申请/专利权人：中国海洋大学

申请日：2023-12-06

公开（公告）日：2024-05-03

公开（公告）号：CN117368848B

主分类号：G01S5/22

分类号：G01S5/22;G06F18/214;G06N3/0442;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明公开了一种基于长短期记忆神经网络的虚拟阵元波束形成方法及系统。所述方法包括：获取通过预先布置的均匀线阵接收到的声信号样本，将样本划分为训练集和验证集，通过训练集训练长短期记忆神经网络模型，其中真实阵元接收数据作为模型的输入，虚拟阵元接收数据作为模型的输出；通过验证集挑选出效果最好的模型；获取远场声源在指定方位上的真实阵元接收数据，送入效果最好的模型，输出虚拟阵元接收数据的预测值，将其与同时间段的真实阵元接收数据合并，利用常规波束形成方法进行处理，得到波束图。本发明针对真实阵元数量少的条件，获取虚拟阵元位置处的声场信息，增加常规波束形成算法可使用的信息量，提高目标探测的角度分辨力。

主权项：1.一种基于长短期记忆神经网络的虚拟阵元波束形成方法，其特征在于，包括以下步骤：获取通过预先布置的均匀线阵接收到的声信号样本，包括远场声源在不同方位上在时间段内的真实阵元接收数据及虚拟阵元接收数据，其中预先布置的均匀线阵为均匀4元线阵，虚拟阵元数量设置为1:1:4，获取通过预先布置的均匀线阵接收到的声信号样本包括：仿真单个远场声源方位为在时间段内的若干组真实阵元接收数据及虚拟阵元接收数据；将样本划分为训练集和验证集，通过训练集训练长短期记忆神经网络模型，其中真实阵元接收数据作为模型的输入，虚拟阵元接收数据作为模型的输出；通过验证集评估不同超参数所构建的模型效果，从中挑选出效果最好的模型；其中长短期记忆神经网络模型包括两个长短期记忆神经网络层、一个随机失活层、输出层，输入数据形式是由时间、阵元、样本构成，长短期记忆神经网络层对输入数据进行有效的时间序列建模，捕捉长期依赖关系，随机失活层在训练过程中以一定的概率随机丢弃部分神经元，最后输出数据的形式由时间和阵元构成；获取远场声源在一个指定方位上在时间段内的真实阵元接收数据，送入效果最好的长短期记忆神经网络模型，输出时间段内虚拟阵元接收数据的预测值，该预测值的形式由时间和阵元构成，其中获取远场声源在一个指定方位上在时间段内的真实阵元接收数据包括：仿真单个远场声源方位为中任一个方位在时间段内的真实阵元接收数据；将时间段内虚拟阵元接收数据的预测值与时间段内的真实阵元接收数据合并，利用常规波束形成方法进行处理，得到波束图。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于长短期记忆神经网络的虚拟阵元波束形成方法及系统

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