排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
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。 相似文献
4.
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。 相似文献
5.
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。 相似文献
6.
7.
1