申请/专利权人：广东海洋大学

申请日：2023-09-06

公开（公告）日：2024-04-09

公开（公告）号：CN117151198B

主分类号：G06N3/088

分类号：G06N3/088;G01S5/22;G06N3/0499

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明涉及基于自组织竞争型神经网络的水声被动定位方法，包括以下：获取定位区域的相关参数；确定所述相关参数的输入方式，之后采用线性归一化的方法处理所述相关参数以构造神经元；基于构造的神经元矢量生成初始的神经元扰动群组；将初始的神经元扰动群组作为训练数据集，通过SOM算法进行训练生成神经元拓扑结构；构造残缺神经元，所述残缺神经元不包括声源位置参数；将残缺神经元与神经元拓扑结构上的每一个神经元进行依次比较，并找寻出神经元拓扑结构上与所述残缺神经元最匹配的神经元；以最匹配的所述神经元所对应的声源位置参数作为定位结果。本发明能够在设备布防相对简单和计算量较低的情况下，提供较高精度和可靠性的目标定位结果。

主权项：1.基于自组织竞争型神经网络的水声被动定位方法，其特征在于，包括以下：获取定位区域的相关参数，所述相关参数包括海深、水听器深度、声速剖面、海底声学参数、水听器阵列声特征量、声源位置参数，当定位区域不存在声速剖面数据时，采用WOA18温盐数据集，提取水听器处的年平均温度和盐度剖面，再利用DelGrosso声速经验公式转化为声速剖面值以作为声速剖面数据，当目标定位区域不存在海底声学参数时，采用典型的液态半无限海底参数值作为海底声学参数；确定所述相关参数的输入方式，之后采用线性归一化的方法处理所述相关参数以构造神经元；基于构造的神经元矢量生成初始的神经元扰动群组；将初始的神经元扰动群组作为训练数据集，通过SOM算法进行训练，将初始的神经元扰动群组推广化，在神经元拓扑结构上生成包含未知声源位置参数的神经元；获取目标定位应用时实测的海深、水听器深度以及水听器阵列声特征量，并以此作为必选参数，基于所述必选参数以与构造神经元相同的参数的输入方式构造残缺神经元，所述残缺神经元不包括声源位置参数；将残缺神经元与神经元拓扑结构上的每一个神经元进行依次比较，并找寻出神经元拓扑结构上与所述残缺神经元最匹配的神经元；以最匹配的所述神经元所对应的声源位置参数作为定位结果；具体的，基于构造的神经元矢量生成初始的神经元扰动群组，包括，固定构造所述神经元的相关参数中除水听器阵列声特征量、声源位置以外的所有参数的值；将所述定位区域进行网格划分，获得不同的声源位置节点；将不同的声源位置节点叠加上完全相同的海深、水听器深度、声速剖面、海底声学参数，并输入声场特征量对应的声场计算模型，输出不同的声源位置节点对应的声场特征量；不同的声源位置节点及其对应的声场特征量、进行叠加的海深、水听器深度、声速剖面、海底声学参数共同组成初始的神经元扰动群组；具体的，找寻出神经元拓扑结构上与所述残缺神经元最匹配的神经元，包括，通过以下公式计算神经元拓扑结构上每一个神经元与所述残缺神经元的欧式距离， 其中，DX,Y表示X与Y之间的欧式距离，X为残缺神经元，Y为进行匹配的神经元拓扑结构上的神经元，其中a为残缺神经元上有的数据参数，b为残缺神经元上缺失的数据参数，Ci,j为残缺神经元上有的数据参数i与缺失的数据参数j间的相关矩阵；找寻出其中与所述残缺神经元的欧式距离最小的神经元即为最匹配的神经元。

全文数据：

权利要求：

百度查询： 广东海洋大学 基于自组织竞争型神经网络的水声被动定位方法及装置

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