听觉谱特征在水下目标回声识别中的应用

水下目标回声特征提取是主动目标识别的关键内容。本文提出将语音识别领域中较为成熟的RASTAPLP听觉模型应用于水中目标回波的特征提取,并根据信号的特点对RASTA-PLP模型进行修正。对比应用PLP方法进行的水中目标单频回波识别实验,结果表明:当加入卷积噪声后,修正的RASTA-PLP特征表现出更加良好的鲁棒性能,在同等测试条件下识别率比PLP听觉模型特征高约3%,显示了本方法在实现目标回声自动识别上的重要应用前景。     

雷达训练系统目标回波信号模拟方法研究

对光学区扩展目标的散射特性进行分析,建立了基于多散射中心及线性调频体制宽带雷达的目标回波模型,同时给出了雷达回波数据的存储模型及处理方法。在此基础上对扩展目标作径向和非径向匀速直线运动两种情况下的回波信号进行模拟仿真为验证回波模型的正确性,对仿真的回波数据分别进行脉冲压缩和多普勒处理,得出的目标的一维距离像和速度维正确地反映出目标特征,表明模型可行有效,为后续的目标特征提取、目标识别奠定了基础。     

基于波束形成的目标空间特征提取

由于海洋环境的复杂性,给水下目标识别带来很大难度。目前的识别技术主要在时域、频域及时频域。波束形成技术是近年发展起来的研究目标识别的一种重要方法。本文基于水中目标回波信号,应用波束形成及空间谱分析技术,从时空间域获得目标回波的亮点、尺度特征,并利用实测数据验证方法的可行性。     

基于盲源分离的一维距离像特征提取算法磁

在日趋复杂的电磁环境下,雷达回波中存在着大量的噪声和干扰,一维高分辨距离像目标识别过程中,采用一般的特征提取算法不能提取有效的目标特征,影响着目标识别的效果。论文采用盲源分离的方法对复杂电磁环境下的雷达回波进行处理,提取目标回波,将强散射点回波信号视为不同的信号源进行盲源分离,实现了一维距离像上散射点位置特征的提取,并通过计算机仿真验证了该方法的有效性。     

一种基于小波分析的雷达目标多重变换特征提取方法

在非相参雷达目标识别方法中,基于ＦＦＴ－ＭＥＬＬＩＮ的多重变换的特征提取方法,在消除由于雷达回波视角和时延所引起的目标特征不稳定性方面有较好的应用效果。本文针对飞行目标的具体特性,运用小波分析方法提出了一种新的多重变换特征提取方法,经实际数据验证,在飞行目标的架次识别中取得了良好的识别率和实时性。最后文中通过该方法对三类水声目标的分类实验结果分析,证明了其广阔的应用前景。     

水中目标回波脉冲包络起伏特征研究

水中目标散射声信号中蕴含了目标外形、结构、材质等物理属性信息,如何表征和提取这些属性信息一直是水中目标散射声信号分类与识别研究关注的焦点之一。为此,文章提出并研究了与水中目标属性信息相关联的散射声信号包络起伏特征,分析了该特征与目标外形、结构等物理属性间的内在关联及其形成机理,建立了相应的特征表征模型,并开展了理论仿真分析和模型实验验证研究。研究结果表明:体目标回波的脉冲包络起伏极值频率随入射声波的载频增加而增加,这体现了体目标的属性;Bench Mark模型的回波脉冲包络起伏频率与目标方位角密切相关,其中艏艉方向最大,正横方位最小。     

一种估计水中目标辐射噪声线谱的方法

线谱是水中目标辐射噪声中重要的特征信息,在被动声呐系统中,线谱提取是水中目标识别的关键技术.文章简述了水中目标辐射噪声的物理成因和频谱特征,利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点,结合仿真试验的结果,提出了一种对水中目标辐射噪声低频段线谱估计的联合分析法,并用该方法对2艘实船噪声进行了谱分析.实验结果表明,该方法对低频段的线谱特征提取有较好的实用效果.     

一种多源信息融合的声呐综合目标识别方法

针对声呐在搜潜过程中目标识别正确率提升的问题,分析声呐目标特征及其获取手段,研究声呐目标特征提取、分析和识别方法,提出一种多信息源融合的声呐目标综合识别方法。综合运用声呐探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行联合识别,深层次挖掘目标特征信息,通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,形成标准的声呐目标综合识别使用流程,从而提高目标识别正确率。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

一种提取水中目标水声信号时频特征的方法

对水中目标识别而言,其关键技术之一就是对目标水声信号的分析处理。基于短时傅立叶变换思想,论文给出了一种针对水中目标水声信号的时间-频率提取方法,并对此方法进行了仿真分析,结果表明此方法对水声信号的时频特征提取可行有效。     

信号处理在舰船目标识别中研究发展综述

舰船目标识别系统是现代智能水中兵器的神经中枢和关键技术,为全面了解现代舰船目标识别技术的基本原理功能和发展现状。全面系统地介绍了二十多年来国内外舰船目标识别技术的发展历程和成果,重点阐述了诸如谱分析、小波分析、混沌时间序列分析等现代信号处理技术在舰船目标识别中的发展。最后对未来舰船目标识别技术的发展方向和思路表达了认识和看法,以期共同推进舰船目标信号的特征提取和识别技术的进一步发展。     

基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

Classification of underwater target echoes based on auditory perception characteristics

In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and reverberation. In this paper, based on the unique advantage of human listening ability on objects distinction, the Gammatone filter is taken as the auditory model. In addition, time-frequency perception features and auditory spectral features are extracted for active sonar target echo and bottom reverberation separation. The features of the experimental data have good concentration characteristics in the same class and have a large amount of differences between different classes, which shows that this method can effectively distinguish between the target echo and reverberation.     

基于听觉感知特征的水下目标回波分类(英文)

In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and reverberation. In this paper based on the unique advantage of human listening ability on objects distinction, the Gammatone filter is taken as the auditory model. In addition, time-frequency perception features and auditory spectra features are extracted for active sonar target echo and bottom reverberation separation. The features of the experimental data have good concentration characteristics in the same class and have a large amount of differences between different classes, which shows that this method can effectively distinguish between the target echo and reverberation.     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

Extraction of echo characteristics of underwater target based on cepstrum method

The analysis and characteristic extraction of target echo characteristics are important in underwater target detection and recognition. Rigid acoustic scattering components are generally used as major echo contributors with relatively stable characteristic information. Previous studies focus on echo characteristics from a single angle, thereby limiting the amount of extracted characteristic information. This paper aims to establish a full-angle rigid echo components model and overcome the difficulty of the extraction of time delay characteristics of narrow-band acoustic scattering echoes. On the basis of the analysis of the target echo highlight model, the echo characteristics of rigid acoustic scattering components are extracted in the cepstrum domain, and a wavelet process is proposed to enhance the effect of time delay estimation. Experimental data indicate that the extracted time delay characteristics accord with the rigid echo characteristics of underwater target, thereby validating the effectiveness of the cepstrum method.     

倒谱域水下目标回波特征提取（英文）

The analysis and characteristic extraction of target echo characteristics are important in underwater target detection and recognition. Rigid acoustic scattering components are generally used as major echo contributors with relatively stable characteristic information. Previous studies focus on echo characteristics from a single angle, thereby limiting the amount of extracted characteristic information. This paper aims to establish a full-angle rigid echo components model and overcome the difficulty of the extraction of time delay characteristics of narrow-band acoustic scattering echoes. On the basis of the analysis of the target echo highlight model, the echo characteristics of rigid acoustic scattering components are extracted in the cepstrum domain, and a wavelet process is proposed to enhance the effect of time delay estimation. Experimental data indicate that the extracted time delay characteristics accord with the rigid echo characteristics of underwater target, thereby validating the effectiveness of the cepstrum method.     

基于 Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。