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！

申请/专利权人：昆明船舶设备研究试验中心(中国船舶集团有限公司七五〇试验场)

摘要：本发明的基于非均匀量化数据融合的多基地声呐联合探测方法，该方法用多个声呐、数据量化及传输装置，将在水中目标发射出来的信号接收并传输给融合中心，数据量化及传输装置装在声呐上，数据量化及传输装置将声呐接收到的信号量化压缩后，再传输给融合中心；该方法包括：多个声呐共同采集同一目标发射出来的信号；将多个声呐采集信号经过数据量化及传输装置的非均匀量化压缩后，将数据传输给融合中心；融合中心基于Rao准则，得到检测统计量；通过推导检测统计量的渐近分布获取判决门限；基于差分进化算法为量化阈值的设置和优化提供；将检测统计量与判决门限作比，得到最终判决结果。

主权项：1.一种基于非均匀量化数据融合的多基地声呐联合探测方法，该方法用多个声呐1、数据量化及传输装置2，将在水中目标3发射出来的信号接收并传输给融合中心4，数据量化及传输装置2装在声呐1上，数据量化及传输装置2将声呐1接收到的信号量化压缩后，再传输给融合中心4；其特征在于：基于非均匀量化数据融合的多基地声呐联合探测方法包括以下步骤：一、多个声呐1共同采集同一目标3发射出来的信号在同一时刻，多个声呐1对同一未知目标3发出的信号进行联合探测，声纳1总数量为N，并且不同声呐1之间的数据传输是相互独立，各声呐1接收通道的观测模型表示如下：xn＝βnsn+wn---公式1其中，xn＝[xn1,xn2,...,xnk]T表示n个声呐1，在一段时间内接收信号的集合；βn表示目标3的信号强度集合，sn＝[sn1,sn2,...,snk]T表示发射信号的集合，wn＝[wn1,wn2,...,wnk]T表示在上述一段时间内的各接收通道噪声的集合，其中wnk服从均值为0，方差为的高斯噪声分布，k表示接收的时间顺序；二、将多个声呐1采集信号经过数据量化及传输装置2的非均匀量化压缩后，将数据传输给融合中心4用以下公式对声呐1采集的信号进行量化压缩 其中，Unxnk表示对信号的量化编码处理，表示量化阈值，表示压缩后字长为q的二进制码元序列，k表示接收的时间顺序；从声呐1得到的信号，用公式2经过数据量化及传输装置2的非均匀量化压缩后，传递数据至融合中心4；三、融合中心4基于Rao准则，得到检测统计量用公式3表示N个声呐1得到检测统计量： 其中，Y＝[y1,y2,...,yN]T和β＝[β1,β2,...,βN]T分别用集合表示所有通道中传输的压缩数据和目标信号强度，PYH1；β和PYH0分别表示在条件H1有目标和条件H0无目标下压缩数据的概率质量函数；FIβ表示费雪信息矩阵，β0表示β在H0条件下的真实值；基于压缩后的编码信号形式，融合中心4用以下二元假设模型表示如下： 四、通过推导检测统计量的渐近分布获取判决门限；为了满足检测的恒虚警特性，检测统计量的渐进分布，将检测统计量与判决门限进行对比，即可输出检测结果，具体步骤如下：A1、根据检测统计量的表达式和接收数据的统计分布规律，构建修正后的检测统计量2ΛR的渐进分布： 其中，“a”表示渐近服从,表示自由度为N的中心卡方分布,表示自由度为N的非中心卡方分布，A2、计算非中心参量λ表达式： 此处计算λ需要给定β在H1假设下的真实值在获取某一信号的真实检测性能时，该信号是确定的，而在进行未知目标的虚警检测时，为了满足恒虚警特性，虚警概率Pfa，利用H0条件下的渐近分布特性反解计算出判决门限η，根据判决门限η与虚警概率Pfa的关系可反解出η：RN,0η＝1-Pfa→η＝RN,01-Pfa-----公式7RN,λ·是非中心卡方分布累计分布函数，用于表示随机变量，服从给指定分布时各给定值的概率，由于其概率密度函数不可积，没有原函数，其值通过计算机数据拟合已形成对应索引表，使用时，查表即可获得。五、基于差分进化算法为量化阈值的设置和优化提供参考；a、选择压缩位数根据实际需要，选择压缩位数q；b、通过差分进化算法，求解出最佳的量化阈值1、初始化参数，在解区间内随机均匀生成NP个体，每一个个体代表一组量化阈值的解，则第m个个体zm的第j个分量即τj的解表示为：zmj＝zminj+rand0,1×zmaxj-zminj---公式8其中,zmj是第m个个体的第个j分量，即τj的一个解；zminj和zmaxj分别表示第j个分量的下界和上界,rand0,1表示生成一个0～1的随机数，重复上述操作，生成NP组zm，将所有解代入目标函数公式6， 并挑选出目标值最大的作为初始目标解zmax,0；2、产生完初始个体后，将上述NP组zm进行第一次迭代，每个个体zm,pj生成变异解表示为gm,p＝zr1+F×zr3-zr2---公式9其中，zr1，zr2，zr3为上述NP组zm中的随机选择，且与目标个体互不相同的个体解，F∈0,2是一个常数因子，它控制变异变量的缩放；3、设置交叉概率因子CR＝0.5，生成交叉解um，对步骤2中生成的第j个分量计算如下： 4、将交叉解组成一组τ，代入以下公式11进行最优性比较，迭代出新的目标解： 迭代105后所得到的一组即是最优量化阈值的解，用最优量化阈值替代步骤二中的步骤五中对量化阈值的优化是建立在确知信号的先验信息上的，在检测场景不改变的情况下，最优量化阈值的值同样不会改变，即步骤五在检测循环中执行一次即可；六、将检测统计量与判决门限作比，得到最终判决结果；根据给定的虚警概率Pfa获取判决门限，同融合中心4接收到的压缩数据代入到如下判决表达式： 当修正后检测统计量大于判决门限时，则判定假设H1成立，目标信号存在；反之，则判定假设H0成立，目标信号不存在；对每一次采集到的数据重复以上步骤二到步骤四和步骤六，直至循环完成全部采集数据的检测。

全文数据：

权利要求：

百度查询： 昆明船舶设备研究试验中心(中国船舶集团有限公司七五〇试验场) 基于非均匀量化数据融合的多基地声呐联合探测方法