基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

激光雷达信号的舰船识别研究

舰船是一种海上军事目标,对其进行高精度识别具有重要的研究意义,传统舰船识别方法通用性差,无法识别所有类型的舰船型号,导致舰船的误识概率相当高,为了有效降低舰船误识概率,提高舰船识别的精度,提出了基于激光雷达信号的舰船识别方法。首先对激光雷达的工作原理进行分析,并通过激光雷达信号成像技术获取舰船图像,然后从舰船图像中提取识别特征,并根据特征进行舰船图像匹配,从而实现舰船识别,最后进行激光雷达信号的舰船识别性能测试,实验结果表明,本文方法可以有效地识别舰船类型,舰船的误识概率要明显少于对照舰船识别方法,提高了舰船识别率,实验结果验证了本文方法的先进性。     

自适应谱线增强在舰船辐射噪声线谱检测中的应用

舰船辐射噪声线谱成分包含有大量的舰船特征信息,提取这些线谱成分对于水下目标的识别和研究具有十分重要的意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,提出了运用自适应谱线增强理论对舰船辐射噪声信号进行研究.利用最小均方LMS自适应算法,构造出自适应谱线增强器,从理论上对该增强器的原理进行了分析,并利用该增强器对2种船型的辐射噪声实测数据进行了处理.结果表明,该增强器对线谱信号有增强作用,对背景噪声有较好的抑制作用,十分有利于辐射噪声特征线谱的提取.     

一种基于高阶谱特征的舰船目标识别方法

基于高分辨距离像(HRRP)的舰船目标识别问题,提出了一种基于高阶谱特征的舰船目标识别方法。在对舰船目标HRRP特性分析的基础上,首先利用姿态角进行方位约束筛选,然后通过高阶谱特征结合欧氏距离测度最近邻分类器进行识别匹配。通过10类军民船目标的实测数据进行测试,验证结果表明该方法在舰船目标识别领域具有很好的应用前景。     

基于辐射源特征信息的目标识别技术

针对舰船目标进行识别的问题,研究了基于模糊理论的辐射源类型和目标类型识别技术.首先,对探测到的辐射源信息按方位角进行分类,一类对应一个目标,然后利用辐射源特征信息和辐射源数据库对辐射源类型进行识别,再利用同一类辐射源类型的识别结果结合目标数据库对辐射源平台(目标)进行识别.     

基于两级自适应线谱增强器的舰船辐射噪声线谱检测

舰船辐射噪声中的线谱成分能表征舰船的本质特征,是舰船目标识别中的主要特征矢量.因此,舰船辐射噪声线谱的准确检测在目标识别中具有十分重要的意义.针对海洋环境噪声中舰船辐射噪声线谱检测问题,提出了两级自适应线谱增强器(adaptive line enhancement,ALE)检测方法.该方法在原一级ALE检测方法的基础上,将原信号延时信号与一级ALE误差信号相减后作为第2级ALE的输入再进行1次ALE.该方法较一级ALE在输入信号信噪比较低时能准确地将线谱从宽带背景噪声中分离出来.仿真和实验结果表明该方法的有效性和准确性.     

无线网络的舰船识别方法

舰船识别依赖特征参数与待分类数据的联系,现有识别方法未挖掘信号隐性特征,影响可识别范围,基于无线网络提出一种舰船识别方法。对舰船信号进行预处理,计算短时能量和过零率,判断信号起始点。利用卷积神经网络挖掘样本信号的显性和隐性特征参数,并构建舰船识别模型对特征参数进行训练,得到最优分类面即为识别结果。实验结果表明,本文提出的识别方法能实现一对一的舰船识别,并且可识别范围大于基于SAR图像和基于稀疏信号分解算法的识别方法,基本上可覆盖全部的目标识别区域,有助于实际海洋环境的舰船监测。     

舰船目标距离一维实时成像及其特征研究

雷达目标距离像的特性对目标识别有很大影响,对目标距离像特征的分析尤为重要.针对线性调频脉冲信号提出了舰船目标一维距离像实时成像算法,同时结合实测数据对舰船目标的距离像特性进行了分析,并讨论了距离像特征对雷达目标自动识别的影响,以及处理这些特性的常用方法,最后对包络对齐及幂次相关2种方法在雷达目标识别预处理中的应用进行了分析,从而为基于高分辨距离像的雷达目标识别工作打下了基础.     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

基于贝叶斯的舰船辐射噪声特征识别方法

针对舰船辐射噪声特征存在非线性、非平稳的时变特点,导致特征识别难度较高的问题,本文提出一种基于贝叶斯的舰船辐射噪声特征识别方法。利用Dopplerlet变换方法,选取高斯函数作为基函数,变换舰船辐射声场信号。利用VMD算法获取搜寻约束变分模型的最优解,将完成变换的舰船辐射信号,分解为多个IMF分量,提取舰船辐射噪声特征。利用所提取的舰船辐射噪声特征构建特征样本集,通过贝叶斯网络计算样本集内各样本的状态概率,识别舰船辐射噪声特征。结果表明,该方法有效识别水面舰船、水下低速运动舰船等不同类型舰船的辐射噪声,适用于舰船目标识别应用中。     

一种基于船舶辐射噪声信号改进Mel倒谱系数的目标识别方法

基于船舶辐射噪声信号Mel频率倒谱系数(MFCC)的目标类型识别是目前研究的一个热点。现有方法虽然在无噪声环境下具有较好的识别效果,但是在信噪比较低时其识别效果较差。基于此,文章提出了一种改进的提取MFCC特征参数的船舶目标识别方法,该方法在船舶辐射噪声信号的预处理阶段采用多正弦窗来代替传统使用的Hamming窗进行多窗频谱估计,经过计算得到改进的MFCC参数。试验结果表明,相比传统方法提取的MFCC参数,使用该方法提取的MFCC参数分别在不同信噪比的高斯白噪声干扰下,在BP神经网络分类器中的识别率更高,抗噪声的鲁棒性和稳定性更好。     

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。     

船舶在规则纵浪中的混沌运动

Parametric resonance can lead to dangerously large rolling motions, endangering the ship, cargo and crew. The QR-factorization method for calculating (LCEs) Lyapunov Characteristic Exponents was introduced; parametric resonance stability of ships in longitudinal waves was then analyzed using LCEs. Then the safe and unsafe regions of target ships were then identified. The results showed that this method can be used to analyze ship stability and to accurately identify safe and unsafe operating conditions for a ship in longitudinal waves.     

基于Hilbert-Huang变换的船舶结构冲击响应研究

针对水下爆炸时船舶结构遭受的冲击响应信号具有非线性非平稳的特点,提出将Hilbert-Huang变换用于船舶结构冲击响应信号处理.Hilbert-Huang变换是基于经验模态分解(EMD)和Hilbert谱的一种信号处理方法,用EMD分解把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),然后对IMF分量进行Hilbert变换,从本质上分析船舶结构冲击响应信号的组成成分及特点.与FFT变换和小波变换相比,Hilbert-Huang变换体现出自适应性和先进性,可以有效提取船舶冲击响应信号的时频特征,揭示船舶结构自身的动态特性对冲击响应的影响.     

内河运输船线型设计的最佳型船选择

本文提出了内河运输船线型设计的最佳型船选择方法。应用模糊数学确定了若干型船选择的识别指标及型船对设计船的相似度函数。利用模糊模式识别进行最佳型船选择。实例表明,本方法简便、可靠,具有一定的实用价值。     

基于数据融合的单目标船避碰评估系统

建立了一个用于对单目标船避碰操作进行评估的系统。介绍了基于数据融合技术的系统三级处理模型,并重点讨论了基于数据关联的船舶航迹提取,基于坐标转换和几何模型的船舶运动参数计算,基于多测量周期数据融合的船舶操纵识别,和基于知识的碰撞危险、避碰阶段及会遇态势的判定等模块。同时给出了系统的工作流程图,最后通过实例说明系统运行的有效性。     

一种基于神经网络集成的舰船参数辨识方法

针对舰船的水面动力响应提出了一种基于神经网络集成参数辨识模型,通过由系统微分方程导出的完备状态点的概念,给出了个体网络的生成方法和一种特殊的集成神经网络的模型分解法,可使模型的输出动态逼近目标的实际可能状态,进而对舰船的相关参数做出有效估计;并对所提出的辨识模型进行了稳定性和收敛性分析。仿真试验表明模型具有快速准确的逼近能力和很好的泛化能力。     

自适应小波网络在船舶噪声识别中的应用

本文基于自适应小波网络理论,构造了一个应用于船舶辐射噪声识别的自适应小波网络分类器。仿真结果表明,该方法具有良好的目标识别性能,且收敛速度快,是一种有效的目标识别方法,从而为研究自适应小波网络理论在声呐信号目标识别领域中的应用有着极其重要的实际意义。     

舰船尾迹SAR图像特征的谱分析研究

图像纹理在频率空间的分布具有规律性,可以通过对图像进行频谱分析来提取纹理特征。根据SAR成像机理对舰船尾迹SAR图像进行了仿真研究,采用周相谱法对图像的二维功率谱作一维变换处理,提出基于归一化能量谱的图像谱特征分析方法,并给出了不同探测参数下尾迹SAR图像谱特征的仿真图。结果表明,该方法可有效地消除海面背景的影响,实现舰船尾迹特征检测的定量分析。