分布式声学定位网络中多目标分类方法技术

本发明专利技术提供一种分布式声学定位网络中多目标分类方法,解决了现有目标分类方法并不能有效的提高定位效率和定位准确度问题，属于声学被动定位领域多目标定位技术。本发明专利技术包括：S1、将3个以上节点布放在空间不同的位置，每个节点包括一个声传感器阵列，用于接收目标辐射的信号；根据该信号对目标进行方位估计，得到每个节点不同方位对应的信号能量和频谱特征；对每个节点的信号能量的空间方位特性进行排序，得到每个节点N个信号能量大的方位和频谱特征组成的目标；以第一个节点的各目标和对应的目标频谱特征作为参考，确定其余各节点的N个目标与第一个节点的各目标的对应关系；将相同目标的方位信息结合各节点的位置信息，解算出各目标的位置。

Multi-target classification in distributed acoustic location network

【技术实现步骤摘要】
分布式声学定位网络中多目标分类方法
本专利技术涉及一种分布式声学定位网络中多目标分类方法，属于声学被动定位领域多目标定位技术。
技术介绍
目标分类是多目标被动探测与定位不可回避的一个问题。目标的特征是目标分类的基础，如何寻找并确认目标的特征是多目标分类的关键。较为有效的声学目标特征通常都具有明确的物理意义：信号的时域特征、频域特征和空域特征(目标的水平位置和深度特征)。目标的分类的方法有机器学习的方法。分布式声学定位网络的问题在于目标的声学特征。多目标被动定位中，需要去除虚假目标，进而提高定位效率和定位准确度，而关于去除虚假目标，现有技术中有一种基于冗余信息的虚假点消除算法及三站交叉定位虚假点消除算法研究，通过有选择性地利用多站测量的方位角或时差冗余信息进行关联，达到去除虚假点的目的。现有技术还有一种结合时差信息的测向定位虚假点消除算法，在利用测向方位角信息进行交叉定位的基础上,再结合到达时差信息,根据测向站之间测向数据的相似度来进行最优匹配,可以在无需其它先验信息下实现数据的正确关联，消除虚假点。但是应用这些去除虚假目标算法的目标分类本文档来自技高网...

【技术保护点】
1.分布式声学定位网络中多目标分类方法，其特征在于，所述方法包括：/nS1、将M个节点布放在空间不同的位置，每个节点包括一个声传感器阵列，用于接收目标辐射的信号，M取大于等于3的正整数，所述目标与各节点的声传感器阵列位于同一个水平面内；/nS2、根据从每个节点接收的信号，对目标进行方位估计，得到每个节点不同方位对应的信号能量和频谱特征；/nS3、对每个节点的信号能量的空间方位特性进行排序，得到每个节点N个信号能量大的方位和频谱特征组成的目标；/nS4、以第一个节点的各目标和对应的目标频谱特征作为参考，确定其余各节点的N个目标与第一个节点的各目标的对应关系，所述对应关系表示两个目标为相同目标；/...

【技术特征摘要】
1.分布式声学定位网络中多目标分类方法，其特征在于，所述方法包括：
S1、将M个节点布放在空间不同的位置，每个节点包括一个声传感器阵列，用于接收目标辐射的信号，M取大于等于3的正整数，所述目标与各节点的声传感器阵列位于同一个水平面内；
S2、根据从每个节点接收的信号，对目标进行方位估计，得到每个节点不同方位对应的信号能量和频谱特征；
S3、对每个节点的信号能量的空间方位特性进行排序，得到每个节点N个信号能量大的方位和频谱特征组成的目标；
S4、以第一个节点的各目标和对应的目标频谱特征作为参考，确定其余各节点的N个目标与第一个节点的各目标的对应关系，所述对应关系表示两个目标为相同目标；
S5、将相同目标的方位信息结合各节点的位置信息，解算出各目标的位置。


2....

【专利技术属性】
技术研发人员：兰华林，王泽华，师俊杰，吕云飞，梅继丹，靳建嘉，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23