基于机器学习的矢量水听器多目标方位估计及谱分离方法技术

本发明专利技术涉及水声物理、目标估计领域，特别涉及一种基于机器学习的矢量水听器多目标方位估计及谱分离方法。本发明专利技术方法包括：S1.基于单矢量水听器接收的多个目标辐射噪声的时域数据获得离散方位谱；S2.将方位谱按照最大幅度从大到小进行排序，并依次将作为方位中心，计算幅度加权值和角度密度中心，并以计算的角度密度中心作为方位中心进行迭代计算，直到相邻两次计算的角度密度中心小于角度阈值，输出按照幅度值从大到小排列的多个目标的方位、幅度和辐射噪声频谱；S3.计算幅度动态阈值，输出幅度大于幅度动态阈值的目标方位和辐射噪声谱。本发明专利技术可以无需给定目标数目的情况下，自动输出目标方位，同时设计的动态阈值更能适应高噪声环境。

【技术实现步骤摘要】

本专利技术涉及水声物理、目标估计领域，特别涉及一种基于机器学习的矢量水听器多目标方位估计及谱分离方法。

技术介绍

1、矢量水听器由无指向性的声压传感器和偶极子指向性的矢量传感器复合而成，可以同时共点测量声场中的声压和质点振速信息。单个矢量水听器可完成目标方位估计，具有三维定位避免左右舷模糊、良好的抗各向同性噪声干扰的能力、指向性具有频率无关性等优点。深度神经网络可以挖掘出目标信号的细节信息，可用于对各种已知或未知的目标声矢量特征提取。

2、但是，传统的基于深度学习的单矢量水听器方位估计方法实测数据训练后，也学习到数据中包含的有源噪声信息，仅对已训练环境下特定频率的数据方位估计效果较好。因此，传统的基于深度学习的单矢量水听器方位估计方法环境适应性较差，不利于技术的推广应用。而且，要提高环境适应能力也需要学习多种环境、多种频率，对数据量要求较高，推广难度大。

技术实现思路

1、本专利技术的目的在于利用空间中多个不同方位目标的辐射噪声在单矢量水听器接收端形成的离散方位谱，可以无需指定目标数目，通过计算加本文档来自技高网...

【技术保护点】

1.一种基于机器学习的矢量水听器多目标方位估计及谱分离方法，所述方法包括：

2.根据权利要求1所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述步骤S1具体包括：

3.根据权利要求2所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述频域声压P(f)、频域x方向质点振速Vx(f)和频域y方向质点振速Vy(f)的表达式分别为：

4.根据权利要求3所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述步骤S1-3中的2个互谱的表达式分别为：

5.根据权利要求4所述的基于机器学习的...

【技术特征摘要】

1.一种基于机器学习的矢量水听器多目标方位估计及谱分离方法，所述方法包括：

2.根据权利要求1所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述步骤s1具体包括：

3.根据权利要求2所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述频域声压p(f)、频域x方向质点振速vx(f)和频域y方向质点振速vy(f)的表达式分别为：

4.根据权利要求3所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述步骤s1-3中的2个互谱的表达式分别为：

5.根据权利要求4所述的基于机器学习的矢量水听器多目标方位估计及谱分离方法，其特征在于，所述步骤s1-4中，目标声源方位估计值angle(f)和有功声强幅...

【专利技术属性】
技术研发人员：王文博，任群言，曾娟，胡涛，马力，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：