合成孔径雷达在舰船目标定位和成像技术的应用研究

合成孔径雷达SAR是一种利用线性跳频信号进行目标探测和识别的雷达技术,具有分辨率高、观测范围广、数据处理能力强等优点,不论在军事领域的目标勘测还是民用领域的海上环境勘测、港口地形勘察等都具有重要的实际应用价值。本文主要研究基于合成孔径雷达技术的舰船目标定位及舰船目标成像技术,系统介绍合成孔径雷达的工作原理,并针对舰船目标雷达信号的分析与处理进行研究。     

基于支持向量机的红外图像舰船统计特征分析

海上舰船的航行统计特征和目标识别对于海上交通管理与监察部门有重要作用,一方面,舰船的航行统计特征是海上航线管理与调度的基础,可以减少海上船舶的碰撞事故;另一方面,舰船目标的特征识别可以帮助监察部门分辨敌我船舶,维护海上领域的安全。随着计算机技术与探测技术的发展,海上舰船的目标识别与特征提取技术取得了明显的进步,本文重点研究了基于支持向量机的舰船红外图像统计特征识别与提取技术,包括图像样本分类等方面,并进行了舰船红外图像边缘像素识别的仿真试验。     

卫星探测舰船能力仿真研究

针对多颗卫星联合对舰船目标观测活动中的探测能力问题,研究对其量化描述方式并进行仿真。综合运用运动仿真、概率论、连续马尔科夫链和蒙特卡罗法等方法对卫星探测舰船活动各阶段建立相应的模型,并结合数学函数提出多星联合探测能力量化指标。以某作战想定为背景,进行了仿真计算,得出结论。仿真结果表明该模型能够解决多星联合观测舰船目标问题,并且该研究成果对航天装备效能评估和装备体系发展规划论证具有一定的指导意义。     

神经网络算法在舰船声呐设备自噪声预报的应用

舰船声呐设备利用声波在水下的传播特性,将采集的声音信号转换为电信号,从而确定水下目标的位置信息、速度信息和形态信息等,是舰船上重要的水声学探测装置。在舰船声呐的正常工作中,噪声信号会对声呐的探测和目标定位精度产生不利影响,常见的噪声源包括舰船螺旋桨噪声、舰船机械噪声、声呐设备自噪声等。本文主要研究舰船声呐设备的自噪声频段分布和形成原理,利用神经网络算法对声呐设备自噪声预报技术进行研究,该研究对改善舰船声呐设备的探测水平、提高声呐采集信号的信噪比、降低声呐设备自噪声等有重要意义。     

图像识别火灾探测技术在舰船消防中的应用分析

舰船火灾是危害舰船生命力的关键因素,对于舰船火灾的防控提倡在火灾发生时尽早探测报警,并实施有效灭火,因此舰船火灾的探测识别尤为关键。图像识别火灾探测技术作为一种新型的火灾探测技术具有灵敏度高、准确性好等优势,因此本文从火灾图像探测技术基本原理出发,介绍了火灾图像探测技术的发展现状,并对图像识别火灾探测技术在舰船消防中的适用性进行分析。分析认为将图像识别火灾探测技术运用在舰船上还应在以下领域做出改进:1)火灾图像识别算法对船舶典型火灾的识别能力;2)火灾探测系统对舰船环境的适应能力。     

基于声基阵的目标被动探测建模与仿真

文章主要进行了舰船目标噪声和等距直线声基阵建模研究,采用波束形成、自适应限幅处理和极性相关等技术对目标进行被动声探测,并进行了仿真试验,验证了模型的准确性和探测方法的有效性。     

水声探测技术在舰船RCS测量中的应用

舰船等电极大尺寸目标的RCS测量一直是一项非常复杂而棘手的难题,而俄罗斯发展了水声探测技术并运用于RCS的测量中.本文将俄罗斯水声探测技术介绍给国内同行,从水声的角度探究了解决RCS测量难题的方法.首先对探测设施--回声室作了简单的介绍,然后对声波散射和电磁波散射的相似性进行了定量的分析.最后得出结论,利用水声探测技术有望较好地解决舰船等目标的RCS测量难题.     

基于图像处理的舰船火灾烟雾检测技术研究

舰船火灾探测报警系统作为损管监测体系的关键构成部分,其性能的优劣将会直接影响到舰船和舰员的安全问题。为提高舰船火灾探测技术的实时性和准确性,减少误报、漏报等情况的发生,提出一种结合烟雾颜色特征与运动特征进行研究的视频火灾烟雾检测技术。该技术通过运动目标区域检测和对烟雾颜色特征、形状不规则性和扩散性特征的提取,经过分析与判断,将满足烟雾特征判据的目标区域判别为烟雾区域。检测结果表明该技术能够准确且迅速地探测火灾烟雾,误报率低,可靠性好。     

基于图像分割与目标提取的舰船遥感影像分析技术

舰船遥感影像分析技术在舰船目标识别、海上航运交通管理、资源探测和军事侦察等领域发挥着重要的作用,是一种快速、高效和准确的海上舰船信息获取方法。遥感技术的理论基础是电磁波原理,该技术利用遥感卫星等设备采集和分析远距离物体辐射和反射的电磁波信号,从而进行地面物体的探测和识别。由于遥感技术存在巨大的优势,因此,基于遥感技术的舰船遥感影像分析和目标提取有重要意义,决定了海上目标识别和海上监察的水平。本文针对舰船的高分辨率遥感影像,详细的介绍了图像分割原理和目标提取原理,在此基础上研究了一种全新的舰船遥感图像分析技术。     

灰色预测CO浓度在舰船火灾探测中的应用

为了有效地探测舰船火灾,根据舰船火灾信号的特点,选取CO浓度作为火灾探测信号的特征,并提出采用灰色系统模型预测CO浓度增大趋势,通过与实际探测值比较得出相应时刻的预测误差,进而判断是否存在火灾威胁的探测方法,同时结合舰船工作环境的特点,设计了三级火灾报警等级。仿真结果证实了该方法的有效性,对现有的火灾探测方法是一种补充。     

基于两级自适应线谱增强器的舰船辐射噪声线谱检测

舰船辐射噪声中的线谱成分能表征舰船的本质特征,是舰船目标识别中的主要特征矢量.因此,舰船辐射噪声线谱的准确检测在目标识别中具有十分重要的意义.针对海洋环境噪声中舰船辐射噪声线谱检测问题,提出了两级自适应线谱增强器(adaptive line enhancement,ALE)检测方法.该方法在原一级ALE检测方法的基础上,将原信号延时信号与一级ALE误差信号相减后作为第2级ALE的输入再进行1次ALE.该方法较一级ALE在输入信号信噪比较低时能准确地将线谱从宽带背景噪声中分离出来.仿真和实验结果表明该方法的有效性和准确性.     

噪声发电在船舶机舱中的应用

船舶机舱的巨大噪音一直是改善船舶机舱环境的一个重要难题,这严重影响了船舶机舱工作人员的身体健康及工作环境。本文利用一种声电转换材料,将船舶机舱中的机器噪声能量收集起来转换为电能加以利用,这不仅减少噪声污染,改善机舱环境,而且能够产生电能,从而达到节能环保的作用。     

船舶水下噪声研究三十年的基本进展及若干前沿基础问题

三十年来,船舶水下噪声研究取得了显著的进展,同时也面临新的需求和挑战。文章从船体结构振动和声辐射、低噪声设备、管路系统振动和噪声、隔振及声振隔离方法、声学材料和元器件、推进器及推进轴系声学特性、水动力噪声、声呐自噪声、声目标强度、声学测量方法等十个方面,简要回顾和梳理了船舶水下噪声研究取得的主要进展及进一步的发展方向,并提出了若干前沿的基础性问题。     

舰船辐射噪声的非线性和确定性检验

为提取舰船目标辐射噪声非线性和混沌特征,实现对舰船目标的自动识别,首先需要对舰船辐射噪声时进行非线性检验和确定性检验。运用替代数据方法,选择合理的检验统计量,根据实验数据与替代数据之间峭度和自相关两个量的差异性,分析得出舰船辐射噪声信号有非线性成分。另外,对舰船辐射噪声时间序列作相空间重构,根据递归图中出现规则图案,定性分析出舰船辐射噪声信号具有确定性成分存在。该结论为下一步提取舰船辐射噪声非线性混沌特征奠定了理论基础。     

基于FEM/BEM的船用水泵流动诱发振动噪声计算分析

离心水泵是舰船上面重要的流体机械,广泛应用于船舶冷却系统、舱底压载系统、循环水系统及消防系统。同时离心泵也是舰船管路噪声源之一,影响着船舶运行环境舒适性与舰船的安全隐蔽性。本文利用fluent软件计算流场非定常过程中叶轮所受时域脉动压力,并提出优化方案。将其作为激励源加载到水泵电机有限元模型上,采用隐式有限元法计算泵组表面振动速度与机脚处加速度,估算泵组振动烈度。将有限元振动速度导入Virtual.Lab软件,采用声学边界元计算泵组的空气噪声辐射。计算结果表明,泵组出水口处与机脚处振动噪声较大,应采用相关的减振降噪技术。     

基于径向基函数网络的水声信号预测模型研究

随着舰船隐身降噪技术的不断发展,舰船辐射噪声信号检测变得愈加困难.针对这种情况,将RBF神经网络引入到水声信号的预测中,建立水声信号的全局预测模型.通过对Henon和Lorenz映射仿真,验证了RBF预测模型的有效性.运用全局预测模型对两种实际水声信号进行预测.实验证明,该预测模型学习速度快,所需样本点少,效果较准确,在水声信号检测中具有良好的发展前景.     

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。     

水面舰船声学特性的类比及其评价

传统的水面舰船声学设计评价方法在应用上存在着局限性，为进一步发展和完善，通过对总声级声学特性类比、声频范围和超声频段声学特性、实船检测声学特点和实船声隐身战术技术要求制订等进行广泛论述与类比探讨的基础上，指出了现有方法在总声级确定、声学特性预报和实船检测等方面的不足，提出了较为合理的水面舰船声学特性的类比及其评价方法，即以特定频段的线谱分析来评定其声学性能。     

Neural localization of acoustic emission sources in ship hulls

In this paper a radial-basis-function neural network is used to localize acoustic emission events in ship hulls. It is shown that using a tiny network configuration and a small set of robust features, selected automatically by the K-means algorithm from a superset of 90 signal parameters, the location of a single event can be classified efficiently into three typical areas found in ship hulls. In simulation experiments, where a stiffened plate model is partially sunk into the water, the localization rate of acoustic emission events in a noise-free environment is 100% using four sensors and only four features per sensor. In the proposed method, the feature set is adapted and estimated automatically in cases of noisy environments. Robust acoustic emission localization rates, greater than 90%, are achieved using less than ten features per sensor in case of additive white Gaussian noise at 0 dB SNR or more.     

高速船全频段舱室噪声仿真预报

鉴于有限元法(FEM)和统计能量法(SEA)在求解中频段船舶结构振动噪声问题中的有限性,引入有限元—统计能量(FE-SEA)混合法。介绍其基本原理的基础上,运用VA One振动噪声分析软件,采用有限元法、FE-SEA混合法和统计能量法分别求解低频、中频和高频段高速船舱室噪声,以此实现高速船舱室噪声问题的全频段分析。通过对比仿真值与实验值,证明应用FE-SEA混合法预报高速船中频段舱室噪声问题是有效可行的。