買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜華南理工大學申請的專利一種水下波達方向估計預處理方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115186697B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210615595.6，技術領域涉及：G06F18/10；該發明授權一種水下波達方向估計預處理方法是由寧更新;廖鎮鋒;張軍;馮義志;楊萃;季飛設計研發完成，并于2022-06-01向國家知識產權局提交的專利申請。

本一種水下波達方向估計預處理方法在說明書摘要公布了：本發明公開了一種水下波達方向估計預處理方法，該方法通過改變BERT深度學習模型的訓練目標及其結構，基于四個訓練目標有監督地訓練該模型，得到改進BERT模型，并將一維均勻線陣的陣列信號接收數據輸入到改進BERT模型，得到陣列信號去噪接收數據以及聲速的估計值。本發明通過改進BERT深度學習模型，以改進BERT作為去噪自編碼器對陣列信號接收數據進行預處理，提高輸出信號的信噪比，同時估計出聲速，將預處理后得到的去噪接收數據以及估計聲速作為現有DOA估計方法的輸入，可降低噪聲與聲速對DOA估計的影響，提高現有DOA估計方法在水下聲速不確定以及低信噪比環境下的估計性能。

本發明授權一種水下波達方向估計預處理方法在權利要求書中公布了：1.一種水下波達方向估計預處理方法，其特征在于，所述預處理方法包括以下步驟：S1、建立一維均勻線陣的陣列信號模型；S2、構建改進BERT模型；所述改進BERT模型包括依次順序連接的輸入層、嵌入層、編碼器和輸出層，其中，所述輸入層的輸入為帶噪矩陣Z＝[z1,z2,...,zm,...,zM]，帶噪矩陣Z的維度為2L×M，其中向量zm為第m列向量，帶噪矩陣Z由陣列信號接收數據X重構而得： 其中，Re{X}和Im{X}分別為陣列信號接收數據X的實部和虛部；對帶噪矩陣Z做歸一化處理得到維度為2L×M的歸一化矩陣E＝[e1,em,…,eM]，其中向量em為第m列向量，歸一化矩陣E表示為： 其中，為帶噪矩陣Z中元素的中值，為帶噪矩陣Z中元素所在區間長度的一半，vmax為帶噪矩陣Z中元素的最大值，vmin為帶噪矩陣Z中元素的最小值，矩陣G表示元素全為1的矩陣；歸一化矩陣E將輸入到所述嵌入層中；所述嵌入層由輸入編碼Ein，分片編碼Eseg和位置編碼Epos相加而成；所述嵌入層的輸入為歸一化矩陣E，與聲速編碼zC，信噪比編碼zSNR，分類編碼zCLS構成維度為2L×M+3的輸入編碼Ein，輸入編碼Ein表示為：Ein＝[zC,zSNR,zCLS,E]公式8其中聲速編碼zC，信噪比編碼zSNR，分類編碼zCLS，均為長度為2L的列向量，隨機初始化，作為參數在訓練過程中被更新；分片編碼Eseg的維度為2L×M+3，當所述輸入層的輸入帶噪矩陣Z＝[z1,z2,...,zm,...,zM]的前列向量和后列向量源于相同的L次快拍所得的數據時，分片編碼Eseg的列向量均為元素全為0的列向量EA＝[0,...,0]T；當所述輸入層的輸入帶噪矩陣Z＝[z1,z2,...,zm,...,zM]的前列向量和后列向量源于不相同的L次快拍所得的數據時，分片編碼Eseg的前列向量均為元素全為0的列向量EA＝[0,...,0]T，后列向量均為元素全為1的列向量EB＝[1,...,1]T；位置編碼Epos的維度為2L×M+3，其第i行第j列元素表示為： 其中，floor為向下取整函數；S3、訓練改進BERT模型；S4、對陣列信號的接收數據X進行重構得到帶噪矩陣Z，使用改進BERT模型對帶噪矩陣Z進行預處理得到去噪估計矩陣與估計聲速再對去噪估計矩陣進行重構得到陣列信號去噪接收數據

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南理工大學，其通訊地址為：510640 廣東省廣州市天河區五山路381號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。