高阶谱数值方法及其应用

高阶谱方法是一种快速模拟波浪运动的有效方法,它基于小波陡对速度势展开,通过快速Fourier变换解决了自由面波动问题.文中基于高阶谱方法,建立了模拟波浪运动的数值模型,通过与Stokes波理论值比较,验证了方法的合理性;并应用于波浪的色散聚集和Stokes波不稳定性研究,通过与其它结论的比较,验证了结果的正确性.     

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。     

舰船辐射噪声1(1/2)维谱的自适应子波特征提取

现代化战争对信息技术的依赖日益增强,水中目标识别成为各国夺取海洋战争主动权研究的新领域。有效提取目标的本质特征是目标识别的关键。由于1(1/2)维谱保持了高阶谱的性质但其计算量却相对下降,本文结合自适应滤波理论,采用1(1/2)维谱对船舰辐射噪声进行特征提取,由对特征量的分析表明1(1/2)维谱可以有效对船舰类型识别。     

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.     

基于高阶谱的水下目标识别

利用高阶谱估值法,对具有很强非高斯性和非线性的舰船辐射噪声信号进行分析及特征提取,并通过结构自适应神经网络作为分类实验,表明基于高阶谱的特征提取具有较强的类别可分性,在无源声纳目标识别中特具潜力。     

浅海宽带声源深度判决方法

被动声呐系统具备区分水面和水下目标的能力是十分重要的。针对此问题,文章提出了一种在浅海环境下利用单水听器区分水面和水下目标进行分类的方法。声源深度判决问题可以看作二元分类问题,在理想浅海波导的相干多途信道模型下,推导了海底和海面反射声与直达声时延差比值的关系式,并基于该比值构建了与声源距离无关的深度判决统计量,利用该统计量与预设门限进行对比,可以对水面和水下声源进行区分。在宽带噪声源的假设下,接收信号的功率谱中含有与多途时延量有关的周期分量,对功率谱进行稀疏性约束,可利用正交匹配追踪算法对海底和海面反射声时延进行估计。计算机仿真给出了时延估计性能,分析了时延估计误差对算法的影响性能,同时利用蒙特卡罗试验方法验证了所提声源深度判决方法的有效性。     

基于信噪峭度比的水下目标动态谱增强算法研究

根据非高斯噪声环境中水下运动目标辐射线谱信号的四阶累积量对角切片特征,定义了信噪峭度比的概念,导出了其理论计算公式.理论分析表明,在一定条件下,信噪峭度比总是大于用自相关函数定义的信噪比,提出了基于信噪峭度比分析法的水下运动目标辐射线谱信号的四阶累积量对角切片谱特征增强新算法.用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究.结果表明,该算法具有良好的抑制非高斯噪声能力,且不必对噪声分布作高斯性假设.因此,该算法具有重要的工程应用价值.     

螺旋桨空泡与脉动压力及振动特性研究

为了提高螺旋桨效率,在船舶螺旋桨设计中通常会增大桨叶梢部载荷。桨叶在旋转过程中不断地重复进入和退出船体尾流场,使得梢涡空泡容易发生猝发(bursting)现象;另外由于尺度效应的存在使得梢涡空泡在实船螺旋桨上比模型试验观测到的更为强烈,猝发现象更容易发生并且更为剧烈;当梢涡空泡猝发产生时将引起脉动压力高阶量或宽带谱的增大,从而引起相应的船体振动或严重的噪声。本文通过对3 600箱集装箱船实船螺旋桨梢涡空泡猝发现象与脉动压力、振动等特性关系的分析,研究了螺旋桨梢涡空泡猝发引起的脉动压力高阶量或宽带谱特性以及相应的振动等特性。结果表明:船体振动宽带谱特性与螺旋桨梢涡空泡的猝发有关;螺旋桨梢涡空泡猝发引起的船体振动高阶量特性比脉动压力高阶量更为强烈。     

地面红外运动目标图像处理与识别算法分析

为了能在复杂背景环境下发现并识别出感兴趣的红外运动目标,分析了剔除复杂背景的算法,根据目标特性对目标进行检测识别,对运动目标的跟踪判定方法等.通过处理算法能够在复杂背景环境下检测出感兴趣的红外运动目标,有效剔除假目标,增强红外识别系统的识别概率.     

非线性信号检测在舰船目标识别中的应用

在对非线性舰船辐射噪声产生机理和其噪声谱组成分析的基础上,研究利用高阶谱分析方法检测舰船辐射噪声。首先分析舰船辐射噪声的噪声谱中的组成成分和特性,对不同噪声源与舰船噪声谱成分间关系特点进行研究,并建立舰船辐射噪声的仿真模型。然后,研究高阶谱理论及其在提取非线性信号特征时的应用;最后,通过对仿真生成的2种舰船辐射噪声应用本文算法实现检测与分类,结果证明该方法可行。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

基于神经网络/模糊逻辑系统的混合式特征提取器

特征提取是水声目标分类的关键环节之一，用以获取各类目标的一些可鉴别性特征。螺旋桨轴频、叶率和叶片数是目标的本质性、鉴别性特征，是分类的重要线索。本文提出了一个基于神经网络／模糊逻辑系统的混合式特征提取器，先利用侧抑制神经网络从目标辐射噪声的包络谱中提取线谱序列，再利用模糊逻辑系统从线谱序列中提取出螺旋桨轴频、叶率和叶片数。对目标数据的分析表明：该特征提取器能够为目标分类提取有效的鉴别性特征。     

信号处理在舰船目标识别中研究发展综述

舰船目标识别系统是现代智能水中兵器的神经中枢和关键技术,为全面了解现代舰船目标识别技术的基本原理功能和发展现状。全面系统地介绍了二十多年来国内外舰船目标识别技术的发展历程和成果,重点阐述了诸如谱分析、小波分析、混沌时间序列分析等现代信号处理技术在舰船目标识别中的发展。最后对未来舰船目标识别技术的发展方向和思路表达了认识和看法,以期共同推进舰船目标信号的特征提取和识别技术的进一步发展。     

一种估计水中目标辐射噪声线谱的方法

线谱是水中目标辐射噪声中重要的特征信息,在被动声呐系统中,线谱提取是水中目标识别的关键技术.文章简述了水中目标辐射噪声的物理成因和频谱特征,利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点,结合仿真试验的结果,提出了一种对水中目标辐射噪声低频段线谱估计的联合分析法,并用该方法对2艘实船噪声进行了谱分析.实验结果表明,该方法对低频段的线谱特征提取有较好的实用效果.     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

支持向量机的水声信号分类识别

研究水声信号识别特征的提取,在此基础上采用支持向量机理论,提出了一种水声信号的分类识别算法.该算法选取两类水声信号,提取它们的混沌特征值关联维数和h2熵作为目标信息,每类信号各提取32组数据,取两类水声信号各8组数据作为训练样本,训练支持向量机,其它样本用于验证.结果表明,支持向量机的分类算法能实现对目标的有效分类,分类效果较好,比较适合小样本、非线性分类.     

深水爆炸水动压力场对潜体结构的动态影响

拓广ＤＡＡ法用于预报水中一次冲击波对悬浮体的动响应；引和当量能量与当量深度概念，计算了有自由水面的水下爆炸迁移气泡多次脉冲动力学特性，数值计算值与实测值作了对比，并给给出了水中存在圆柱壳时气泡脉动压力的经验公式。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

某型AUV运载器的定位方法与误差分析

传统AUV依靠水下惯性导航设备自主定位的方法无法实时进行水下信息感知和系统控制。水声定位是AUV定位导航技术的一个研究领域，可用于水下运动目标定位与导航、水下静止目标勘测等。本文分析阐述三种经典AUV定位方法，进一步研究AUV快速定位解算原理，论证影响AUV运载器在深海工作时产生的定位误差来源并进行仿真试验分析，最终将研究成果应用在目前现有某型AUV运载器上，实现自身水下定位、导航与远程遥控。