双缓动平台时延下的纯方位定位测角误差分析

水下双缓动平台协同探测可实现对水声目标纯方位定位和跟踪。针对双探测平台接收目标信号因传播时延导致探测时间未配准、方位测量偏差的问题,根据缓动平台的实际应用场景,建立目标运动模型和二维探测空间几何分布,构建一种基于不同时延条件的方位测量误差分析模型,并详细分析得出目标和双平台不同分布场景下的最大测角误差结果,该模型物理意义明确、直观简单,仿真和实测实验结果验证测角误差模型的准确性,并得出双平台探测时延下目标方位测角的误差分布规律。

基于深度学习的水声被动目标识别研究综述

被动声呐通过接收目标自身发出的辐射噪声信号进行目标探测。水声目标识别通过分析水声信号来判别目标个体,是水声工程领域的重点研究方向。深度学习作为近年来各领域的研究热点,其在水声目标识别领域中的应用引起了学者的广泛关注。该文以水声目标识别的步骤框架为切入,介绍了典型深度网络模型;总结出了深度学习在水声目标识别领域中的两大内涵:围绕时频谱、梅尔倒谱系数等特征调研了近几年深度学习作为分类器的关键问题以及研究进展,围绕数据增强、数据降噪等信号处理手段调研了近几年深度学习作为信号处理工具的关键问题以及研究进展;并从数据驱动、特征驱动、模型驱动3个方面对该领域的发展趋势进行展望,旨在推动水声目标识别领域的发展。

基于单矢量水听器的实时性线谱提取算法

针对单矢量水听器探测条件下的水声目标线谱提取问题,提出一种可实时性迭代计算的线谱提取算法。首先利用矢量水听器声压振速通道的联合信息处理,可提高水声目标信号的信噪比。其次,利用基于极大值滤波器的线谱预处理方法对信号频谱进行峰值检测,进而通过在线谱提取过程中引入缓存器,可以在较小的计算复杂度条件下提高信号处理过程中的时间增益,再结合线谱归并方法可以较为精确的提取出目标线谱。经仿真试验分析及海上实测数据验证,该算法能够在低信噪比条件下实现对线谱的检测,并具有良好的抗线谱漂移干扰能力。

用于被动声纳宽带目标检测的多水听器互相关方法

为了有效地解决在低信噪比下宽带目标的被动声纳检测问题,本文将传统的用于声源定位的双水听器互相关方法扩展为多水听器互相关方法,通过多个水听器的输出信号的相干累加实现了在接收端的信噪比的提升。首先使用宽带滤波,计算得到各个水听器关于假定声源位置的信道解调信号,其次计算两组水听器的输出累加信号的时域互相关,最后对时域互相关进行阈值检测。仿真结果表明,相比于双水听器,多水听器互相关方法能够在更低信噪比下实现宽带目标检测。此外,考虑到求解滤波器系数需要很大的计算量,本文提出了运用互易性原理的加速方案。仿真结果表明互易性原理可以有效地降低求解滤波器系数的计算量。

用于被动声纳微弱目标检测的宽带最大信噪比方法

本文尝试利用匹配场处理中的能量匹配思想,对阵列波束形成进行优化,用于解决水下目标被动声纳微弱信号检测问题。首先,本文对比了基于线性非相干、MVDR非相干、线性相干和MVDR相干四种匹配场处理器的检测方法的性能,之后分析推导了线性非相干处理器的输出信噪比和输出功率,得出了在声源频谱起伏增大时线性非相干处理器的检测能力会下降的结论。为了得到更高的输出信噪比,本文提出了最大信噪比处理器,在理想情况下可以在处理带宽上达到最高的输出信噪比。最大信噪比处理器没有通过归一化消除声源的影响,而是利用声源频谱的估计值和拷贝场直接对接收数据进行匹配。本文证明了最大信噪比处理器的检测能力优于线性非相干处理器,并且通过仿真实验进一步验证了这个结论。