基于调制线谱特征提取的被动声呐目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别，首先着重研究了调制线谱特征提取方法，然后为了训练神经网络目标分类器，本文将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法。最后，对海上实录的三类目标噪声进行了分类识别，实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果。     

基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究

以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。     

英国新型低频主／被动声呐系统研发

2087声呐是一种低频主／被动区域搜索声呐系统，是2080声呐和2057声呐的结合。它能满足英国皇家海军对搜索浅海和深海安静型潜艇的远程探测要求。2087声呐定于2006年安装于23型护卫舰上，将显著提高该型舰在跟踪、识别和定位方面的性能。     

目标和环境特性对被动声呐浮标探测范围的影响

被动声呐浮标的探测性能不仅和自身设备性能有关,还和目标运动特征及环境特性有着密切的关系。通过建立潜艇目标运动、海洋环境的数学模型,利用浅海平滑平均声场理论推导了潜艇深度变化后被动声呐浮标的探测范围,讨论了潜艇采用不同航速、航深以及海洋环境对被动声呐浮标探测范围的影响,并进行了仿真。结果表明,目标和环境特性对被动声呐浮标的探测范围有重要影响,这对航空反潜作战训练具有一定的指导意义。     

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。     

一种多源信息融合的声呐综合目标识别方法

针对声呐在搜潜过程中目标识别正确率提升的问题,分析声呐目标特征及其获取手段,研究声呐目标特征提取、分析和识别方法,提出一种多信息源融合的声呐目标综合识别方法。综合运用声呐探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行联合识别,深层次挖掘目标特征信息,通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,形成标准的声呐目标综合识别使用流程,从而提高目标识别正确率。     

声呐基阵的新技术

尽管由于担心主动声呐脉冲的“目标指引”效应暴露潜艇而使被动声呐代替了大部分主动声呐，但探测潜艇潜艇的主要手段仍然是声学探测。虽然每隔一二年都会提出一种非声学探测方法，但是离开了非常特殊的环境，这些非声学探测方法在实验室外便不能有效地工作。     

基于DSP的水下目标识别嵌入式系统

水下目标识别系统是海洋开发的关键组成部分,而利用声呐对目标物进行定位跟踪是水下目标识别系统中最重要的技术。本文首先分析水下目标识别系统的基本原理及组成,重点研究水下声呐目标识别技术中的基于形状及纹理等特性对识别精度的影响,最后优化小波变换对目标物声呐图像的提取特征算法,通过对声呐特性的分析提出一种小波提升分析法,并构造基于DSP嵌入式系统。     

水声对抗中的被动声呐仿真技术

被动声呐仿真模型是水声对抗的研究重点,文章围绕被动声呐仿真模型的基础理论和被动声呐仿真系统组成中的关键模块、实现方法,以及被动声呐仿真系统的软硬件配置等问题进行了研究.     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值。因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法，该方法能够自动的确定网络的最优结构和联结权值，同时避免网络的局部优化。将该方法用于被动声呐晶目标的分类识别，实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题，具有更好的识别率。