混响场中矢量传感器抑制干扰能力分析

随着声呐工作频率向着低频方向发展,抑制混响已经成为提高主动声呐系统工作能力以及提高水中目标强度测试精度的重要方面.根据混响的时空相关特性通常采用钟形脉冲和线性调频信号可较常规的CW信号取得较好的抗混响效果.近年来对矢量传感器在各向同性噪声场中的抑制干扰能力已经进行了深入广泛的研究,包括提高信噪比性能、定向性能以及多目标分辨等,为水中目标噪声测试、特征分析等工程实际中应用矢量传感器奠定了基础.但尚未对主动声呐系统和水中目标低频强度测试中利用矢量传感器的抑制混响能力开展系统研究.以混响场的各向同性为基础推导了单矢量传感器抑制混响的能力,并结合湖上试验数据分析探讨了矢量传感器不同声能流组合形式抑制混响干扰的能力分析,为矢量传感器在主动声呐系统中的工程应用提供了理论依据.     

一种级联型自适应滤波器的混响抑制技术

在浅海环境中混响是造成主动声呐性能下降的主要原因之一。混响是由发射信号引起的,其频域上覆盖区域与发射信号基本重合,时域上与发射信号及目标回波强相关,这给混响和目标的分离造成了很大的困难。本文借鉴PD雷达中的动目标检测方法,提出一种适用于声呐动目标检测的滤波器设计算法。该算法利用运动目标回波和混响在时频域上的不同特性,设计了级联自适应滤波器实现混响抑制和目标增强。在此基础上进行匹配滤波等处理可以获得理想的效果。该算法可大幅提高信混比,有效改善运动目标的检测能力。     

一种级联型自适应滤波器的混响抑制技术

在浅海环境中混响是造成主动声呐性能下降的主要原因之一。混响是由发射信号引起的,其频域上覆盖区域与发射信号基本重合,时域上与发射信号及目标回波强相关,这给混响和目标的分离造成了很大的困难。本文借鉴PD雷达中的动目标检测方法,提出一种适用于声呐动目标检测的滤波器设计算法。该算法利用运动目标回波和混响在时频域上的不同特性,设计了级联自适应滤波器实现混响抑制和目标增强。在此基础上进行匹配滤波等处理可以获得理想的效果。该算法可大幅提高信混比,有效改善运动目标的检测能力。     

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。     

几种新型主动声呐发射信号性能分析研究

主动声呐信号波形在主动声呐系统设计中占有十分重要的地位,声呐信号波形不仅决定了信号接收的处理方法,还直接决定了系统的时频分辨力、抗混响能力、目标跟踪等各方面性能。本文利用信号的模糊度函数和Q函数,研究了时下热点波形,包括梳状谱信号(SFM/PTFM)和雷达中研究相当成熟而在声呐中鲜有研究的复合声呐信号(LFM-Barker码),重点分析了其时频分辨力和抗混响性能。仿真及湖试结果表明对不同速度类型目标宜采用不同的发射信号波形,为主动声呐发射信号优选提供了参考和依据。     

基于前视声呐图像的AUV目标识别与跟踪

声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取、高斯滤波处理、扇形映射处理,并采用Jet映射对声呐灰度图像进行了伪彩色映射提高数据标注速度和精度,制作获得了4组2 500张声呐图像的AUV目标检测数据集;采用YOLOv4-tiny目标检测算法开展AUV目标检测研究,研究结果表明该方法在该数据集上表现优秀,mAP@0.50达到94.17%,FPS在22帧左右,说明该轻量级网络在水下AUV目标识别与跟踪应用上具有较好的应用价值。     

基于统计量的声呐图像目标检测算法

水下声呐图像目标检测问题是一项重要而困难的工作,采用滑动窗计算图像中各像素点处邻域像素灰度的统计量,利用最大熵图像分割算法确定检测阈值,并利用均值、标准差、偏态和峰度等统计量对算法进行了仿真验证,对声呐图像中的目标回波区和阴影区域均可实现较好的检测效果。结果表明,该方法具有原理简单、运算效率高、实时性好等特点,具有较强的工程应用价值。     

Pearson分布混响下模糊CFAR检测器性能分析

为改善主动声呐的检测性能,研究了Pearson混响背景下的目标恒虚警检测问题,提出一种分布式模糊检测算法,并应用到CA,GO和SO三种均值类CFAR检测器中。全面分析3种均值类模糊检测器在均匀背景和非均匀背景下的检测性能,蒙特卡罗仿真结果证明,CA和SO检测器采用"代数和"融合逻辑时,在均匀背景和多目标干扰情况下具有最好的检测性能,而GO检测器在混响边缘情况下,利用"代数积"融合逻辑具有更好的虚警控制能力。     

连续波体积混响声强仿真

连续波技术有着独特的优点。针对连续波声呐技术中不可回避的混响声强问题做了理论推导与数值计算,结果表明:连续波体积混响的混响声强是近似收敛的,理论值与散射系数、发射频率、指向性束宽、发射源级有关。计算得到各种频率下的收敛值,高频连续波的混响声强收敛值较为一致;进行了误差分析。并猜想连续波界面混响的混响级也是收敛的。研究结果为连续波声呐技术的混响声强计算提供了参考。     

基于稀疏表示的NMF抗混响方法

在浅海环境中,由于受到混响的影响,主动声呐接收到的信号混淆不清。针对上述问题,提出一种基于稀疏表示的非负矩阵分解(non-negative matrix factorization, NMF)抗混响方法。利用稀疏表示方法处理主动声呐回波信号,然后根据信号的稀疏性,构建基于非负矩阵分解的Kullback-Leibler(KL)问题,通过梯度下降法给出迭代规则,进而得到了目标信号矩阵中的协方差估计。仿真结果表明,相对其他去混响方法,该方法能够有效抑制混响,提高对水下目标的识别率。     

基于声呐图像处理的船用水下目标识别技术研究

水下目标自动识别技术不论在军事领域还是商业领域都具有广泛的应用,具体包括水下军事目标的监测、渔业资源勘测、海底地形勘探等。声呐信号处理是船舶水下目标探测的关键环节,可以分为声呐系统回声信号处理和声呐图像处理2种,本文主要研究的是声呐图像处理类型。本文充分利用基于小波变换的图像滤波技术、图像分割技术、特征提取技术等,改善了船用水下目标识别技术的工作效率和工作精度。     

基于Page Test的主动声呐检测接触提取

引入一种序贯检测算法—Page Test算法,应用到主动声呐目标自动检测中,获得目标信号的起始时间和结束时间,再利用分裂波束法获得相位差信息,将二者结合,得到方位、距离精度较高的检测输出。仿真和实验数据处理表明,该算法可以提供方位、距离精度较高的接触点,具有较好的应用效果。对于获得的检测接触可用于多Ping显示及声呐目标自动跟踪。     

红外图像中舰船目标增强技术研究

随着各国在海洋领域竞争的日益激烈,舰船目标自动识别技术正逐渐成为社会的研究热点,目标增强是舰船目标自动识别技术中的重要环节,但通常海天背景下舰船目标红外图像的目标背景对比度低,图像信噪比差。为使低对比度舰船红外图像中感兴趣目标得到增强,本文首先利用中值滤波去除图像中的随机噪声,然后对图像进行同态滤波,最后加入对像素空间位置的考虑,利用像素邻域的灰度均值和均方差值构建了一个灰度变换函数,实现图像的灰度拉伸。实验结果表明,以往仅通过灰度信息的增强技术很难取得较好效果,本文在考虑像素位置的基础上提出的灰度变换函数可较好的实现对舰船目标局部区域的增强。     

圆柱阵主动声呐基于直接数据域空时二维处理

空时二维处理(STAP)是一种抑制混响的有效技术途径。圆柱阵主动声呐混响具有强非均匀性,影响STAP处理性能的提升。本文提出了一种适合圆柱阵主动声呐的基于直接数据域空时二维处理算法。算法借鉴雷达STAP直接数据域方法,采用二阶对消方法抑制目标信号。数字仿真结果表明,该算法可以改善圆柱阵主动声呐混响抑制的性能。     

基于短时傅立叶变化反鱼雷鱼雷主动声引信浅水检测方法

反鱼雷鱼雷在浅水工作时,背景混响干扰强,攻击目标具有高速、尺寸小的特点。发射信号应选用高频率、窄脉冲来抗混响干扰。而对高速、小目标的检测,在频域内通过不同多普勒频移将混响与目标区分开来,可降低强混响背景干扰。利用信号在频域的特征可以获得较好的检测效果。     

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。     

基于混沌理论的混响背景下目标检测方法

响应使得海底目标检测更加困难,针对当前混响背景下目标检测方法存在的检测误差大、抗干扰能力差等不足,以提高混响背景下目标检测精度为目标,提出了基于混沌理论的混响背景下目标检测方法。首先对当前混响背景下目标检测方法进行分析,找到引起检测误差大、抗干扰能力差的原因,然后引入小波分析对混响背景下目标信号进行去噪,提高其抗干扰能力,并通过混沌理论对混响背景下目标信号进行相空间重构,最后采用神经网络对混响背景下目标信号进行分类,实现目标检测,并与其他混响背景下目标检测方法进行对比测试,验证了本文方法是一种精度高、抗干扰能力强的混响背景下目标检测方法。     

利用NSCT循环抽样进行水声图像去噪

在海上军事及海底探测领域,基于声呐图像的识别应用越来越多。但是声呐图像混入了多种海上噪声,在图像对比时首先需要去除噪声。NSCT是一种基于拉普拉斯逆变换的滤波方法,对于海上声呐图像首先按照周期进行循环抽样,然后利用NSCT变换得到图像边缘系数,再通过滤波平移对噪声进行去除。本文在研究声呐图像及海上噪声特性的基础上,利用NSCT滤波算法对其进行去噪处理,得到空域平均后的去噪图像,并给出仿真结果。     

大噪声环境下前视声呐图像目标识别方法研究

提出大噪声环境下前视声呐图像目标识别的研究方法,针对水下无人航行器(UUV)在近岸浅水区航行中由于前视声呐图像噪声较大,难以准确识别目标的问题,通过改进的中值滤波和Otus阈值检测算法,对前视声呐图像进行滤波和二值化.利用区域增长算法分割疑似目标区域图像,分别提取分割图像的长度、形状、方向、灰度均值和灰度能量中值等参数...     

自主式水下机器人控制系统及声呐目标识别

[目的]为满足水下搜救、勘探、目标检测与跟踪等需求,[方法]针对研制的"探海I型"自主式水下机器人(AUV),利用其搭载的前视声呐开展目标识别试验,选取获取的运动目标图像中的典型帧进行目标检测和识别研究。阐述"探海I型"AUV的系统组成与工作原理。提出一种控制系统架构:以笔记本电脑配合水面控制箱为水面控制单元;以PC104工控板作为自动驾驶仪的主控单元;同时配备摄像头PC104板卡单独进行摄像头图像处理。采用三帧差分法检测声呐目标,并基于Hough变换的快速椭圆检测算法提取目标特征。[结果]湖上试验表明:研制的AUV运行可靠、正常,可满足水下工作的需求,声呐目标识别效果较好。[结论]该AUV控制系统架构和目标识别方法对于中、大型AUV的研制及视频、红外等其他领域的目标识别具有借鉴意义。