三维成像声呐在重力式码头工程中的应用

针对重力式码头水下结构检测的难题,开展三维成像声呐技术应用研究。分析三维成像声呐的工作原理和仪器构成,研究三维成像声呐应用于重力式码头工程时的测站布置、参数设置、数据处理等。通过点云图像,定性检测了水下障碍物、沉箱安放质量及冲刷淘空;定量检测了构件尺寸、沉箱错台和沉箱间隙;绘制了水下地形图。本文研究结果可为其他水下工程检测提供借鉴参考。实现了重力式码头水下结构外形测量、前沿障碍物识别、沉箱安放质量检测和基础局部冲刷淘空检测。     

贝叶斯假设方法在水声成像声呐阵控制中的应用

在对水中目标轮廓进行水声成像时,可设计声呐阵中各声呐单体对目标分割识别,利用贝叶斯假设方法,解决多声呐单体识别结果的目标最终识别问题,实现声呐阵的有效控制。     

长江口排水板水下成像检测技术

针对长江口深水区域塑料排水板施工检测手段不足的问题,提出水下声学成像检测的新方法,采用高分辨率侧扫声呐和双频识别声呐,实现了水下排水板检测的可视化与可量测。获取水下排水板清晰的影像资料,并且通过双频识别声呐水下定点全环摄像方式能够实现排水板定量检测。新方法弥补了现有检测手段的不足,可作为现有检测手段的重要补充。     

沉底油的高频声探测方法与水池模拟试验

围绕沉底油监测问题,开展高频声探测方法与水池模拟试验验证研究。以多波束声呐、侧扫声呐、成像声呐等高频声呐为工具,结合声呐成像技术、特征提取、支持向量机分类器等关键技术,达到了高效识别沉底油的目的,并通过水池模拟试验验证了方法的有效性。     

重力式码头沉箱接缝检测方法研究与改进

针对重力式码头沉箱安装接缝难以检测的问题,分别采用水下机器人、多波束扫测、三维声呐扫描技术进行检测。检测数据表明:水下机器人对沉箱接缝的检测效果直观、准确度较高;多波束测深系统对沉箱接缝具有一定的识别能力,但对于缝宽较小及距离较远的接缝分辨率较差;三维声呐探测扫测精度高,但扫测范围小且效率低。从测试原理上分析各种方法测试优缺点产生的原因并根据检测需求自主设计了三维声呐测量支架,实现对沉箱接缝任意深度量测,并结合工程实例取得良好的测试效果,为沉箱接缝检测方法的选取提供借鉴。     

侧扫声呐技术在海上风电场施工中的应用

为探知施工区水下障碍物情况和海底状况,采用融合GNSS和水声定位学原理的侧扫声呐技术全覆盖地扫测施工区海域。探讨不同安装模式的定位中心改正方式及其对影像位置信息的影响。以唐山乐亭菩提岛海上风电场300 MW示范工程海上风电机组安装工程为例,对获取的海底影像进行解译和判读,准确探明水下冲刷坑的大小、形状、位置等。通过人工潜摸方法验证表明,采用侧扫声呐技术所获得的海底信息准确,可有效指导海上风电场施工。     

一种嵌入式侧扫声呐系统的设计与实现

介绍一种基于嵌入式系统的侧扫声呐系统的设计与实现方法。嵌入式侧扫声呐由收发合置换能器、模拟信号处理单元、数字信号处理单元、通信与显控单元组成。基于嵌入式系统软硬件可裁剪,可移植性高等优点,使该侧扫声呐可灵活搭载在多种水下作业平台上,兼具了水下目标探测、海底地貌成像等功能,同时节约了空间和成本,具有较强的实用性。     

基于SFS方法的侧扫声呐图像三维重构

针对侧扫声呐受其测量机理和作业模式影响无法直接获取海底表面地形及水下目标物高度信息的问题,提出改进的明暗恢复形状最小化方法。通过从侧扫声呐原始数据文件出发,解析得到斜距量程、采样精度等重要参数以及二维瀑布图。在瀑布图基础上,提出一种基于小波变换的最小化算法,求解得到对应二维图中每一点的相对高度值,从而实现了海底表面地形的高精度三维重构。通过对比实验证明,与2种经典的最小化法相比,基于小波变换的最小化法性能明显提高。     

侧扫声呐检测软体排搭接宽度精度的影响研究

侧扫声呐技术在浅水内河航道整治工程水下检测中的应用较少,业内缺乏侧扫声呐检测软体排搭接宽度影响因素、准确度及控制措施的研究。本文以长江深水航道整治二期工程为依托,通过不同拖拽方式、船速和波束角,开展对侧扫声呐检测软体排搭接宽度的影响因素研究,确定检测精度和稳定性得到很好的保证的控制措施,对于侧扫声呐检测软体排搭接宽度的检测开展有指导意义。     

激光传感器的船舶焊缝缺陷识别

采用激光传感器对船舶焊缝缺陷进行识别,可解决传统识别方法所带来的识别精准度差、检出率高等问题,为船舶工作人员生命安全带来保障。采用传感器获取焊缝图像底片,并进行数字化处理;根据激光扫描图像成像特点,并使用熵关联法进行分割;提取缺陷参数特征进行区分并加以描述,利用Matlab工具对船舶轮廓进行绘制,通过绘制后所获的缺陷数据进行三维投影坐标转换,由此完成船舶焊缝缺陷识别。经过实验验证得出结论,实验结果表明,该识别方法可大大提高检测精准度,降低检出率,具有良好的稳定性和较高的识别率。     

三维声呐成像系统在防波堤水下安装块石中的运用

防波堤工程水下块石安装的效率及安全是工程中至关重要的部分,而传统的安装方法和检测手段存在严重不足。三维实时声呐成像系统有效克服了传统方法的弊端,具有实时、高效、清晰、保证人员安全的优势。并且能够在水下能见度极低、海况条件差等复杂条件下正常工作。以以色列阿什杜德港防波堤工程为例,总结利用水下三维声呐成像系统安装人工护坡块石所采取的技术与控制措施,具有较高的适用和推广价值。     

基于神经网络的声纳特征级信息融合中目标分类研究

声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类) ,以利于实时处理、决策分析。基于数学模型的各种算法,由于情况复杂,往往很难建立。而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模。在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果。仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础     

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.     

水下三维声纳目标在线运动监测与识别

随着声学探测在海洋资源开发中的广泛应用,水声成像技术已成为水下目标监测的重要手段,文章提出了一种基于三维声纳技术的在线运动目标识别方法。通过对三维声学图像进行网格搜索和三角面片连接,进行单帧三维声学图像的多层实时重建,实现单帧图像内目标的重建、聚类与标示。结合GPS定位仪和姿态仪信息,修正位移和姿态变化引起的运动误差,利用反向投影和最近点搜索方法查找相邻图像帧之间两两匹配的控制点对,进行相邻图像帧的快速配准。根据配准矩阵将相邻图像帧的的各个目标转换到同一全局坐标系中,提取有效的声学目标特征变化相对值,并评估特征权重,实现相邻图像帧之间运动目标的在线检测与识别。通过室内水池和湖试实验,结果表明该方法能有效地实现三维声学图像在线运动目标实时识别。     

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.     

编队条件下主动声纳抗假目标干扰分析及对策

研究编队条件下同频假目标干扰及对策。首先分析假目标干扰在空域、频域上的能量干扰机理,以声纳方程为基础,建立了统一的干扰方程。以典型的小型编组为例,分析了各种类型的同频假目标干扰程度,并进行了数值仿真,结果表明：1）相同波形信号的同频假目标干扰最严重;2）通过频率分集可以有效减小同频假目标干扰,通过量程分集可以迅速有效判断真假目标。研究成果可为编队条件下主动声纳的作战使用和抗干扰技术改进提供决策依据和理论参考。     

Segmentation of complex objects'' sonar images using parameter-fixed MRF model

The effective method of the recognition of underwater complex objects in sonar image is to segment sonar image into target, shadow and sea-bottom reverberation regions and then extract the edge of the object. Because of the time-varying and space-varying characters of underwater acoustics environment, the sonar images have poor quality and serious speckle noise, so traditional image segmentation is unable to achieve precise segmentation. In the paper, the image segmentation process based on MRF (Markov random field) model is studied, and a practical method of estimating model parameters is proposed. Through analyzing the impact of chosen model parameters, a sonar imagery segmentation algorithm based on fixed parameters' MRF model is proposed. Both of the segmentation effect and the low computing load are gained. By applying the algorithm to the synthesized texture image and actual side-scan sonar image, the algorithm can be achieved with precise segmentation result.     

Segmentation of complex objects＇ sonar images using parameter-fixed MRF model

The effective method of the recognition of underwater complex objects in sonar image is to segment sonar image into target, shadow and sea-bottom reverberation regions and then extract the edge of the object. Because of the time-varying and space-varying characters of underwater acoustics environment, the sonar images have poor quality and serious speckle noise, so traditional image segmentation is unable to achieve precise segmentation. In the paper, the image segmentation process based on MRF （Markov random field） model is studied, and a practical method of estimating model parameters is proposed. Through analyzing the impact of chosen model parameters, a sonar imagery segmentation algorithm based on fixed parameters＇ MRF model is proposed. Both of the segmentation effect and the low computing load are gained. By applying the algorithm to the synthesized texture image and actual side-scan sonar image, the algorithm can be achieved with precise segmentation result.     

基于测距声纳与光视觉的水下目标定位方法研究

针对无人水下航行器作业环境的特殊性以及任务需求,为提高光视觉的定位精度,提出了一种基于测距声纳与光视觉的水下目标定位方法。该方法根据摄像机成像的特点,利用测距声纳与摄像机的几何关系设计水下目标定位算法。本文针对规则的水下目标进行定位算法设计,然后通过对水池试验采集的图像中的目标进行定位验证以及误差分析,证明了该定位系统具有较高的定位精度,满足水下作业的需求。