基于双阵纯方位的水下运动目标运动分析研究

单基阵纯方位水下目标运动分析需要基阵所在平台至少作一次机动,复杂多变的海战环境中,往往并不允许平台执行机动,故通常需利用多维信息对水下目标进行运动分析.本文基于双阵方位进行水下目标运动分析,目前相关公开文献中多是从仿真层面对该问题进行研究,本文在数值仿真的基础上,通过对海试数据的处理,从试验层面研究这一问题.文中采用最大似然估计法和扩展卡尔曼滤波方法进行双阵纯方位水下目标运动分析,通过数值仿真及海试数据的处理,验证算法的有效性.     

分裂阵宽带相关检测在圆阵中应用

宽带能量检测作为一种非相关检测方法广泛应用于被动声呐中,但是在复杂环境下其检测性能迅速降低.为了实现分裂阵半波束在圆阵中的应用,本文通过对圆阵的半波束相位差推导和仿真,将分裂阵半波束应用于圆阵的宽带信号检测中,给出一种应用于圆阵的分裂阵宽带相关检测方法.该方法能有效地改善目标方位分辨率,提高被动声呐的宽带检测性能.仿真和试验数据处理结果验证了该方法的有效性,易于工程应用.     

一种级联型自适应滤波器的混响抑制技术

在浅海环境中混响是造成主动声呐性能下降的主要原因之一。混响是由发射信号引起的,其频域上覆盖区域与发射信号基本重合,时域上与发射信号及目标回波强相关,这给混响和目标的分离造成了很大的困难。本文借鉴PD雷达中的动目标检测方法,提出一种适用于声呐动目标检测的滤波器设计算法。该算法利用运动目标回波和混响在时频域上的不同特性,设计了级联自适应滤波器实现混响抑制和目标增强。在此基础上进行匹配滤波等处理可以获得理想的效果。该算法可大幅提高信混比,有效改善运动目标的检测能力。     

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。     

一种改进的匹配干涉场被动定位方法

匹配干涉场被动定位方法具有较好的宽容性,对声场参数建模误差要求较低,但当声场失配程度较高,或目标信号信噪比较低时,基于干涉场结构匹配的相关峰值不明显,使得匹配性能降低。因此,在原始的匹配干涉场的基础上提出了一种基于Radon变换的改进方法,利用Radon变换对拷贝声场的干涉结构和实际声场的精细干涉结构进行图像处理后再对其作相关处理。仿真和实验数据表明,经此改进后,即使是在建模声场存在一定失配的条件下,在匹配相关峰值提高的同时,旁瓣也能得到有效抑制,能够有效地改进匹配干涉场的被动定位效果。     

一种基于VxWorks水下目标侦听方法的设计与实现

针对水下目标识别与分类的需要,提出了一种基于VxWorks操作系统的水下目标侦听方法,并对该方法的设计以及实现过程进行了详细介绍,该方法主要用于人工辅助机器对水下目标进行分类。工程实现采用VxWorks操作系统以及FPGA,具有通用化设计、移至方便、操作简单、反应时间短等优点。     

多目标干扰环境中威胁目标自动跟踪方法

针对多目标干扰环境中威胁目标发现与跟踪困难的问题,研究一种基于随机有限集(RFS)的高斯混合概率密度假设(GM-PHD)滤波的算法,建立目标的随机有限集形式的运动和观测模型,利用卡尔曼滤波的预测和更新过程,对被动声呐输出的多目标方位和窄带线谱同时进行跟踪,利用所提取窄带线谱能量作为不同方位目标的输出检测量,可实现对包含线谱的窄带威胁目标的自动跟踪。试验数据的处理结果表明,所提方法可以实现在多目标的复杂情况下对感兴趣的威胁目标的自动跟踪。