神经网络算法在舰船声呐设备自噪声预报的应用

舰船声呐设备利用声波在水下的传播特性,将采集的声音信号转换为电信号,从而确定水下目标的位置信息、速度信息和形态信息等,是舰船上重要的水声学探测装置。在舰船声呐的正常工作中,噪声信号会对声呐的探测和目标定位精度产生不利影响,常见的噪声源包括舰船螺旋桨噪声、舰船机械噪声、声呐设备自噪声等。本文主要研究舰船声呐设备的自噪声频段分布和形成原理,利用神经网络算法对声呐设备自噪声预报技术进行研究,该研究对改善舰船声呐设备的探测水平、提高声呐采集信号的信噪比、降低声呐设备自噪声等有重要意义。     

基于FIR与正交基分解的磁性目标检测方法

针对磁异常探测中,磁性目标信号被噪声淹没,信噪比较低的情况,提出了FIR与正交基分解相结合的检测方法。先利用FIR低通滤波器滤除高频噪声,保留磁性目标磁异常信号,再利用正交基分解检测算法,大幅度提升磁性目标信号的信噪比,从而实现磁性目标检测。仿真试验结果表明,该方法可以提升磁性目标检测能力,具有一定的工程应用价值。     

水下潜器首部声基阵区流噪声研究方法

水下潜器在航行过程中,主要使用声呐来探测敌方舰艇以及自身位置。主声呐一般安放在潜艇首部位置,可分为主动声呐与被动声呐。在探测目标时,噪声是2种声呐系统都必须克服的干扰因素。针对自噪声中的流噪声,首先使用LES模型对水下潜器的外流场进行仿真计算。在获得流场中的脉动压力分布后,将其导入基于Lighthill声类比理论的声学软件ACTRAN中进行声场仿真计算,实现了对水下潜器首部声基阵区流噪声的数值预报。研究了航速、共形阵的安装位置和基阵单元安装面形状对声基阵区流噪声传播的影响。结果表明:航速越大,流噪声越大;增大声呐安装面与导流罩的距离以及使用较光滑的安装面,可以减小声基阵区流噪声的大小。     

基于改进EMD算法的水下潜艇磁异常信号处理分析

潜艇水下磁异常探测中关键环节是对信号的检测处理。针对传统EMD算法处理磁异常信号存在的模态混叠现象,论文仿真了经典磁偶极子模型对潜艇磁异常信号,利用改进的EMD算法对高噪声环境下的仿真信号进行检测,检测结果表明,该方法具有自适应强、完备性好的特点,在信号重构过程中能够较好地还原目标信号的时域特性。论文的结果对今后水下潜艇磁异常探测信号检测算法的发展有一定借鉴意义。     

水下潜器首部声基阵区流噪声研究方法

水下潜器在航行过程中,主要使用声呐来探测敌方舰艇以及自身位置.主声呐一般安放在潜艇首部位置,可分为主动声呐与被动声呐.在探测目标时,噪声是2种声呐系统都必须克服的干扰因素.针对自噪声中的流噪声,首先使用LES模型对水下潜器的外流场进行仿真计算.在获得流场中的脉动压力分布后,将其导入基于Lighthill声类比理论的声学软件ACTRAN中进行声场仿真计算,实现了对水下潜器首部声基阵区流噪声的数值预报.研究了航速、共形阵的安装位置和基阵单元安装面形状对声基阵区流噪声传播的影响.结果表明:航速越大,流噪声越大;增大声呐安装面与导流罩的距离以及使用较光滑的安装面,可以减小声基阵区流噪声的大小.     

基于定点磁标的水下导航定位方法研究

通过对水下定点磁标进行三维磁探测，获得载体当前位置与磁标点的相对位置，从而获得一个相对比较准确的定位点，应用卡尔曼滤波技术根据多次探测点的信息进行数据融合获得位置修正，从而可以得到可靠的、精确的定位信息。仿真结果证明此方法可以为水下载体的定位提供一种有效途径。     

航空磁探中水下目标的自适应探测方法

目前普遍采用的飞机磁场模型存在一定的复共线性,传统方法很难准确计算其模型系数。模型系数的不准确对水下磁异常信号探测的影响也很大。自适应探测方法假设飞行测量过程为平稳随机过程,利用对背景噪声的统计特性的学习,实现飞机背景噪声的白化。根据磁性目标的时序特点和噪声的统计特性提出的探测因子,在强起伏干扰背景下对磁异常信号具有较强的探测能力,同时简化了补偿过程,提高了探测效率,具有工程应用价值。     

潜艇磁异常信号与方位对应关系的研究

根据潜艇磁偶极子等效模型,利用Matlab仿真生成了反潜机在任意搜潜航向下,探测到的目标潜艇任意航向下的磁异常信号,并利用这些磁异常信号建立数据库。将反潜机在两条相互垂直的搜潜航线下探测到的磁异常信号与数据库中的磁异常信号进行对比,可快速判别出目标潜艇所处的方位,对进一步提高反潜作战效能有一定的参考价值。     

用于探测水下目标的超导磁梯度仪

无源磁传感器为探测、搜索运动区域内的磁异常目标提供了一种手段。现行技术下由超导量子干扰装置（ＳＱＵＩＤ）组成的传感器，可以实现最高灵敏度的磁异常目标的； 种由铌块和金属丝超导元件组成的传感器由液态氨冷却到４Ｋ。已开发出一种灵敏度高、探测距离远的先进超导梯义仪样机，其传感器的特点是使用铌江膜超导元件和新的液态冷却技术。传感器使用液态拟冷却技术，可以使传感器的组装尺寸后勤保障要求和。从现行观点论述了磁     

舰船感应磁性的磁异常信号特征

为了研究舰船的磁性目标特征,基于弱磁环境下铁磁质的线性磁化规律,利用国际地磁参考场模型,研究了不同磁航向情况下舰船磁异常信号的分布。仿真分析表明,在地磁坐标系中,舰船南侧的磁异常信号为正,北侧为负;随着舰船磁航向的变化,磁异常信号等值线的形状略有变化,取向和范围有较大变化;为了减弱磁异常信号,舰船应沿磁东、磁西方向航行,为了提高探测能力,应沿磁南、磁北方向搜索。     

基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究

以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。     

基于粒子滤波的声呐图像目标跟踪算法研究

声呐图像目标跟踪技术在水下UUV作战系统中具有重要意义,由于水声环境复杂,噪声干扰严重,导致声呐目标跟踪效果欠佳。本文针对UUV声呐成像特点,首先给出一种改进的Curvelet变换图像增强方法,可以有效降低声呐图像噪声并在一定程度上增强目标图像的边缘。并此基础上,提出一种基于粒子滤波的声呐目标跟踪算法以获得更为准确的目标跟踪效果。仿真结果表明,相较于传统声呐目标跟踪,该方法具有更好的目标跟踪精度以及鲁棒性。     

基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

潜艇噪声水平对声呐探测性能影响分析

论述了潜艇噪声水平对敌方和我方被动声呐探测距离的影响,给出了声呐工作在1 kHz时,本艇辐射噪声降低导致敌方被动声呐作用距离降低变化关系曲线,及本艇自噪声降低对我方声呐被动探测作用距离提升之间的变化关系曲线.分析结果表明,降低本艇的辐射噪声,可以降低敌方声呐的探测距离,从而增强我方潜艇的隐蔽性;当声呐平台噪声大于海洋环境噪声时,降低本艇的自噪声可提高我方潜艇被动声呐的探测距离,从而提高我方潜艇的先敌发现能力.     

复杂背景下小样本声呐图像目标检测

水下目标检测具有重要意义,在军事和民用领域都发挥着重要作用。实际场景中可以获得的声呐图像非常有限,且声呐图像的信噪比较低,无法得到较好的检测结果。因此,本文引入小样本学习,基于Faster RCNN两阶段目标检测算法,选择不同的策略对模型进行优化,得到了较好的检测结果并验证了小样本目标检测在声呐图像领域的可行性。根据混响对声呐图像的影响进行仿真实验,得到不同混响背景下的声呐图像,对比分析了不同数据集下训练模型的检测性能。实验结果表明,在训练样本中增加混响信号可以提高低信噪比条件下的目标检测精度。     

海岸声呐对AUV隐蔽突防影响研究

针对AUV抵近目标前沿海区执行任务而可能被海岸声呐探测,从而影响AUV隐蔽突防的问题。通过构建海岸声呐对AUV探测距离预估模型、海岸声呐对目标探测概率模型,从探测距离、概率2个方面,分析海岸声呐对AUV隐蔽突防的影响,给出了声呐探测距离与航速、海况对应变化关系及海岸声呐对AUV探测概率拟合曲线。在获取AUV航速、海况等级、海岸声呐布设位置等关键信息后,可预报声呐对AUV的探测距离及不同区域的探测概率。最后基于典型AUV任务态势设定了AUV隐蔽突防威胁等级表,提出AUV在不同情况下的隐蔽突防策略。     

水面舰艇噪声干扰器对抗潜艇声呐效果分析

为摆脱潜艇声呐的跟踪,水面舰艇一般在噪声干扰器的掩护下机动规避.本文在声呐工作原理分析的基础上,探讨了水面舰艇噪声干扰器对潜艇声呐干扰效果的分析方法.通过仿真分析,获得了典型态势下的声呐被干扰扇面、声呐探测距离缩减率以及干扰效果随态势的变化.本文的研究成果为水面舰艇使用干扰器时的机动规避方案提供依据.     

MIMO声呐目标检测性能分析

重点研究MIMO声呐的目标检测性能,为MIMO声呐布阵方式和工作模式等的选择提供理论依据。通过理论分析给出了MIMO声呐接收机工作特性(ROC)曲线的表达式,分别包括并列式和分布式MIMO声呐,同时给出了相控阵、SIMO和MISO等形式声呐的ROC表达式。通过示例比较了相同情况下并列式MIMO声呐、分布式MIMO声呐、相控阵声呐和常规多基地声呐的ROC曲线。结果表明,相同条件下相控阵声呐波束指向方向上的目标检测概率高于并列式MIMO声呐,做脉冲积累的并列式MIMO声呐可以得到与相控阵声呐相同的检测性能,低信噪比时并列式MIMO声呐和相控阵声呐的目标检测概率高于分布式MIMO声呐,高信噪比时分布式MIMO声呐可以得到较高的检测概率,采用多个发射阵元的分布式MIMO声呐性能优于使用一个发射阵元的常规多基地声呐。     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

OBF分解与BP网络在船舶磁场信号检测中的应用

针对水中兵器探测船舶磁场信号时信噪比较低的问题,提出了基于OBF分解与BP网络的船舶磁场信号检测算法。首先采用BP网络对测量数据进行预处理,滤除大部分环境磁噪声;再采用OBF分解算法对网络输出信号进行检测,提取归一化能量信号作为检验统计量。试验结果表明,本文算法可以显著提高信噪比,增强对船舶磁场信号的检测能力,性能明显...