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！
申请/专利权人：中国海洋大学
摘要：本发明涉及声场计算技术领域，具体公开了一种基于深度双边稀疏采样的声场快速预报方法，包括以下步骤：首先，利用双边稀疏采样DBSS在空间域和角度域同时进行稀疏采样；而后，构建DTLK‑Net的深度学习模型；并对DTLK‑Net深度学习模型进行训练；最后，将峰值信噪比PSNR和结构相似性指数SSIM作为评价准则，进行传输损失估计。本发明采用上述的一种基于深度双边稀疏采样的声场快速预报方法，可用于高效和准确地估计水下声传输损失TL，采用DBSS算法实现了与真值相当的高质量重建结果，与传统的Bellhop方法相比具有显著的加速效果。
主权项：1.一种基于深度双边稀疏采样的声场快速预报方法，其特征在于，包括以下步骤：S1、利用双边稀疏采样DBSS在空间域和角度域同时进行稀疏采样；S2、构建DTLK-Net的深度学习模型；S3、对DTLK-Net深度学习模型进行训练；S4、将峰值信噪比PSNR和结构相似性指数SSIM作为评价准则，进行传输损失估计；步骤S1中，在空间域，使用一个由点组成的粗网格来覆盖深度和距离维度，其中且；空间采样间隔由信号频率和所需空间分辨率决定的奈奎斯特准则确定，在深度和距离两个方向上进行下采样捕捉传输损失TL场的空间变化；在角度域，将从声源发射的射线数从减少到，的选择取决于环境的复杂性，简单的环境用小的折线数充分采样，而复杂的环境则需要大折线数来捕捉多路效应；步骤S2中，通过构建DTLK-Net的深度学习模型，学习映射函数，其中为不同距离和深度处的传输损失TL场，将步骤S1中稀疏采样的输入重建为高分辨率的传输损失TL场，DTLK-Net的深度学习模型的网络架构包括以下三部分：第一部分：将输入场编码到低维特征空间的浅层特征提取器；第二部分：使用分解的大尺度卷积核和时序建模逐步提炼特征的DTLK模块堆叠；第三部分：将特征解码回高分辨率输出场的最终重建模块。
全文数据：
权利要求：
百度查询： 中国海洋大学 一种基于深度双边稀疏采样的声场快速预报方法
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