共查询到16条相似文献,搜索用时 140 毫秒
1.
利用多波束反向散射强度角度响应曲线的底质特征参数提取算法 总被引:1,自引:0,他引:1
提出了一种基于多波束反向散射强度角度响应曲线的底质特征参数提取算法。根据多波束单ping反向散射强度数据的变化规律,给出了获取平均反向散射强度角度响应曲线的ping数确定方法;分析角度响应曲线与底质类型的相关性,由于曲线上残留误差难以消除,采用容差性强的非线性最小二乘拟合算法,结合Hellequin参数模型,提取底质相关特征参数。实例计算结果表明,提取的特征参数在抑制多波束海底反向散射强度误差影响的基础上,有效保留了底质类型相关的反向散射强度随入射角变化信息,保证了多波束海底底质分类的能力及可靠性。 相似文献
2.
角度响应(angular response,AR)对回波强度影响较大,而目前的改正算法尚不完善,给多波束声呐回波强度的应用带来了较大困难。为此,提出了一种利用底质回波强度特征的AR聚类改正方法。首先,借助多波束声呐回波强度数据实施非监督底质分类;然后,研究每类底质的AR特征,形成每种底质的AR曲线簇;最后,结合每种底质的AR曲线簇,从观测的回波强度序列中减去对应底质的AR值,并将其归一化到平均强度,最终实现了回波强度中AR影响的消除。将该方法应用于实际回波处理中,取得了高质量的多波束声呐图像。 相似文献
3.
4.
5.
海底入射角对多波束反向散射强度的影响及其改正 总被引:3,自引:0,他引:3
综合考虑测船姿态、声线弯曲和海底地形对入射角的影响,推导了计算多波束海底入射角的实用模型。根据Lambert法则,改正海底入射角对反向散射强度的影响。实例计算结果表明,所述模型能精确地计算波束在海底的入射角,有效地改正其对反向散射强度的影响。 相似文献
6.
《武汉大学学报(信息科学版)》2016,(11)
针对多波束测量换能器校准不完善问题,提出了一种基于加权最小二乘的多波束换能器横摇偏差二次校正方法。基于平坦海底的多波束回波数据,采用加权最小二乘法拟合海底地形,进而计算海底倾角,即可得到换能器横摇偏差角度,将得到的角度偏差作为修正值,对测船模型中换能器横摇偏差进行校正。实验结果表明,较之改正前,校正后的水深数据在条带交叉区域具有较小的不符值,证明校正后的多波束水深数据具有更高的精度。 相似文献
7.
8.
针对传统多波束测深系统中对横摇偏差进行改正,存在校准后仍在航行过程中受外界因素干扰,以及改正模型未考虑声速不同导致声线跟踪法计算过程中的水层分层与声线弯曲影响,直接利用深度值进行计算使得改正精度不高的问题.提出了以检测线中央波束数据作为真实海底地形的参考,通过声线跟踪得到主测线在不同入射角度的回波时间,进而利用入射角度和回波时间的关系,反演得到横摇偏差角进行改正的方法.实验表明:利用回波时间对多波束测深数据的横摇偏差进行改正,通过声线跟踪结合检测线中央波束,能够进一步提高横摇偏差改正的精度. 相似文献
9.
《武汉大学学报(信息科学版)》2020,(9)
针对传统多波束测深系统从误差源进行平差的后处理方式受声速误差等因素影响较大的应用局限,提出了以相邻条带中央波束构建的每ping海底地形趋势线作为先验信息,利用卡尔曼滤波(Kalman filter, KF)对声速整体误差影响下的测深数据系统性误差进行改正的方法。首先,提取测深数据准确性相对较高的相邻条带的中央波束数据,对多波束每ping测深点所在的区域海底地形构建大致走向的趋势线;其次,利用检测线中央波束与主测线交叉重叠部分的数据,得到观测值的偏差和所构建海底地形趋势线的偏差;最后,结合得到的偏差,以构建的趋势线作为先验信息对测深数据利用卡尔曼滤波进行改正,并对改正后的数据进行精度分析与评估。实验表明,对于声速整体误差引起的海底地形畸变,利用卡尔曼滤波能够对边缘波束的系统性误差进行有效的改正。 相似文献
10.
海底底质分类反向散射强度三维概率密度法 总被引:2,自引:2,他引:0
反向散射强度随入射角变化信息蕴含海底底质特性,是多波束海底底质分类的重要数据源。目前,多波束海底底质分类主要提取平均反向散射强度随入射角的变化信息或基于声呐图像,没有综合考虑两者的相关信息。本文综合考虑平均反向散射强度随入射角变化信息及其概率密度分布,绘制三维概率密度图,提出了基于反向散射强度三维概率密度图的海底底质分类方法。实例计算结果表明:该方法能直观表达多波束条带覆盖区内不同海底底质类型的数量,有效判断不同海底底质类型的边界,实现海底底质类型的快速识别。 相似文献
11.
12.
海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。 相似文献
13.
14.
根据LS模型参数中钱德勒项的时变性质,提出了基于钱德勒参数时变修正的CLS模型,并用CLS+AR对极移进行预测。实验结果表明,CLS+AR模型在极移预测精度上较LS+AR模型有较大改善。 相似文献
15.
由于AR(p)模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。 相似文献
16.
学习向量量化神经网络在多波束底质分类中的应用研究 总被引:5,自引:1,他引:5
利用多波束测深系统获取的反向散射强度数据,应用学习向量量化(learning vector quantization,LVQ)神经网络分类方法实现了对海底砂、砾石和基岩等底质类型的快速、有效的识别。通过比较,证明了该方法能较好地区分出不同海底底质类型。 相似文献