一种使用二进制图像特征的被动声呐自动分类方法（英文）

This paper proposes a new method for ship recognition and classification using sound produced and radiated underwater. To do so, a three-step procedure is proposed. First, the preprocessing operations are utilized to reduce noise effects and provide signal for feature extraction. Second, a binary image, made from frequency spectrum of signal segmentation, is formed to extract effective features. Third, a neural classifier is designed to classify the signals. Two approaches, the proposed method and the fractal-based method are compared and tested on real data. The comparative results indicated better recognition ability and more robust performance of the proposed method than the fractal-based method. Therefore, the proposed method could improve the recognition accuracy of underwater acoustic targets.     

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。     

听觉谱特征在水下目标回声识别中的应用

水下目标回声特征提取是主动目标识别的关键内容。本文提出将语音识别领域中较为成熟的RASTA-PLP听觉模型应用于水中目标回波的特征提取,并根据信号的特点对RASTA-PLP模型进行修正。对比应用PLP方法进行的水中目标单频回波识别实验,结果表明：当加入卷积噪声后,修正的RASTA-PLP特征表现出更加良好的鲁棒性能,在同等测试条件下识别率比PLP听觉模型特征高约3%,显示了本方法在实现目标回声自动识别上的重要应用前景。     

水下爆炸压力时频分布的小波包分析

为了对舰船结构和设备的冲击环境进行研究,提出了基于小波包分析的水下爆炸压力时频分析方法.研究了短时非平稳水下爆炸压力实验测试信号的时频分布和能量分布规律,从水下爆炸压力时域信号中提取出冲击波,首次和二次气泡脉动压力信号,分析了它们在不同频带的能量分布规律.结果表明,基于小波包的时频分析方法可以提取水下爆炸压力不同时段的信号进行能量和频率分析,水下爆炸压力中以低频成分为主的气泡脉动压力产生的能量接近总能量的一半,是使安装频率为数十赫兹的舰船设备产生冲击振动的主要能源.     

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.     

基于形态特征的水下小目标识别方法

为应对恐怖组织利用蛙人或水下机器人等小型武器的攻击,需要在一些重要的部位,如港口、码头、海岸洞库和锚泊水域中安装水下智能监控系统,而小目标识别技术是该系统的核心技术之一.本文对蛙人等水下小目标的特征进行了研究,提出基于形态特征的水下小目标识别方法.由实验结果可以得出,此算法具有较高的小目标检测率,有效提高了水下智能监控系统的可靠性.     

一种通用型基于经验模态分解的小波阈值滤波方法研究

首先针对中高频水声信号,提出一种改进的经验模态分解加小波软阈值滤波方法;然后将信号进行带通滤波处理及经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法在频域上对这些模态进行滤波,最后对信号进行重构,并将其转换为时域信号。分别采用本方法和原时域上的小波阈值方法对不同频率的水声信号进行滤波,经计算分析可知,对频率小于800 Hz的水声信号,采用原方法可获得较好的滤波效果;当信号频率大于800 Hz时,采用本方法的滤波效果更好,因此应针对不同频率的水声信号,选择合适的滤波方法,以获得满意的滤波效果。     

基于卡尔曼滤波的水声信号线谱增强（英文）

To detect weak underwater acoustic signals radiated by submarines and other underwater equipment, an effective line spectrum enhancement algorithm based on Kalman filter and FFT processing is proposed. The proposed algorithm first determines the frequency components of the weak underwater signal and then filters the signal to enhance the line spectrum, thereby improving the signal-to-noise ratio(SNR). This paper discussed two cases: one is a simulated signal consisting of a dual-frequency sinusoidal periodic signal and Gaussian white noise, and the signal is received after passing through a Rayleigh fading channel;the other is a ship signal recorded from the South China Sea. The results show that the line spectrum of the underwater acoustic signal could be effectively enhanced in both cases, and the filtered waveform is smoother. The analysis of simulated signals and ship signal reflects the effectiveness of the proposed algorithm.     

水下目标几何声散射的形态学研究（英文）

In this paper, a new method based on morphologic research named reconstruction cross-component removal(RCCR) is developed to analyze geometrical scattering waves of an underwater target. Combining the origin of the cross-component in Wigner-Ville distribution, the highlight model of target echoes and time-frequency features of linear frequency-modulated signal can remove cross-components produced by multiple component signals in Wigner-Ville distribution and recover the auto-components of output signals. This method is used in experimental data processing, which can strengthen the real geometric highlights, and restrain the cross components. It is demonstrated that this method is helpful to analyze the geometrical scattering waves, providing an effective solution to underwater target detection and recognition.     

助飞式水声对抗器材落点测量方法及误差分析

助飞式水声对抗器材落点精度海上试验因海况、测量手段等因素限制一直是试验的重难点问题。本文从分析助飞式水声对抗器材基本工作原理和其落点精度影响因素入手,即光学定位法、水声定位法、人工定位法和遥测定位法四种落点精度海上试验的测量方法。对四种测量方法的优势、劣势进行了对比分析,提出了一种基于Matlab软件的数据处理方法,并对测量结果的误差进行了对比分析,综合提出了根据海上试验环境条件和测量保障条件进行海上试验的优选原则。     

基于混沌理论的微弱线谱信号检测研究

提出了一种基于Duffing振子的线谱信号检测方法。分析了Duffing方程的分叉特性以及利用其检测微弱周期信号的工作原理,在此基础上对此种混沌检测方法进行了实验研究。实验结果表明,此方法能准确检测出信噪比很低的微弱线谱信号,为水声领域线谱检测系统的设计提供了依据。     

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.     

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。     

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.     

一种基于混沌序列的短时猝发水声通信方法

传统的水声通信发射信号持续时间长,隐蔽性差和抗干扰能力差。文中设计了一种短时猝发的扩频通信方法,用优选后的混沌序列作为多进制扩频通信的伪随机序列,并将同步信号和数据信息分别放置在不同的子通道上,极大地压缩了发射信号时长。仿真结果表明该方法能大大提高水声通信的抗扰和隐蔽性能。     

基于小波能量熵的水下目标磁场信号去噪

本文提出了基于小波能量熵的水下目标磁场信号去噪方法,通过对信号进行小波分解,计算各层目标信号和背景噪声的小波系数能量熵,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数的阈值,利用经过处理后的小波系数进行小波反变换,实现对水下目标磁场信号的去噪.仿真试验结果表明,该方法能有效去除背景噪声,检测出目标磁场...     

舵机非稳态激励识别及瞬态声辐射分析

当水下航行器利用舵机改变航向时,舵机的开启会产生很大的瞬态辐射噪声。因此,在舵机安装之前,有必要对舵机的源特性进行评估。文章基于某水下航行器的舵机振动测试试验,应用频域载荷识别中的最小二乘法方法和短时傅里叶变换的信号处理技术,对舵机操舵过程中舵机与试验台架连接的机脚点处的瞬态最大激励力和整体平均激励力分别进行了间接估算,并将估算结果的准确性和可行性进行了验证。考虑到加肋圆柱壳是水下航行器的基本结构形式,文中将估算的激励力结果作为辐射声计算的近似输入,以一个两端简支的加肋圆柱壳体作为水下航行器的一个舱段的计算模型,分别计算了舵机操舵过程中水下瞬态最大和整体平均辐射噪声的大小,提出了一种利用短时傅里叶变换信号处理技术来评估舵机水下瞬态辐射噪声的方法。     

对称Alpha稳定分布噪声下的Duffing振子检测方法

Duffing振子是利用系统对与策动力同频的小信号敏感而对噪声免疫实现微弱信号检测,特定分布下的噪声激励Duffing振子系统不会发生相变是应用该方法的前提条件。文中主要研究了服从Alpha稳定分布的噪声激励Duffing振子产生相变的鲁棒性问题,研究结果表明Duffing振子相变在Alpha稳定分布源的激励下为小概率事件。为消除小概率相变的影响,利用多支路并行检测及多数判决准则对常规的Duffing振子检测方法进行改进,即将待测信号分段截短周期延拓后送入多个并行Duffing振子检测单元,若检测单元多数发生相变,必然是由于弱目标信号而非噪声激励所致,即可判定检测信号中包含目标小信号。将该方法应用于水下目标回波信号的检测中,实测数据处理结果验证了该方法是有效的。     

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。