神经网络在船舶水压场信号检测中的应用

在现代战争中,各种水声探测设备被开发出来,用于对我方船只和敌对船只的监测。这些水声设备的基本原理都类似,即基于对水压场的探测,获得目标物的信号特征,并由此甄别出目标物的运动状态。如今人工智能的应用,极大提高了水压场信号的检测水平。本文重点研究舰船水压场的信号检测技术,并基于神经网络算法对舰船的水压场模型进行分析。通过对水压场信号的分析,获得舰船模型的水压场数据。利用Autodyn软件对模拟船舶的水压场状态进行仿真,给出压力强度变化曲线。     

浅水低速舰船通过雷区危险航速的预报模型

根据舰船水压场与航速关系密切的特点,可通过限速航行以实现舰船自身防护安全通过水压水雷区.在浅水、薄船、线性兴波条件下,将舰船水压场计算公式具体应用到舰船通过雷区危险航速的预报中,针对不同水压水雷的引信动作参数,建立了危险航速预报模型,实验结果与预报结果吻合良好.为方便实用,编制了人机交互界面软件,能实时、快捷地进行危险航速预报.预报模型和软件可为战时舰船安全通过雷区提供参考依据.     

舰船水压场频域检测的环境干扰特性分析

舰船水压场以其难于人工模拟性,被作为舰船的重要目标特性广泛应用于水中目标检测中,而对其进行频域检测又是最常用的舰船水压场信号检测方法。复杂多变的海洋环境中,诸多因素都对舰船水压场信号的频域检测性能产生显著影响,文章对在我国沿海不同海域获得的大量环境水压场数据进行分析,得到影响舰船水压场信号频域检测的主要因素,为水中目标探测器设计提供参考。     

舰船水压场信号的小波能谱估计与支持向量机联合检测

针对舰船水压场和海浪水压场在频率成分上的差别,提出了小波能谱估计和支持向量机多步预测检测的舰船水压场检测方法.使用滑动加窗信号的低频小波能谱估计值作为新的检测序列,提高了被检测信号的信噪比,使用支持向量机对其进行多步预测滤波检测,并使用实测的数据进行了验证.在海浪水压场为5级海况的情况下(信噪比约为-23 dB),准确可靠的检测到了目标信号,较大的提高了舰船水压信号的检测水平.     

基于BP神经网络的船舶水压场信号检测

船舶水压场信号总是淹没在大量的海浪杂波中,为了有效地从背景干扰中检测船舶水压场信号,文章籍海浪水压场近似服从正态分布的特性,在对接收到的海浪水压场信号进行AR建模的基础上,提取模型的自回归系数作为特征向量,采用BP神经网络进行信号检测。通过仿真数据对该检测方法进行验证,结果表明该方法简单而且易于实现,在低信噪比条件下,也能够达到较高的检测率。     

舰船局域网络大规模入侵实时取证方法研究

传统检测取证方法存在大规模入侵检测数据误差大的问题。提出舰船局域网络大规模入侵实时取证方法,依托信号滤波技术,创建卡尔曼信号滤波单元,对网络波束内部干扰源进行滤波处理,利用Hybrid入侵特征提取算法,对滤波后信号进行提取运算。实现对局域网内的入侵数据信号干扰滤波与入侵信号提取。通过对比实验证明:提出的舰船局域网络大规模入侵实时取证方法,能够有效滤除局域网入侵干扰信号波,快速筛选、锁定、提取入侵数据信号,实现实时提取入侵信号证据的效果。     

基于传感器网络的舰船行驶系统振动检测

根据振动检测结果可以知道舰船行驶系统的工作性能,传统方法无法有效的实现舰船行驶系统振动检测,为了提高舰船行驶系统振动检测精度,设计了基于传感器网络的舰船行驶系统振动检测方法。首先分析当前舰船行驶系统振动检测研究进展,并指出当前各种舰船行驶系统振动检测方法的缺陷,然后采用传感器采集舰船行驶系统振动检测信号,并对舰船行驶系统振动检测信号进行消噪,最后构建了舰船行驶系统振动检测模型,并通过仿真实验分析舰船行驶系统振动检测方法的性能,结果表明,本文方法可以准确描述舰船行驶系统振动检测信号变化特点,获得高精度的舰船行驶系统振动检测结果。     

基于参数优化小波变化的舰船目标检测方法

常见的舰船目标检测方法是通过对雷达的回波信号进行分析,优化舰船目标检测模型。本文结合小波变换算法,重新构建了舰船目标的检测模型,对目标检测的数据进行了分析。通过迭代优化,对小波变换模型中的参数进行了调制。实验结果表明,基于小波变换的舰船目标检测模型具有很强的适应能力,能够显著提高目标检测能力。     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

纹理高阶分形特征的海面舰船目标检测方法

为了提高海面舰船目标检测效果,提出纹理高阶分形特征的海面舰船目标检测方法。首先分析海面舰船目标检测原理,并对海面舰船目标图像进行处理,然后提取海面舰船目标检测的纹理高阶分形特征,并引入卷积神经网络分析海面舰船目标的变化特点,从而建立海面舰船目标检测模型,最后通过仿真实验分析海面舰船目标检测的效果。结果表明,对复杂背景的海面舰船目标,本文方法不仅提升了海面舰船目标检测的准确性,解决了海面舰船目标漏检的难题,而且海面舰船目标检测速度明显加快,可以实现海面舰船目标实时监控。