度和深度。

Description

一种基于水下滑翔机的水声信号处理方法
技术领域
本发明涉及水声探测技术领域，具体涉及一种基于水下滑翔机的水声信号处理方法。
背景技术
目前，在水声目标探测领域，所采集的水声信号大多采用船只搭载的方式进行获取，由于其难以降低平台的自噪声和难以随心所欲的任意海域部署和长期值守，进而造成所获取的信号并不理想；同时，在信号的处理过程中，通常只是对信号进行常规的转换和处理，并没有对得到的信号进行进一步的应用，从而造成输出信息的种类单一，应用深度较浅的缺陷。
发明内容
针对现有技术中的技术缺陷，本发明实施例在于提供了一种基于水下滑翔机的水声信号处理方法，以克服现有技术中，所存在的处理方式单一，应用深度较浅的缺陷。
为实现上述目的，本发明实施例提供了一种基于水下滑翔机的水声信号处理方法，所述方法包括：
获取水声信号；其中，所述水声信号通过安装在水下滑翔机上的水听器阵进行观测海洋环境噪声和探测目标时采集所得；
对所述水声信号进行数字量化，并将量化的数据转换为水声时域数据；
基于所得到的水声时域数据进行计算处理，得到对应的结果数据；其中，所述结果数据包括环境噪声总噪声级、环境噪声谱级、声脉冲及异常噪声侦察信息、目标探测信息、目标跟踪信息、跟踪目标特征分析信息和目标判别信息；
再将所述处理结果通过卫星通讯交互的方式，发送至远端的岸上控制***，以实现所述岸上控制***对所述水下滑翔机的控制和探测目标的二次判别。
优选地，所述环境噪声总噪声级和环境噪声谱级，通过以下流程得到：
对所述水听器阵的第一个阵元所对应的水声时域数据进行计算以得到所述环境噪声总噪声级；
对所述水听器阵的第一个阵元所对应的水声时域数据进行第一分析；其中，所述第一分析包括频谱分析和功率谱估计；
再将第一分析后的结果通过十一根谱线方法，计算1/3倍频程中所对频点的声源级，并将其作为所述环境噪声谱级；
最后，将所述环境噪声总噪声级和1/3倍频程对应的声源级计算结果输出，作为海洋环境噪声观测的结果信息。
优选地，所述声脉冲及异常噪声侦察信息，通过以下流程得到：
对所述水听器阵的第一个阵元所对应的水声时域数据进行平方检波；
将平方检波后的数据进行短时积分；
对短时积分后的数据进行恒虚警处理，设定门限，并进行门限判别；
若判别为超过门限，则计算对应输出数据的结果数据；其中，所述输出数据包括脉冲宽度、脉冲周期、脉冲方位、脉冲频率和脉冲形式。
优选地，所述目标探测信息，通过以下流程得到：
将所述水听器阵接收的水声时域数据应用基于非规则阵元位置补偿的频域宽带波束形成算法，预成波束覆盖0～360°空间均匀分布；
对各个方位的波束域信号进行平方检波，将其作为目标探测的结果输出。
优选地，所述跟踪目标特征分析信息，通过以下流程得到：
对目标探测的结果输出中的最大能量波束的目标进行跟踪，并对不同方向上的波束形成的能量进行比较，获得最大能量波束所在的方位角度；
基于最大波束引导，初始确认上述最大能量波束所在的方位角度作为跟踪目标的引导波束方位；
对所在的所述方位进行多波束的细化波束形成；
对所述多波束的细化波束形成的结果进行平方检波；
基于所述平方检波的结果，比较多波束的能量大小，确认最大波束的方位作为跟踪目标的精确方位，并将其作为跟踪结果输出。
优选地，所述方法还包括：
对所述跟踪目标进行特征提取；
对所述跟踪目标进行长时FFT；
选取所述跟踪目标的低频线谱作为LOFAR谱结果输出；
对所述跟踪目标进行逆FFT变换，以获得目标的时域信号；
对所述时域信号进行平方检波；
然后对检波信号进行低通滤波；
对低通滤波后的目标信号进行FFT处理，并选取预设范围的低频部分作为所述跟踪目标的DEMON谱结果输出。
优选地，所述方法还包括根据输出的所述LOFAR谱和DEMON谱中包含的目标具体特征信息进行目标判别，以得到所述目标判别信息，具体包括：
通过多批次所述跟踪目标的结构特征进行目标识别，并判断是否累计有多次目标识别；
若是，则进行目标确认并进行输出；其中，所述判断基于预设的判断条件。
实施本发明实施例，通过对目标探测时所采集的水声信号进行信号转换处理，得到多种不同的信号种类，使得对所得信号的应用更加全面、充分，提升了应用的宽度和深度；同时，利用卫星通讯的方式与岸上控制***进行交互，也便于在目标探测时，灵活实现对所述水下滑翔机的控制和探测目标的二次判别，使其更具智能性和准确性，实现了我国海洋无人装备智能化发展的先河，具有时代引领意义。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种基于水下滑翔机的水声信号处理方法的流程示意图；
图2是本发明实施例提供的一种实现海洋环境噪声观测的处理流程图；
图3是本发明实施例提供的一种声脉冲及异常侦察信息的处理流程图；
图4是本发明实施例提供的一种得到目标探测信息的处理流程图；
图5是本发明实施例提供的一种实现目标跟踪及特征识别的处理流程图；
图6是本发明实施例提供的一种实现目标判别的处理流程图。
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。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
请参考图1所示，本发明实施例提供的一种基于水下滑翔机的水声信号处理方法，所述方法包括：
S101，获取水声信号；其中，所述水声信号通过安装在水下滑翔机上的水听器阵进行观测环境噪声和探测目标时采集所得；
S102，对所述水声信号进行数字量化，并将量化的数据转换为水声时域数据；
S103，基于所得到的水声时域数据进行计算处理，得到对应的结果数据；其中，所述结果数据包括环境噪声总噪声级、环境噪声谱级、声脉冲及异常噪声侦察信息、目标探测信息、目标跟踪信息、跟踪目标特征分析信息和目标判别信息；
S104，再将所述处理结果通过卫星通讯交互的方式，发送至远端的岸上控制***，以实现所述岸上控制***对所述水下滑翔机的控制和探测目标的二次判别。
应用时，水下滑翔机搭载有智能水声探测***，智能水声探测***中的所述水听器阵由四个高灵敏度、大带宽、小尺寸的水听器组成，四个阵元分别部署在在水下滑翔机的首尾端和两翼；需要说明的是，通道数不限于四通道，本实施例后续描述中的各种预设值和附图中的值，均只是进行举例，并不是对其进行限制。
在本实施例中，进一步地，参照图2，为实现海洋环境噪声观测功能，所述环境噪声总噪声级和环境噪声谱级，通过以下流程得到：
对所述水听器阵的第一个阵元所对应的水声时域数据进行计算以得到所述环境噪声总噪声级；
对所述水听器阵的第一个阵元所对应的水声时域数据进行第一分析；其中，所述第一分析包括频谱分析和功率谱估计；
再将第一分析后的结果通过十一根谱线方法，计算1/3倍频程中所对频点的声源级，并将其作为所述环境噪声谱级；
最后，将所述环境噪声总噪声级和1/3倍频程对应的声源级计算结果输出，作为海洋环境噪声观测的结果信息。
首先将信号进行数字量化，并将其转换为水声时域信号，具体包括：
例如，湿端采集数据可以用式(4.1.1)表示(输入数据x1)
x1(i,n)，i＝0,…,3为水听器声通道序列，n为时间采样序列； (4.1.1)
数据转换(输出数据x2)
将湿端数据转换成电压数据
Figure BDA0003490508680000061
其中，i＝0,…,3,n为时间序列，V为***采集的信号的数值，223是24位采样。
同时，对首阵元计算总噪声级，对首阵元电压数据进行能量累积，根据公式(4.2.1)计算出各水听器输入端的绝对噪声级。积分时间采样点为N。平均时间为8s。计算总噪声级时，对数据x2取平均减掉均值后再进行下一步计算。
Figure BDA0003490508680000062
其中，M0为接收阵水听器灵敏度(含一级前放)，A0为AD采样的二级增益。
对应的，再进行频谱计算——加窗FFT和功率谱估计(输出数据x6)
Figure BDA0003490508680000063
其中，fs为***采样率(4.3.1)
1/3倍频程能量值输出(输出数据x8，即环境噪声谱级)
对应频率的谱线进行相邻11条谱平滑处理，
Figure BDA0003490508680000064
其中k1为1/3倍频程需输出的谱线号，k2＝0...34。
参照图3，为实现得到所述声脉冲及异常噪声侦察信息，对应的流程为：
对所述水听器阵的第一个阵元所对应的水声时域数据进行平方检波；
将平方检波后的数据进行短时积分；
对短时积分后的数据进行恒虚警处理，设定门限，并进行门限判别；
若判别为超过门限，则计算对应输出数据的结果数据；其中，所述输出数据包括脉冲宽度、脉冲周期、脉冲方位、脉冲频率和脉冲形式；
即，对首阵元时域信号进行脉冲侦察，处理方法为：检波、积分和过门限判决。
平方检波(输出数据x26)
x26(i,n)＝(x2(i,n))2 i＝0
短时积分(输出数据x27)
Figure BDA0003490508680000071
这里的N为积分的累积次数，积分时间为T＝16ms，N＝1024。短时积分的输出采样周期为T。
上述流程采用宽带检测方法，将相应频带的波束输出进行平方检波、积分处理，形成多个宽带预成波束。
参照图4，为实现目标检测，对应的处理流程为：
将所述水听器阵接收的海洋声信号进行应用基于非规则阵元位置补偿的频域宽带波束形成算法，预成波束覆盖0～360°空间均匀分布。这里可以设定为以1°为步进间距，从0°到359°，共形成360个预成波束，获得360个方位的波束域信号；
对各个方位的波束域信号进行平方检波；将不同方向上的波束形成能量结果作为目标探测的结果输出。
进一步地，为提升信号处理的深度，以实现目标的跟踪和判别，参照图5至图6，在上述方案的基础上，所述方法还包括：
对目标探测的不同方位上的波束形成能量进行比较，获得最大能量波束所在的方位角度，对最大能量波束的目标进行初始跟踪；
基于最大波束引导，初始确认上述最大能量波束所在的方位角度作为跟踪目标的引导波束方位；
对所在的所述方位进行多波束的细化波束形成；其中，这里的多波束为十五波束，但不限于十五波束，在此只是举例。
对所述多波束的细化波束形成的结果进行平方检波；
基于所述平方检波的结果，比较多波束的能量大小，确认最大波束的方位作为跟踪目标的精确方位，并将其作为跟踪结果输出；
应用时，还可结合各水听器测出的角度在空间上有一定的关联性，通过它们的关系求出最后的角度。
进一步地，所述方法还包括：
对所述跟踪目标进行特征提取；
对所述跟踪目标进行长时FFT；
选取所述跟踪目标的低频线谱作为LOFAR谱结果输出；
对所述跟踪目标进行逆FFT变换，以获得目标的时域信号；
对所述时域信号进行平方检波；
然后对检波信号进行低通滤波；
对低通滤波后的目标信号进行FFT处理，并选取预设范围的低频部分作为所述跟踪目标的DEMON谱结果输出。
进一步地，所述方法还包括根据输出的所述LOFAR谱和DEMON谱中包含的目标具体特征信息进行目标判别，以得到所述目标判别信息，具体为：
通过多批次所述跟踪目标的结构特征进行目标识别，并判断是否累计有多次目标识别，若是，则进行目标确认并进行输出；其中，所述判断基于预设的判断条件。
其中，所述判断条件包括时间的判断与该时间内累计次数的判断；如，为了避免虚假报警，在1000秒内如果有三次目标识别认定为目标确定；若1000秒内如果达不到3次目标识别则清零重新计数。
上述技术方案，通过对目标探测时所采集的水声信号进行信号转换处理，得到多种不同的信号种类，使得对所得信号的应用更加全面、充分，提升了应用的宽度和深度；同时，利用卫星通讯的方式与岸上控制***进行交互，也便于在目标探测时，灵活实现对所述水下滑翔机的控制和探测目标的二次判别，使其更具智能性和准确性，实现了我国海洋无人装备智能化发展的先河，具有时代引领意义。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于水下滑翔机的水声信号处理方法，其特征在于，所述方法包括：
获取水声信号；其中，所述水声信号通过安装在水下滑翔机上的水听器阵进行观测环境噪声和探测目标时采集所得；
对所述水声信号进行数字量化，并将量化的数据转换为水声时域数据；
基于所得到的水声时域数据进行计算处理，得到对应的结果数据；其中，所述结果数据包括环境噪声总噪声级、环境噪声谱级、声脉冲及异常噪声侦察信息、目标探测信息、目标跟踪信息、跟踪目标特征分析信息和目标判别信息；
再将所述处理结果通过卫星通讯交互的方式，发送至远端的岸上控制***，以实现所述岸上控制***对所述水下滑翔机的控制和探测目标的二次判别。
2.如权利要求1所述的一种基于水下滑翔机的水声信号处理方法，其特征在于，所述环境噪声总噪声级和环境噪声谱级，通过以下流程得到：
对所述水听器阵的第一个阵元所对应的水声时域数据进行计算以得到所述环境噪声总噪声级；
对所述水听器阵的第一个阵元所对应的水声时域数据进行第一分析；其中，所述第一分析包括频谱分析和功率谱估计；
再将第一分析后的结果通过十一根谱线方法，计算1/3倍频程中所对频点的声源级，并将其作为所述环境噪声谱级；
最后，将所述环境噪声总噪声级和1/3倍频程对应的声源级计算结果输出，作为海洋环境噪声观测的结果信息。
3.如权利要求1所述的一种基于水下滑翔机的水声信号处理方法，其特征在于，所述声脉冲及异常噪声侦察信息，通过以下流程得到：
对所述水听器阵的第一个阵元所对应的水声时域数据进行平方检波；
将平方检波后的数据进行短时积分；
对短时积分后的数据进行恒虚警处理，设定门限，并进行门限判别；
若判别为超过门限，则计算对应输出数据的结果数据；其中，所述输出数据包括脉冲宽度、脉冲周期、脉冲方位、脉冲频率和脉冲形式。
4.如权利要求1所述的一种基于水下滑翔机的水声信号处理方法，其特征在于，所述目标探测信息，通过以下流程得到：
将所述水听器阵接收的水声时域数据应用基于非规则阵元位置补偿的频域宽带波束形成算法，预成波束覆盖0～360°空间均匀分布；
对各个方位的波束域信号进行平方检波，将其作为目标探测的结果输出。
5.如权利要求4所述的一种基于水下滑翔机的水声信号处理方法，其特征在于，所述跟踪目标特征分析信息，通过以下流程得到：
对目标探测的结果输出中的最大能量波束的目标进行跟踪，并对不同方向上的波束形成的能量进行比较，获得最大能量波束所在的方位角度；
基于最大波束引导，初始确认上述最大能量波束所在的方位角度作为跟踪目标的引导波束方位；
对所在的所述方位进行多波束的细化波束形成；
对所述多波束的细化波束形成的结果进行平方检波；
基于所述平方检波的结果，比较多波束的能量大小，确认最大波束的方位作为跟踪目标的精确方位，并将其作为跟踪结果输出。
6.如权利要求5所述的一种基于水下滑翔机的水声信号处理方法，其特征在于，所述方法还包括：
对所述跟踪目标进行特征提取；
对所述跟踪目标进行长时FFT；
选取所述跟踪目标的低频线谱作为LOFAR谱结果输出；
对所述跟踪目标进行逆FFT变换，以获得目标的时域信号；
对所述时域信号进行平方检波；
然后对检波信号进行低通滤波；
对低通滤波后的目标信号进行FFT处理，并选取预设范围的低频部分作为所述跟踪目标的DEMON谱结果输出。
7.如权利要求6所述的一种基于水下滑翔机的水声信号处理方法，其特征在于，所述方法还包括根据输出的所述LOFAR谱和DEMON谱中包含的目标具体特征信息进行目标判别，以得到所述目标判别信息，具体包括：
通过多批次所述跟踪目标的结构特征进行目标识别，并判断是否累计有多次目标识别；
若是，则进行目标确认并进行输出；其中，所述判断基于预设的判断条件。
CN202210095034.8A 2022-01-26 2022-01-26 一种基于水下滑翔机的水声信号处理方法 Active CN114513262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210095034.8A CN114513262B (zh) 2022-01-26 2022-01-26 一种基于水下滑翔机的水声信号处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210095034.8A CN114513262B (zh) 2022-01-26 2022-01-26 一种基于水下滑翔机的水声信号处理方法

Publications (2)

Publication Number Publication Date
CN114513262A true CN114513262A (zh) 2022-05-17
CN114513262B CN114513262B (zh) 2022-11-01

Family

ID=81550116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210095034.8A Active CN114513262B (zh) 2022-01-26 2022-01-26 一种基于水下滑翔机的水声信号处理方法

Country Status (1)

Country Link
CN (1) CN114513262B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115421130A (zh) * 2022-09-15 2022-12-02 浙江咸临智能科技有限责任公司 用于自主水下航行器的综合标矢量声纳***
CN115508817A (zh) * 2022-09-15 2022-12-23 浙江咸临智能科技有限责任公司 适用于水下航行器的目标跟踪及判别方法及其应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980486B1 (en) * 2005-03-21 2005-12-27 The United States Of America As Represented By The Secretary Of The Navy Acquisition system particularly suited for tracking targets having high bearing rates
US9869752B1 (en) * 2016-04-25 2018-01-16 Ocean Acoustical Services And Instrumentation Systems, Inc. System and method for autonomous joint detection-classification and tracking of acoustic signals of interest
CN108828566A (zh) * 2018-06-08 2018-11-16 苏州桑泰海洋仪器研发有限责任公司 基于拖曳线列阵的水下脉冲信号识别方法
CN110703203A (zh) * 2019-10-22 2020-01-17 哈尔滨工程大学 基于多声学波浪滑翔机的水下脉冲声定位***
CN110703202A (zh) * 2019-10-22 2020-01-17 哈尔滨工程大学 基于多声学波浪滑翔机和水面无人艇的水下脉冲声定位***
CN112229498A (zh) * 2020-10-09 2021-01-15 中国科学院沈阳自动化研究所 一种基于水下滑翔机的自噪声测量方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980486B1 (en) * 2005-03-21 2005-12-27 The United States Of America As Represented By The Secretary Of The Navy Acquisition system particularly suited for tracking targets having high bearing rates
US9869752B1 (en) * 2016-04-25 2018-01-16 Ocean Acoustical Services And Instrumentation Systems, Inc. System and method for autonomous joint detection-classification and tracking of acoustic signals of interest
CN108828566A (zh) * 2018-06-08 2018-11-16 苏州桑泰海洋仪器研发有限责任公司 基于拖曳线列阵的水下脉冲信号识别方法
CN110703203A (zh) * 2019-10-22 2020-01-17 哈尔滨工程大学 基于多声学波浪滑翔机的水下脉冲声定位***
CN110703202A (zh) * 2019-10-22 2020-01-17 哈尔滨工程大学 基于多声学波浪滑翔机和水面无人艇的水下脉冲声定位***
CN112229498A (zh) * 2020-10-09 2021-01-15 中国科学院沈阳自动化研究所 一种基于水下滑翔机的自噪声测量方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115421130A (zh) * 2022-09-15 2022-12-02 浙江咸临智能科技有限责任公司 用于自主水下航行器的综合标矢量声纳***
CN115508817A (zh) * 2022-09-15 2022-12-23 浙江咸临智能科技有限责任公司 适用于水下航行器的目标跟踪及判别方法及其应用

Also Published As

Publication number Publication date
CN114513262B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN114513262B (zh) 一种基于水下滑翔机的水声信号处理方法
US5668778A (en) Method for detecting acoustic signals from an underwater source
CN108680910B (zh) 基于波形认知的调频广播外辐射源雷达目标检测方法
CN105445723A (zh) 一种基于背景噪声频谱起伏特性的宽带阵列信号处理方法
CN113567969B (zh) 一种基于水下声信号的非法采砂船自动监控方法及***
EP2913890B1 (en) System and method for enhancing dynamic range of a beamforming multi-channel digital receiver
CN113835068B (zh) 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法
CN112612006B (zh) 基于深度学习的机载雷达非均匀杂波抑制方法
CN109506767B (zh) 一种对水下入侵目标引起声场异常的实时检测方法
Trucco et al. A stochastic approach to the synthesis of a robust frequency-invariant filter-and-sum beamformer
Chakraborty et al. Sea-floor classification using multibeam echo-sounding angular backscatter data: A real-time approach employing hybrid neural network architecture
US9060222B2 (en) Method for determining an averaged frequency-dependent transmission function for a disturbed linear time-invariant system, evaluation device and computer program product
CN115421130A (zh) 用于自主水下航行器的综合标矢量声纳***
CN111597873B (zh) 一种基于支持向量数据描述的超短波威胁信号感知方法
CN109001678B (zh) 一种基于三维麦克风阵列的雷声检测与定位方法
CN111580077B (zh) 一种用于探测小目标声呐的预警设备及方法
CN109283487B (zh) 基于支持向量机可控功率响应的music-doa方法
CN109828265B (zh) 一种多波束宽带剖面声呐及水下机器人
CN114927141B (zh) 异常水声信号的检测方法及***
CN115932808A (zh) 一种基于多特征融合的被动声纳智能探测方法
CN112034440B (zh) 一种基于波数谱能量累积分布的目标深度辨识方法及***
CN115792871A (zh) 一种球艏水声设备对拖曳线列阵的声兼容湖上试验方法
CN114779163B (zh) 一种基于波浪滑翔器的水声检测识别避障方法及***
Pailhas et al. Low frequency SAS 2D transmitter array calibration
JP2011214972A (ja) 気象レーダ信号処理装置及びそのグランドクラッタ除去方法

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
GR01 Patent grant
GR01 Patent grant