一种基于模型概率单调性变化的自适应IMM-UKF改进算法

针对现有交互式多模型(IMM)算法模型间切换迟滞和转换速率慢的缺点,提出一种基于模型概率单调性变化的自适应交互式多模型无迹卡尔曼滤波改进算法(mIMM-UKF)。该算法利用后验信息模型概率的单调性,对马尔可夫转移概率矩阵及模型估计概率进行二次修正,加快了匹配模型的切换速度及转换速率。仿真结果表明,与现有算法相比,该算法通过快速切换匹配模型,有效提高了水下目标跟踪精度。

基于谱残差法的主动声呐疑似目标自动拾取

针对主动声呐干扰遍布的B显画面上目标亮点难以拾取的问题,本文提出一种基于谱残差法视觉显著性处理的疑似目标自动拾取方法。在主动声呐图像的概念之下,研讨了自然图像中视觉显著体的发现与主动声呐图像中疑似目标拾取的相似机理,依此进而说明了本文方法的机理、核心框架以及关键处理环节,包括预处理声呐图像、生成显著图、估算拾取阈值以及标定疑似目标等。海试数据处理结果表明:相较于基于局部相对能量分析的对照方法,本文方法对已知目标具有更低的漏报率,同时亮点拾取数量减少约40%,且处理耗时减少约37%。

基于视觉显著性的主动声呐背景均衡方法

针对主动声呐检测输出中的混响与辐射噪声泄漏等干扰抑制问题,提出了一种基于视觉显著性检测的背景均衡方法。首先,建立起主动声呐图像的概念,从视觉显著性统计规律上研讨其与自然图像的相似性;然后,在图像处理框架下提出一种基于二维频谱残差显著性检测的主动声呐背景均衡新方法,并引入图像熵作为均衡效果的评价依据。经海试数据验证,该方法能有效抑制混响片状干扰与辐射噪声条带状干扰,增强回波亮点,相较于常规的加权二维均值背景均衡方法图像熵值降低约2/3,运算速度提高约一个数量级。

一种基于冲激脉冲回波检测的主动目标定位技术

水下等离子体声源为一种强度高、宽带可控的脉冲声源,其声源级高于传统换能器,常被用作干扰远程目标的软杀伤性武器。当其产生的冲击波无法对目标实施有效的毁伤和干扰等软杀伤打击时,本文研究利用脉冲回波检测来对目标进行主动定位,以提升其运用效能。研究水下等离子体声源脉冲声波的有关特性,并对海底混响和海洋环境噪声与主动定位的关系进行相关仿真研究。建立以脉冲声波为主动声信号的目标主动定位处理模型,以舷侧11元阵和舷侧三子阵为接收水听器阵列,研究基于等离子体声源的主动目标定位技术,仿真验证了方法的有效性。

鱼雷射击原理探究式实验平台设计与实现

针对学生在鱼雷射击原理课程学习过程中感觉理论性强、理解难的问题,基于Matlab GUI设计了一个探究式实验平台。该平台通过参数设置、仿真推演和参数解算三大模块,引导学生完成从提前角基本认知到提前角优化求解,再到实战运用的鱼雷射击原理探究式学习过程。该平台的功能模块由浅入深,符合学生认知逻辑。

Al_(2.5)Cu_(0.5)Ti中间合金对Al-7Si合金微观组织和力学性能的影响

通过真空电弧熔炼炉制备Al_(2.5)Cu_(0.5)Ti中间合金,利用光学显微镜(OM)、扫描电子显微镜(SEM)、电子探针显微分析仪(EPMA)、X射线衍射仪(XRD)、差热分析仪(DSC)和万能材料试验机,研究不同添加量(0.3%,0.5%,0.7%,0.9%和1.3%,质量分数,下同)Al_(2.5)Cu_(0.5)Ti中间合金对Al-7Si合金微观组织和性能的影响。结果表明:随着Al_(2.5)Cu_(0.5)Ti合金添加量的增加,Al-7Si合金中初生α-Al和共晶Si组织被显著细化。与未添加Al_(2.5)Cu_(0.5)Ti中间合金相比,当Al-7Si合金中添加0.9%Al_(2.5)Cu_(0.5)Ti中间合金后,初生α-Al晶粒尺寸从218μm减小到80μm,二次枝晶间距从25μm减小到9.3μm;共晶Si组织由粗大的针片状细化为短片状和短棒状,平均长度和宽度分别从34.8μm和4μm减小到11.6μm和1.7μm;合金的抗拉强度和伸长率分别达到184 MPa和9.3%,与未变质合金的力学性能(162 MPa和3%)相比分别提高了13.6%和210%,断裂模式由韧脆混合断裂模式转变为韧性断裂。然而,当Al_(2.5)Cu_(0.5)Ti合金的添加量增加到1.3%时,发生过变质现象,导致Al-7Si合金组织粗化,力学性能下降。

基于双曲调频的组合波形设计研究

主动声呐通常采用的单频或调频波形时频耦合分辨能力弱,不利于混响背景下的信号检测与估计。先前工作表明,“V”和“W”形双曲调频(HFM)组合波形可以实现距离-速度高分辨和低混响输出,其中W-HFM波形还有效解决了V-HFM波形在多目标场景中的虚假目标问题,但是设计复杂、运算量大。为优化HFM组合波形的设计和应用,该文推导了HFM组合波形的峰脊线斜率表达式。一方面提出V-HFM波形的最小无虚警距离(MNFAD)指标,分析了其多目标适用性;另一方面以典型的W-HFM波形为例,提出了优化的波形设计方案,对工程应用具有指导意义。水池实验数据表明,HFM组合波形实现了距离-速度高分辨、混响输出降低5 dB以上,并且W-HFM波形还抑制了虚假目标干扰。

基于双十字阵的海上弹着点定位误差分析

海上弹着点位置测量是海上靶场舰炮武器精度试验中非常关键的一步,对加强靶场建设、提高部队战斗力具有重要意义。采用被动声探测技术,在单三元阵定位基础上进行布阵方式的改进,提出了一种基于双十字阵的海上弹着点定位方法,推导阐述了定位原理,重点对三元阵定位与双十字阵定位做出了详细的误差分析与仿真。最终得出,在假设的理想算例情况下,基于双十字阵的弹着点定位方法的定位误差降低为单三元阵定位的4.66‰,更好地满足了海上弹着点定位需求,具有一定的应用价值与发展前景。

混合高斯概率密度模型参数的期望最大化估计

混合高斯模型是对非高斯数据进行概率密度拟合典型模型,其参数估计可以通过期望最大化(EM)迭代算法获得。多维混合高斯模型参数的EM估计因结构庞杂而难以求解,而对主动检测背景的统计特性拟合来说,一维的混合高斯模型一般即已足够。描述了该情形下的混合高斯模型及其参数估计问题之后,导出了一种工程实用的、简化的EM迭代算法,并给出了可计算机编程实现的算法流程图。然后详细探讨了对EM估计精度与速度有着重要影响的参数初始化问题,给出了三种可选择的初值设置方案:高速度方案、高精度方案和二者的折衷方案,并分析了它们各自的适用场合。最后,结合一组数值仿真实例,演示了EM迭代算法的良好的混合高斯模型参数估计性能。

混合高斯自回归模型参数估计方法之LS-EM

混合高斯自回归模型对有色非高斯数据的概率密度和功率谱密度进行有效的拟合,而LS-EM算法则可解决这一模型的参数估计问题.描述了混合高斯自回归模型及其参数估计问题之后,导出了具体的LS-EM算法,并给出了一组仿真实例.这是一种参数耦合估计算法,首先基于传统的最小二乘技术得到功率谱密度参数粗估计,进行预白,然后应用EM迭代得到白激励的概率密度估计,并基于此构建一加权函数,以此权函数改进最小二乘算法,进而得到模型参数的精估计.

有色非高斯背景下微弱信号的Rao有效绩检验

混合高斯Rao有效绩检验是实现有色非高斯背景下微弱信号检测的渐近最佳检测器,预白化和高斯化技术的应用使得它的检测性优于传统的匹配滤波器.在使用混合高斯自回归模型描述检测问题之后,基于功率谱密度和概率密度参数估计,引入预白化和高斯化滤波器,构建起模块化的、实用的混合高斯Rao有效绩检测器.然后对其检测性能进行了深入分析,揭示了预白化和高斯化技术改善检测性能的机理所在.最后给出了一组湖试数据检测实例.

三元组拖线阵声纳宽带最佳阵处理左右舷判别性能的仿真研究

应用三元组的阵元结构和最佳阵处理算法可以解决宽带下左右舷分辨这一现代拖线阵声纳设计的难题。文章首先简介了一种获得三元组拖线阵声纳宽带最佳阵处理垂直指向性图的方法,并阐述了如何基于垂直指向性图进行左右舷分辨。然后在大量仿真基础上,深入探讨了噪声结构、目标方位、阵横滚等诸要素对左右舷判别性能的影响,最后作了规律总结。

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square,LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。

基于改进自适应IMM-UKF算法的水下目标跟踪

针对现有自适应交互式多模型算法(AIMM)在水下目标跟踪过程中模型切换和跟踪精度上的不足,该文结合无迹卡尔曼滤波(UKF)算法,提出一种改进的AIMM-UKF算法。该算法在自适应修正马尔可夫转移概率矩阵的基础上,利用判定窗对其进行二次修正,实现匹配模型概率的快速增大和对非匹配模型的抑制。仿真结果表明,改进算法相比原有自适应算法,能更加充分地利用后验信息,拥有更好的模型切换速度,跟踪精度提升约24%。

主动信号检测中干扰背景的高斯化处理

非高斯干扰下的主动信号检测中,高斯化模块往往不可或缺。通过对样本的抑大扬小,它可以有效地增强背景数据的高斯性,提高后续预白化和相关检测的性能。本文给出高斯化滤波的定义和效果评价方法,然后对比研究了基于概率密度函数及导数的U滤波和基于累积分布函数及反函数的G滤波两种高斯化实现方法、原理与性能,并使用一组湖试数据测试了它们各自的高斯化效果。最后,举例说明了高斯化在混合高斯R ao检测中的应用。

混合高斯参数估计的动态簇算法

混合高斯概率密度模型可以很好地拟合非高斯样本的概率密度。在各高斯分量概率密度互不重叠的条件下,使用动态簇算法可以快速而精确地估计出混合高斯概率密度模型参数。这是一种基于最小均方差原则的递推算法,在正向推导出各种可能的簇边界后,再根据确定的最末边界值逆向推定各前导簇边界,从而得到混合高斯概率密度模型参数估计值。描述模型及参数估计问题之后,动态簇算法被推导出来。然后深入探讨了该算法的实质及适用条件。最后结合数值仿真实例,分析了动态簇算法的估计性能。

海洋混响数据的SαS分布建模

为了有效抑制主动声呐混响,新型统计信号处理设计中常对海洋混响进行非高斯概率密度建模,本文在考察分析海洋混响数据的特点和SαS分布的优势之后,将SαS分布引入到混响非高斯概率密度建模中,给出了2种模型参数估计方法,并使用仿真和实测数据进行了验模,通过大量海试混响数据建模结果分析,对混响数据的SαS分布规律进行归纳总结。研究表明:SαS分布能够较好描述海洋混响的概率密度,其特征指数近半数集中在1.6~1.9。

基于SαS分布的高斯化处理研究

针对非高斯背景干扰下的弱信号检测需求,在综述高斯化处理与扩展匹配滤波概念及思路的基础上,该文提出了两种基于对称α稳定分布建模的高斯化处理方法,构建了相应的扩展匹配滤波检测器,并对比早先建立的混合高斯分布下的高斯化处理,对其高斯化效果、对应检测性能、运行速度等进行了仿真研究。研究表明,高斯化处理可以降低背景干扰的非高斯性,从而提高后续匹配滤波的检测性能;基于对称α稳定分布的高斯化处理,在保持性能的同时,具有更高的运行效率。

非高斯数据的高斯化滤波

在信号检测、图像处理等领域有时需要对非高斯数据进行高斯化滤波处理。给出高斯化滤波定义和它的一般工作机理,重点介绍评估滤波效果的Q-Q图检验方法,然后对比研究了基于概率密度函数及其导数的U滤波和基于概率密度函数反函数的G滤波两种高斯化实现的方法、原理与性能,并给出了一组湖试数据实例。

混合高斯有色数据的生成方法

详细介绍了混合高斯有色数据生成中的各类抽样及色化方法后,结合一组仿真实例,验证了混合高斯有色数据的各种具体生成方法及其性能。