基于SEA的水面舰水声对抗系统作战效能评估模型研究

现代海战中,鱼雷等水下攻击武器对水面舰的威胁越来越大.水面舰水声对抗系统作为水面舰水下防御体系的重要组成部分,其性能直接决定着水面舰水下防御作战的成败.根据现代海战中水声对抗作战流程,并针对SEA方法的要求,提出了评估水面舰水声对抗系统作战效能的三个主要性能指标量度(MOP),通过分析系统在作战时的特点,建立了评估水面舰水声对抗系统作战效能的SEA方法模型.并利用该模型比较了不同系统的作战效能,对结果进行了简要分析,验证了SEA方法模型用于水面舰水声对抗系统效能评估的可行性.     

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GAHP的舰船水声对抗侦察装备效能评估

针对舰船水声对抗侦察装备性能参数的不确定性,将灰色系统理论与层次分析法相结合,建立模型对装备效能进行评估。用专家评估分析法确定装备效能评估指标权重,用灰色系统理论建立效能评估模型。以某鱼雷报警声纳为例对模型进行了验证,结果表明该模型能充分利用决策者的判断信息,较为准确地反映实际情况,适用于舰船水声对抗侦察装备效能的评估。     

一种基于小波包分解FXRLS算法的自适应噪声抵消方法

将小波包分解技术引入FXRLS算法,并形成了基于该算法的自适应噪声抵消方法。通过仿真实验和实测数据进行了验证,结果表明,该方法比传统系统具有更快的收敛速度和更高的降噪能力,能够处理复杂的水下噪声主动抵消问题。     

国外水面舰水声对抗技术及其发展趋势

水面舰水声对抗是水面舰水下防御作战的主要内容,实施水声对抗能够有效提高水面舰在水下战中的生存能力。本文介绍了国外水面舰水声对抗技术发展现状,分析了水面舰水声对抗发展趋势与特点以及未来发展方向。     

支持向量机的水声信号分类识别

研究水声信号识别特征的提取,在此基础上采用支持向量机理论,提出了一种水声信号的分类识别算法.该算法选取两类水声信号,提取它们的混沌特征值关联维数和h2熵作为目标信息,每类信号各提取32组数据,取两类水声信号各8组数据作为训练样本,训练支持向量机,其它样本用于验证.结果表明,支持向量机的分类算法能实现对目标的有效分类,分类效果较好,比较适合小样本、非线性分类.