1(1/2)维谱在舰船辐射噪声线谱提取中的应用

舰船辐射噪声的线谱成分包含有大量的舰船特征信息,是被动声呐识别目标和估计目标速度的依据。本文对1(1/2)维谱的抑制高斯噪声、增强信号基频分量和剔除非耦合相位的谐波分量等特性进行仿真,通过对2种船型的舰船辐射噪声实测数据进行处理,得出结论,1(1/2)维谱对线谱基频具有增强作用,并且能够有效地抑制高斯背景噪声,相比于传统的功率谱方法,1(1/2)维谱更有利于舰船辐射噪声线谱的提取。     

基于小波解调-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制谱中含有大量舰船固有特征量,可用于估算舰船的航速以及进行目标分类与识别。本文提出一种基于小波解调与1(1/2)维谱的联合分析方法,利用Morlet小波的带通滤波能力以及其实部与虚部正交特性提供的信号解调功能,得到信号的尺度包络谱图,选取其中含有调制信息的小波分量,通过1(1/2)谱分析可以得到舰船轴频的基频及谐波信息。实验数据结果表明,该联合方法可以有效的提取舰船辐射噪声中的调制特征信息,具有广阔的应用前景。     

基于EMD-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制信息中包含了大量有关舰船特征的信息,作为被声呐识别和判断的依据,由此判别目标的类型和速度。传统的DEMON(Detection of Envelope Modulation On Noise)谱分析时,大多采用功率谱分析,在提取调制谱时,效果不太理想,存在对噪声抑制能力差、提取后的谐波特征不明显等缺点。论文提出了一种基于EMD分解和1(1/2)维谱分析的提取方法,首先对目标辐射噪声信号进行EMD(Empirical Mode Decomposition)分解得到原始信号的若干个固有模态分量(Intrinsic Mode Function,IMF),其次对这些IMF分量进行解调,然后对其中某几个分量作1(1/2)谱分析得到舰船轴频的基频及谐波信息。仿真和对实测数据分析的结果表明,该方法可以有效提取噪声的特征信息,具有良好的应用前景。     

基于BP神经网络的船舰目标识别分类

随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点。本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征。为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端。最后利用BP神经网络对船舰图像进行了训练和测试。测试结果表明,本文的分类算法对船舰目标的分类精度达到84%左右,有效实现了常见船舰类型的识别分类。     

混沌理论研究及其在舰船目标识别中的应用

为有效提取舰船目标的特征,进行舰船目标自动识别.以混沌理论为基础,研究了混沌的定义和基本特征,从混沌系统运动特征中,以实际采集的舰船辐射噪声为研究对象,找出对舰船目标识别有效利用的关联维数这一混沌特征量,对其提取算法进行研究和仿真.通过对各类舰船辐射噪声的关联维数的提取仿真实验表明,关联维数这一混沌特征量能有效对各类舰船进行分类识别,从而对水中兵器的制导系统及目标识别系统设计具有一定的借鉴意义.     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法。用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类。将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%。实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

基于AdaBoost算法对海上失事船只的识别与定位

海上失事船只的识别与定位是军事应用中的重点、难点。本文将AdaBoost算法应用于海上船舰移动目标的识别与定位,基于Harrtraining对样本集进行特征提取,训练然后进行检测。研究实例表明了算法的有效性。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

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。     

纳米LaxSr1-xCu1-yCoyO3的制备和光电催化特性

用甘氨酸-硝酸盐燃烧法制备LaxSr1-xCu1-yCoyO3纳米晶体复合氧化物,并用XRD、SEM、EDS以及IR对纳米晶体的晶型、晶粒大小、形貌及组成进行表征,晶体粒子是球形的,粒径在17.8~43.7 nm之间,为正交和立方晶系。用活性碳为载体制备功能氧电极,采用三电极体系,测试循环伏安曲线,发现该氧电极具有双功能催化特性,但不完全可逆。利用汞灯作为激发光源,对水溶性染料进行光解实验,利用紫外-可见、红外以及人工神经网络光度法研究LaxSr1-xCui1-yCoyO3的催化性能。结果表明:LaxSr1-xCu1-yCoyO3(x=0.3,0.7;y=0.3,0.7),具有较强光催化特性,该复合氧化物催化剂对含有5种染料的废水具有高效脱色作用。     

东方1-1气田开发工程外输海底管道现场补口设计

随着海洋石油的不断开发,海底管道的建设每年都在不断地增长.目前在我国近海已建成投产和正在建设的海底管道总长已接近2000km.在海洋环境中钢质管道的腐蚀非常严重.阴极保护和涂层是钢质管道必不可少的防腐措施.现场接头补口也是钢质管道最大的难点.如果接头补口处理不好,也将影响整个管道的设计寿命.本文介绍了海底管道接头补口的设计、材料及检验,对今后海底管道补口工作具有一定的指导作用.     

太平洋航线集装箱货流量GM(1,1)-马尔可夫链预测方法探讨

运用灰色系统理论对太平洋航线集装箱货流量进行定量预测,并结合马尔可夫预测方法对航线运量进行定性分析,达到定量与定性预测相结合的目的,使预测结果更加合理。采用马尔可夫链划分系统的状态,得出状态转移概率矩阵,分析了太平洋航线集装箱货流量的发展变化区间并预测集装箱航运市场的发展前景。     

物流英语缩略语（1）

物流业的专家和学者在撰文和著书时,常常使用许多英文的缩略语,给新参加物流业的人员在阅读时带来不便。为此,我们请刘兴阳同志把物流业中常用的缩略语(包括字母缩写和数学缩写等)收集起来,在本刊的“知识园地”栏目中陆续发表,以便于大家查找。     

1—甲基-5-硝亚氨基四唑氨基胍盐的合成

以5-氨基四唑为原料,经甲基化和硝化反应制得1-甲基-5-硝亚氨基四唑,然后与氨基胍碳酸氧盐反应得到1-甲基-5-硝亚氨基四唑氨基胍盐.考察了反应温度、时间、物料摩尔比、碱用量和溶剂用量对甲基化反应的影响,优化后产率达44％;还考察了硝化剂用量、反应温度、时间对1-甲基-5-硝亚氨基四唑合成的影响,优化后最高产率为81％.并通过1HNMR、IR、MS等手段对产物进行了表征.     

微型可编程控制器JDMPLC-1的设计

JDMPLC-1是一种面向现代控制系统的微型可编程控制器.它以高性能8位单片机80C552为核心,集多功能于一体,具有开放性和柔性特征,有较强的链接功能.本文着重介绍了它的总体设计,尤其是工程化方面和链接功能方面的设计,具体还介绍了JDMPLC-1的软、硬件组成和系统的设计与实现.