基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 。

峰值能量检测及其在被动声纳显示中的应用

本文介绍子带峰值能量检测方法及其在被动声纳显示和检测中的应用,同时提出了波束域宽带峰值能量检测算法。新的波束域算法是在己有波束形成的基础上进行处理,不需对原系统进行较大的修改。通过波束域宽带峰值能量检测处理,可以改善声纳显示效果,更加清晰地显示目标方位。相对于高分辨率波束形成算法,两种峰值能量检测算法的运算量都比较低,具有一定的工程应用前景。通过计算机仿真和实测数据处理,验证了所述两种峰值能量算法在提高显示清晰度,减小测向模糊度方面的优点。

被动声纳线谱检测技术综述

船舶辐射噪声的功率谱由连续的宽带谱和离散窄带线谱组成。在被动声纳系统中 ,线谱检测是一个至关重要的问题。本文对线谱检测技术进行了综述。该领域最新进展表明 ,为了能够在低信噪比下检测和提取线谱 ,往往采用两种或多种组合方法 。

基于被动声纳浮标投放法的水下目标跟踪

针对航空反潜中使用空投被动声纳浮标对潜艇进行跟踪的问题,利用双曲线交汇法定位,研究被动浮标对水下目标进行连续跟踪的方法,建立相应数学模型。仿真结果证明了该方法的可行性,得到目标的航速、航向、运动状态变化间隔、声纳浮标位置等因素变化与跟踪所需声纳浮标数量的关系。

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别 ,着重研究了线谱特征提取方法 ,提出了一种自适应遗传BP算法 ,并用该算法训练神经网络目标分类器。经对海上实录三类目标噪声分类识别实验结果表明 ,所设计的被动声纳目标识别系统具有很好的分类效果。

超波束处理在被动声纳频谱分析中的应用

超波束技术(HBF)作为一种新的高分辨力波束形成方法,在阵列尺寸一定的条件下,能够同时降低主波束宽度和旁瓣,从而提高目标检测能力和定位精度。但超波束输出丢失了信号相位信息,无法进行侦听和频谱分析等后置处理。对常规HBF进行了改进,利用HBF输出对常规的波束形成(CBF)进行加权,在保证高分辨力和低旁瓣的同时,又保留了波束输出的相位信息。仿真结果表明,该算法可以在被动声纳低频分析与历程显示(LOFAR)中得到应用,给声纳目标检测和识别提供主要依据。

温跃层及其变化对被动声纳检测概率影响的研究

根据被动声纳工作原理,构建被动声纳探测水下目标物概率数学模型。利用声学调查实测数据,综合考虑传播损失、环境噪声、和水文环境分布及季节变化,研究温跃层垂直分布及季节变化对声纳检测概率的影响。结果表明:温跃层对被动声纳影响巨大,逆温跃层环境中,声纳检测概率从海表向下逐渐减小;正温跃层对声纳总的影响与逆温跃层相反,在正温跃层上界,检测概率从表层向下先减小后增大;逆温跃层对被动声纳检测概率的影响随目标物与声纳距离的增大而增大,正温跃层影响相反。

被动声纳信号分类特征提取的研究

对被动声纳信号进行了分析和特征提取，基于听觉系统识别声音信号的原理，提出了一种新颖的平稳恒Ｑ 特征，并给出了距离指数和识别指数２ 种更为合理的评价方法。实验结果表明本文提出的平稳恒Ｑ特征较原有几种典型特征，具有良好的分类正确性．

基于线性预测倒谱的被动声纳目标特征提取技术

从声纳员的角度出发,被动声纳目标可以被看作为一个发声体,利用线性预测倒谱从声纳目标噪声中分离出目标作为发声体的冲激响应在倒谱域中的表示,提取一组识别特征,设计神经网络分类器,对三类目标进行分类。实测数据验证了基于线性预测倒谱的被动声纳目标特征提取方法是可行的。

水声对抗仿真系统中的被动声纳仿真

针对水声对抗训练是提高海军战斗能力的重要手段。水声对抗中各种设备功能的实现都是声纳的探测基础。传统的声纳仿真研究侧重于信号、信道的仿真,对计算机硬件要求非常高,而且在分布式仿真中需要进行大量的数据交互,会严重影响系统的实时性。为改变现状,采用被动声纳方程为基础,总结出被动声纳方程各项参数的计算方法,得出一种在战术层次对被动声纳建模仿真的方法,在减小网络负载的前提下,合理地反映出各种环境参数对声纳探测范围的影响,方法可以应用于海军舰潜机间战术演练的水声对抗系统中。

被动声纳方位估计的宽带盲源分离算法

针对实际被动声纳信号宽带非平稳且统计特性无法预知的特点,由宽带卷积混合模型,建立了融合时间延迟结构与非参数化特性的代价函数,通过核密度技术同时估计目标源的概率密度函数和解混矩阵,并对估计的最优解混矩阵与目标源信号求取每个频点内方位能量谱,最后累加所有子带构成宽带方位能量谱。宽带仿真结果与实际海试表明该方法在方位分辨率和估计精度方面接近最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)和多重信号分类(Multiple Signal Classification,MUSIC)算法,在弱目标检测方面具有一定优势。

基于小波分析的被动声纳信号宽带噪声包络调制分析

采用小波分析理论建立了一种新的被动声纳信号宽带噪声包络调制分析算法．通过被动声纳的海上实际信号的分析实验，取得了良好的检测效果且可以节省计算时间，具有很好的应用前景．

提高被动声纳宽带检测性能的一种新方法

宽带能量检测是被动声纳实现目标探测功能的常用方法,常规能量检测(Conventional Energy Detection,CED)方法在复杂环境下的检测性能迅速降低。子带峰值能量检测(Subband Peak Energy Detection,SPED)可以有效改善常规能量检测方法的性能,提高时间方位历程显示(BTR)的方位分辨力,但是波束宽度和旁瓣将影响SPED算法的性能。提出了一种将导向最小方差(Steered Minimum Variance,STMV)的宽带自适应波束形成与SPED结合的宽带检测新方法,通过海试数据的处理,表明这种基于STMV的SPED方法的性能优于基于常规波束形成(CBF)的SPED方法。

一种度量不确定环境中被动声纳作用距离的计算方法

提出了一种度量不确定海洋环境中被动声纳作用距离的计算方法,推导了当海洋环境中存在单个和多个不确定参数时被动声纳作用距离与不确定参数之间的关系,继而获得被动声纳作用距离的概率分布,以极大似然准则确定此时被动声纳的作用距离。针对海洋环境存在单个和多个不确定参数时的情形,计算了被动声纳的作用距离。该方法充分利用不确定海洋环境参数的概率密度信息,对不确定海洋环境参数的概率分布不做特定要求,且无需设定用以估计作用距离的门限。

被动声纳目标识别综合仿真系统

针对舰艇目标识别与分类对海军作战的重要性,提出了被动声纳目标识别综合仿真系统的设计方案。设计了包括声纳信号仿真、噪声回放、目标分类识别、目标噪声特性库以及综合显示在内的系统总体结构及其相应功能,建立了系统仿真模型和仿真软件,仿真试验结果表明了系统设计的合理性和有效性。

固定单基地被动声纳目标航向估计方法研究

针对匀速直线运动的目标,依据相对运动三角形,利用任意不同时刻的3个方位值计算得到目标初始舷角,进而求取目标航向;基于一元线性回归分析理论,充分利用所测目标时间方位序列,构造系统函数,依此提出一种精度较高的目标航向估计算法;分析了不同运动态势下,观测数据的时间长度和方位精度对估计结果的影响。仿真结果表明,提出的算法精度较高,在观测方位误差相对较大时也同样适用,且随着观测数据时长增加、方位变化率增大以及观测方位精度增高,目标航向的估计结果越稳定。

被动声纳浮标目标运动分析及其仿真计算

针对直升机搜索潜艇的特点,研究了被动声纳浮标目标运动分析问题。对固定目标和匀速直线运动目标,分别应用确定性计算和线性最小二乘法进行数学建模及其仿真。仿真结果表明该模型可行,能对被动式声纳浮标搜潜的目标定位提供算法依据。

一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用

提出了一种新颖的隐节点可调的变结构径向基函数网络，并应用进化规划最优地确定和调节变结构径向基函数网络隐层节点的数目及其核函数的中心和宽度，从而使网络具有在线学习和记忆新的目标模式的功能．并将该网络应用于被动声纳目标的识别和在线学习，实验结果表明基于进化规划的变结构径向基函数网络不仅改善了网络的泛化能力。

潜艇运动对被动声纳浮标搜索的影响

由于被动声纳浮标隐蔽持续探测,潜艇可能由于机动进入浮标探测范围,从而增加了被探测概率。针对这一问题,在分析已有模型局限性的基础上,从潜艇运动对浮标搜索影响的原理出发,建立单枚浮标新增搜索区域模型,分析了单枚浮标搜索概率的影响因素,然后建模分析了潜艇运动对浮标拦截线搜索概率的影响因素,得出了影响作用仅对浮标作用距离、间距和航向敏感的结论,并对作战使用方法提出相关建议。

一种人工神经网络方法在被动声纳目标识别中的应用研究

水下目标识别是水声信号处理领域中的一个重要课题．本文针对水下目标辐射噪声类别特征不明显的特点，提出了一种有监督的模糊ＡＲＴ神经网络（ＳＦＡＲＴ）分类器，通过对声纳目标信号的分类试验表明：该网络分类器具有迭代次数少，识别率高的优点，是一种很有实际应用价值的分类器模型．