基于LOFAR的超宽带数字阵列处理技术研究

低频射电阵列(Low-Frequency Array,LOFAR)是一个高分辨的低频射电望远镜阵列,采用了多种先进的技术,如宽带天线、多波束窄带检测、序贯检测思想等。近年来,由于其在高分辨天体图像观测上具有明显的优势,受到了广泛关注。在此背景下,重点分析了基于LOFAR的超宽带数字阵列处理技术。

利用LOFAR谱图的二维傅里叶变换脊计算波导不变量

该文提出了利用被动声纳信号LOFAR谱图的二维傅里叶变换计算波导不变量的方法。在用简正波方法分析了两种典型波导的波导不变量分布情况的基础上,推导了利用LOFAR谱图二维傅里叶变换脊计算波导不变量的公式。运用该公式仿真计算了Pekeris波导和具有负跃层的浅海波导声场中声源深度从10m变化到90m时的波导不变量值,经过与南海试验数据的计算对比,两者计算结果相符。与简正波方法相比,该方法不需要精确了解海洋环境参数,同时避免了复杂的微分方程求解运算,更适合于信号的实时处理。

基于LOFAR谱和DEMON谱特征的舰船辐射噪声研究

目标识别的核心问题就是目标特征提取。文章用LOFA和DEMON的方法对舰船辐射噪声的谱和频率特性进行分析,给出了方法和结果的简要介绍,并对仿真信号和实船信号分别进行研究,得到了一些具有工程实际意义的计算结果,为舰船的检测识别提供了有效的参考。

基于LOFAR谱图的水下目标识别方法

基于LOFAR谱图的主成分分析法是目前用于对水下目标识别的重要方法之一,文中详细分析了该方法的基本原理和具体应用过程,并对潜艇辐射噪声的实测数据进行了仿真和分类试验,给出了仿真图和试验结果。结果表明,运用该方法对水下目标进行识别的识别率较高。

水下目标信号的Lofar谱图特征的主分量分析研究

研究一种基于 Lofar谱图特征和主分量分析的水下目标信号的特征处理方法。首先介绍了这种方法的应用背景 ,给出了舰船辐射噪声的结构和 Lofar谱特征的提取方法。在简单介绍了主分量分析的有关基础知识和数学解法后 ,对于海上测量获得的舰船辐射噪声信号进行特征提取 ,利用主分量分析的方法对提取的特征向量进行降维处理。针对主分量分析处理前后的特征向量 ,采用结构自适应模糊聚类神经网络分类器分类 ,与直接对Lofar谱特征分类相比 。

幅度与频率联合测量的LOFAR浮标定位算法

在LOFAR浮标应用中,为了在目标经过CPA点之前完成其运动参数的估计,提出了一种基于目标辐射噪声幅度和频率联合测量来计算单目标运动参数的无误差理论算法。使用3次等间隔的目标幅度及频率测量值,推导出无误差的目标特征频率、绝对速度、最接近点距离、辐射噪声幅度的理论公式。针对LOFAR实际使用特点,利用最小二乘估计理论提高了目标参数估计精度。计算机仿真表明,该算法在理论上是一个无误差的计算方法,空气模拟实验证明了该算法在工程实际使用中的可行性及有效性。

基于自适应线谱增强的LOFAR浮标信号处理及Doppler-CPA定位方法

LOFAR浮标是一种被动全向浮标,用于对潜搜索的初始阶段。常规的LOFAR谱图对于小信噪比和有色背景噪声处理性能下降。文中采用自适应线谱增强技术将目标辐射中的线谱成分从背景噪声中分离出来进行LOFAR谱图分析,提高LOFAR浮标的检测性能。在LOFAR分析的基础上利用目标的多普勒信息,采用Doppler-CAP方法测算目标的速度和目标与浮标的距离,初步估算出目标的航迹。仿真结果表明,新的LOFAR浮标数据处理算法检测性能更好,能够得到目标与浮标最接近点的距离。

多级背景均衡在多波束LOFAR处理中的应用

被动声纳检测中背景均衡通常是沿着频率或者方位对噪声进行均值估计。为了提高多波束窄带检测能力,需采用一种新的背景均衡方法来估计噪声的均值。针对水下目标辐射噪声的线谱横跨相邻多个波束,将多级背景均衡应用到被动多波束窄带检测中。它是根据所选择的数据窗,沿着频率和方位对多波束LOFAR图进行两维的背景均衡处理。该方法能够有效地抑制目标方位相邻波束线谱,提高多波束LOFAR图中窄带信号检测能力。海试数据处理结果表明,该方法不仅有效,而且计算量小。

一种基于线谱特征函数提取LOFAR图线谱的方法

水声信号被动检测中广泛使用LOFAR图对接收信号进行处理和分析。针对LOFAR图中线谱信号检测问题,根据线谱信号特征设计特征函数,提出频域滑动窗线谱特征累积检测法。该方法在频率轴移动观察窗,用多步决策算法计算每个观察窗的最优解,得到最优路径,如果最优路径特征值大于阈值,则累积LOFAR图像素点被该最优路径经过的次数,次数越多对应点为线谱点的概率越大。仿真研究表明,该方法对频率时变、低信噪比的线谱信号具有良好的检测能力,可实现多根线谱的增强与检测。海试数据处理结果证明了该方法的可行性和稳健性。该算法对于辐射线谱信号的水下目标远距离探测识别有较高的参考价值。

LOFAR浮标定位算法的仿真研究

LOFAR浮标是一种被动全向浮标,主要用于对潜搜索初始阶段。常用的定位算法很多,这些方法的基本思想是最大限度地利用LOFAR和CODAR分析得到的目标信息,通过粗测和细测交替进行的方法,最终精确得到目标参数。针对Doppler-CPA、LOFIX和HYFIX定位算法进行分析和仿真,结果表明这三种算法能够很好地实现对目标的检测,最终精确得到目标参数。

一种新的水声信号LOFAR谱图去噪处理方法

利用LOFAR谱提取水下目标辐射噪声线谱是水声目标检测的一项重要方法,但信号在水下复杂环境传输过程中会受到背景噪声干扰,影响目标线谱提取。本文从降低水下背景噪声干扰,增强目标线谱角度出发,提出一种基于背景均衡、形态学去噪和中值滤波的处理方法。通过抑制水下背景噪声的随机起伏,恢复LOFAR谱中被噪声湮没和幅值较低的线谱,保留线谱边缘。海试数据分析结果表明,该方法可滤除LOFAR谱图中大部分噪点,使线谱得到恢复和增强,有效降低水下环境噪声对线谱的影响。

彩色视觉门限及LOFAR显示的数学模型

彩色B式声呐显示器的检测性能，由于与人的视觉生理和视觉心理有关，因而不易建立数学理论来定量地评价它的性能．本文注意到冷色和暖色是色差反差很大的二类颜色，正常人很容易就能区分它们．因此，基于多种冷色和暖色的“色棒”，冷暖色的分界面所相应的电平相当于一个“视觉门限”，这是一个与视觉生理和视觉心理无关的，可客观判定的门限．基于视觉门限和被显示过程的概率模型即可定量分析显示器的统计特性．对声呐LOFAR显示性能的理论分析和实验结果合理地一致，所提出的理论对优化显示器性能提供指导．声呐显示器希望兼有大的显示动态范围和低的检测阈，并且希望在干扰背景不均匀时无须人工调整显示器，就能保证优化的显示性能．建议用‘自适应彩辉调整”和双曲正切函数型彩辉函数来达到上述目的，实验室仿真试验表明效果良好．

基于长短时记忆网络的被动声纳目标信号LOFAR谱增强研究

将深度学习分类模型应用于水下目标识别取得了很多成果。水下目标检测是分类识别的前提与关键,使得基于深度学习的水下目标辐射噪声信号的检测研究逐渐引起人们的重视。因此,提出了将长短时记忆网络应用于水下目标的LOFAR谱,利用深度学习模型,学习LOFAR谱中的关键信息。试验结果表明,经过长短时记忆网络训练的LOFAR谱与未训练的LOFAR谱相比,水下目标信号的线谱检测能力更好。

一种提取LOFAR图中谱线的方法

为了提高在低信噪比下的谱线提取能力,给出了一种提取LOFAR(低频分析和记录)图中谱线的方法。该方法利用线谱的形状特点首先对整个LOFAR图进行线谱峰值识别,然后进行线谱跟踪,利用多个时刻的线谱峰值识别情况提取出属于谱线上的点,连接好谱线上的断点。通过试验数据对算法进行了验证。该线谱提取方法由于选择了低的检测门限,并利用了多个时刻的谱值信息,可在低信噪比条件下成功提取出谱线,并不需幅值、根数、位置、起止时间等先验信息,且计算量较小。

基于高阶谱的 LOFAR 谱图特征在被动声纳信号自动识别中的应用

水下目标的特征提取一直是水声信号处理的难题．由于实际的声纳目标的发声机理和反射声波的机理十分复杂，成份多样，造成水声信号具有较强的非平稳性和非高斯性．为了提高对水下目标识别的正确识别率，突破以往研究中关于信号平稳性的假设和高斯性的假设，本文在简要介绍了ＬＯＦＡＲ谱图和高阶谱（ＨＯＳ）估计方法之后，提出了一种基于高阶谱的ＬＯＦＡＲ谱图特征的提取方法．该方法不仅不受高斯性假定的约束，也不受平稳性假定的约束．最后，用该方法对三类实际声纳信号进行了特征提取，取得了令人满意的分类识别效果．

水声信号LOFAR谱图的线谱迹图象处理

本文提出了一种对水声信号功率谱瀑布图(L0FAR谱图)的图象处理方法,采用半领域法和区域检测法来滤除因水声信号随机干扰引起的图象噪声,净化LOFAR谱图中的线谱迹.对实际水声信号的处理结果表明,本文方法有明显的去噪效果.

面向LOFAR应用的160Gbit/s OTDM试验平台(英文)

报告了一个用于低频射频天线网络LOFAR的160 Gbit/s演示平台.文章介绍了LOFAR网络结构以及用于LOFAR长臂的OTDM/WDM系统结构,回顾并探讨了用于实现160 Gbit/s系统的关键技术,并介绍了实验室中实现该160 Gbit/s OTDM/WDM演示平台所采用的技术方案。出于经济性考虑,所有的关键系统功能都采用自己搭建方案.

基于联合稀疏的阵列信号LOFAR谱重构

LOFAR谱广泛应用于被动声纳的阵列信号分析系统,针对阵列信号采用基于稀疏贝叶斯概率模型的联合稀疏方法,可同时实现目标高分辨DOA估计和目标信号LOFAR谱重构。该方法通过对宽带信号不同频率对应的角度域进行对联合稀疏约束,在不牺牲角度分辨能力的前提下,对不同频率获得一致的空域响应,实现恒定束宽效果。基于阵列实测数据的实验表明,该方法相比常规波束形成方法,能够提高水下目标信号LOFAR谱重构质量,并能有效抑制干扰混叠。

基于时-频注意力机制网络的水声目标线谱增强

为提高被动声纳对水下低噪声安静型目标的检测,研究者开始关注基于深度学习的线谱增强方法,其中,基于LSTM的线谱增强网络由于同时具有时域和频域的非线性处理能力,具有很强的灵活性,然而其性能还需要进一步提升。为此,该文提出了基于时-频注意力机制的网络模型(TFA-Net),通过在LSTM模型的基础上同时增加时域注意力机制和频域注意力机制,充分利用了目标信号在时域和频域的双重重要特征,提升了对LOFAR谱的线谱增强效果。TFA-Net中的时域注意力机制利用LSTM隐藏状态之间的关联性,增加了模型在时域的注意力,频率注意力机制通过将深度残差收缩网络中收缩子网络的全链接层设计为1维卷积层,增加了模型在频域的注意力。相比于LSTM,TFA-Net具有更高的系统信噪比增益:在输入信噪比为–3 dB的情况下,将系统信噪比增益由2.17 dB提升到12.56 dB;在输入信噪比为–11 dB的情况下,将系统信噪比增益由0.71 dB提升到10.6 dB。仿真和实测数据的实验结果表明,TFA-Net可以有效提升LOFAR谱的线谱增强效果,解决低信噪比下水下目标的检测问题。

基于FT-M6678的被动声呐浮标处理软件的实现

研究基于FT-M6678平台对被动浮标的信号处理功能进行开发实现。FT-M6678为国产高性能8核DSP芯片,其硬件架构与原进口平台基本一致,对于已开发的软件可按照相同的软件架构进行移植开发。基于FT-M6678平台开发的被动浮标信号处理软件经测试,功能、性能完全与原进口平台一致。