申请/专利权人：中国人民解放军海军大连舰艇学院;大连理工大学

申请日：2023-10-12

公开（公告）日：2024-04-09

公开（公告）号：CN117849745A

主分类号：G01S7/41

分类号：G01S7/41;G06F30/27;G06N3/045;G06N3/0475;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于海杂波信号与人工智能技术的海面波浪反演方法，包括基于随机波浪模型生成随机波浪样本集，基于海杂波生成模型生成对应的海杂波信号，构建衰减函数，根据衰减函数对海杂波信号进行衰减处理，获取所有随机波浪对应的衰减后的海杂波信号集，根据随机波浪样本集与海杂波信号集构建数据库，将数据库划分为训练集和测试集，构建PIX2PIX神经网络模型，对PIX2PIX神经网络模型进行训练与测试，获取待反演的海杂波信号，根据训练后的PIX2PIX神经网络模型获取待反演的海杂波信号所对应的三维波面信息。相比于传统的GAN网络模型而言，能够更快更准确的捕捉输入输出信号之间的关系，即能够更加准确还原经过阴影调制的回波信号，计算效率更高。

主权项：1.一种基于海杂波信号与人工智能技术的海面波浪反演方法，其特征在于，包括，步骤一、基于随机波浪模型生成随机波浪样本集，所述随机波浪样本集中的随机波浪的三维波面信息包括波浪频谱、有效波高、海况级别、波浪谱峰周期以及重力波周期，步骤二、对于随机波浪样本集中的任一随机波浪，基于海杂波生成模型生成对应的海杂波信号，构建衰减函数，根据衰减函数对海杂波信号进行衰减处理，获取所有随机波浪对应的衰减后的海杂波信号集，步骤三、根据随机波浪样本集与海杂波信号集构建数据库，将数据库划分为训练集和测试集，步骤四、构建PIX2PIX神经网络模型，根据训练集对PIX2PIX神经网络模型进行训练，根据损失函数的取值对PIX2PIX网络模型中的隐层层数和特征点进行调整，获取训练后的PIX2PIX神经网络模型，将测试集中的海杂波信号输入至训练后的PIX2PIX神经网络模型进行测试并获取测试结果，所述测试结果为三维波面信息，步骤五、获取待反演的海杂波信号，根据测试结果选择训练后的PIX2PIX神经网络模型，并根据所选择的训练后的PIX2PIX神经网络模型获取待反演的海杂波信号所对应的三维波面信息。

全文数据：

权利要求：

百度查询： 中国人民解放军海军大连舰艇学院;大连理工大学 一种基于海杂波信号与人工智能技术的海面波浪反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD