龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明属于声学信号处理技术领域，具体涉及基于稀疏贝叶斯学习法的水下动目标探测方法、程序、设备及存储介质。本发明根据阵列信号模型得出观测数据矩阵与测量矩阵、噪声矩阵、干扰信号矩阵和待估计的水下动目标回波信号矩阵之间的线性方程式，并将待估计信号矩阵分成固定分量和时变分量两个子矩阵，对应每帧中相对稳定的干扰信号和时变的目标信号；对于每帧数据矩阵，其固定分量都被赋予相同的高斯先验分布，而时变分量的先验分布都各不相同，通过最大化近似后验，求解最优参数，计算出水下动目标回波信号的均值矩阵，在满足收敛条件后，输出水下动目标回波信号的均值矩阵作为其估计值，实现干扰信号的抑制和水下动目标回波信号的高精度重构。
主权项：1.基于稀疏贝叶斯学习法的水下动目标探测方法，其特征在于，包括以下步骤：步骤1：输入多帧观测数据矩阵，根据阵列信号模型得出观测数据矩阵与测量矩阵、噪声矩阵、干扰信号矩阵和待估计的水下动目标回波信号矩阵之间的线性方程式，并将待估计信号矩阵分成固定分量和时变分量两个子矩阵，对应每帧中相对稳定的干扰信号和时变的目标信号；步骤2：对于每帧数据矩阵，其固定分量都被赋予相同的高斯先验分布，而时变分量的先验分布都各不相同，通过最大化近似后验，求解最优参数，计算出水下动目标回波信号的均值矩阵，在满足收敛条件后，输出水下动目标回波信号的均值矩阵作为其估计值，实现干扰信号的抑制和水下动目标回波信号的高精度重构。
全文数据：
权利要求：
百度查询： 哈尔滨工程大学 基于稀疏贝叶斯学习法的水下动目标探测方法、程序、设备及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号