本发明公开了一种基于浅水多波束水深数据的水下目标实时分割方法,采用RANSAC平面分割去掉地形背景再结合欧式距离聚类能够有效分割如石块、沉船、木头等水下目标,在分割前和分割后都需要进行滤波处理,根据水深结合多波束系统参数合理地设置阈值是分割成功的关键。本发明实现了利用走航多波束快速检测水下障碍物的目的。第五代浅水多波束系统具有高分辨率、高精度等特性,能够探测厘米级的水下目标,目前关于声呐的探测基本上都是基于图像的检测,本发明直接基于水深点数据进行检测并三维重构,在显示上较二维图像更直观。本发明克服了人工目视寻找目标的缺陷,能够精确给出目标的三维属性并显示和标记,有效地提高了水下目标探测的效率。

本发明涉及一种运动干扰环境下的贝叶斯稳健波束形成方法,属于阵列信号处理领域。首先提出综合利用不同模型所得观测数据提取感兴趣目标信息的贝叶斯联合重构方法,即非参数化贝叶斯方法-狄利克雷过程；随后,采用交替迭代优化的方法,实现滤波器参数的联合估计。变分推断算法可用于实现对多组参数的同步优化,其有效性在处理包括非共轭先验分布在内的各种复杂分层概率模型中得到了验证。变分推断方法的这一优势在参数估计方面的表现是由凸近似所带来的局部极值解减少,以及在适宜样本数和信噪比条件下,其在保证全局收敛的基础上估计精度更好地逼近相应的理论下界。与传统概率采样方法相比,本发明所采用的变分推断方法具有更高的计算效率。

本发明涉及一种平稳干扰环境下的贝叶斯稳健波束形成方法,属于阵列信号处理领域。包括建立阵列接收信号模型,基于阵列接收信号模型中的干扰+噪声向量建立贝叶斯概率模型,使用集合表示概率模型中全部未知变量,使用变分推断方法,得到集合中各变量的后验分布参数的更新公式,根据干扰+噪声精度矩阵及期望信号导向矢量的收敛解来计算最优权矢量。本发明将各信号分量的结构信息包含在用于空域滤波器参数估计的分层概率模型中,该模型中先验分布参数能够依据实际信号环境进行自适应调整,从而使阵列波束形成方法更好地适应不同信号环境中的处理需求。