买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华南理工大学申请的专利一种水下波达方向估计预处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115186697B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210615595.6，技术领域涉及：G06F18/10；该发明授权一种水下波达方向估计预处理方法是由宁更新;廖镇锋;张军;冯义志;杨萃;季飞设计研发完成，并于2022-06-01向国家知识产权局提交的专利申请。

本一种水下波达方向估计预处理方法在说明书摘要公布了：本发明公开了一种水下波达方向估计预处理方法，该方法通过改变BERT深度学习模型的训练目标及其结构，基于四个训练目标有监督地训练该模型，得到改进BERT模型，并将一维均匀线阵的阵列信号接收数据输入到改进BERT模型，得到阵列信号去噪接收数据以及声速的估计值。本发明通过改进BERT深度学习模型，以改进BERT作为去噪自编码器对阵列信号接收数据进行预处理，提高输出信号的信噪比，同时估计出声速，将预处理后得到的去噪接收数据以及估计声速作为现有DOA估计方法的输入，可降低噪声与声速对DOA估计的影响，提高现有DOA估计方法在水下声速不确定以及低信噪比环境下的估计性能。

本发明授权一种水下波达方向估计预处理方法在权利要求书中公布了：1.一种水下波达方向估计预处理方法，其特征在于，所述预处理方法包括以下步骤：S1、建立一维均匀线阵的阵列信号模型；S2、构建改进BERT模型；所述改进BERT模型包括依次顺序连接的输入层、嵌入层、编码器和输出层，其中，所述输入层的输入为带噪矩阵Z＝[z1,z2,...,zm,...,zM]，带噪矩阵Z的维度为2L×M，其中向量zm为第m列向量，带噪矩阵Z由阵列信号接收数据X重构而得： 其中，Re{X}和Im{X}分别为阵列信号接收数据X的实部和虚部；对带噪矩阵Z做归一化处理得到维度为2L×M的归一化矩阵E＝[e1,em,…,eM]，其中向量em为第m列向量，归一化矩阵E表示为： 其中，为带噪矩阵Z中元素的中值，为带噪矩阵Z中元素所在区间长度的一半，vmax为带噪矩阵Z中元素的最大值，vmin为带噪矩阵Z中元素的最小值，矩阵G表示元素全为1的矩阵；归一化矩阵E将输入到所述嵌入层中；所述嵌入层由输入编码Ein，分片编码Eseg和位置编码Epos相加而成；所述嵌入层的输入为归一化矩阵E，与声速编码zC，信噪比编码zSNR，分类编码zCLS构成维度为2L×M+3的输入编码Ein，输入编码Ein表示为：Ein＝[zC,zSNR,zCLS,E]公式8其中声速编码zC，信噪比编码zSNR，分类编码zCLS，均为长度为2L的列向量，随机初始化，作为参数在训练过程中被更新；分片编码Eseg的维度为2L×M+3，当所述输入层的输入带噪矩阵Z＝[z1,z2,...,zm,...,zM]的前列向量和后列向量源于相同的L次快拍所得的数据时，分片编码Eseg的列向量均为元素全为0的列向量EA＝[0,...,0]T；当所述输入层的输入带噪矩阵Z＝[z1,z2,...,zm,...,zM]的前列向量和后列向量源于不相同的L次快拍所得的数据时，分片编码Eseg的前列向量均为元素全为0的列向量EA＝[0,...,0]T，后列向量均为元素全为1的列向量EB＝[1,...,1]T；位置编码Epos的维度为2L×M+3，其第i行第j列元素表示为： 其中，floor为向下取整函数；S3、训练改进BERT模型；S4、对阵列信号的接收数据X进行重构得到带噪矩阵Z，使用改进BERT模型对带噪矩阵Z进行预处理得到去噪估计矩阵与估计声速再对去噪估计矩阵进行重构得到阵列信号去噪接收数据

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。