一种新的水声目标智能检测模型

为了解决远程微弱的水声目标信号难以准确检测的问题,提出了一种新的基于经验模式分解(EMD)、特征距离评估技术和模糊支持向量数据描述(FSVDD)的水声目标智能检测模型。首先,该模型利用滤波、Hilbert包络解调和EMD等方法提取原始水声信号的时域和频域统计特征,构成综合特征集。其次,通过特征距离评估技术从综合特征集中选取敏感特征集。最后,将敏感特征输入到FSVDD检测器中,实现水声目标的智能检测。将该模型应用于仿真的水下航行器辐射噪声数据的目标检测中,研究结果表明,同常规的支持向量数据描述检测器相比,该模型具有更好的检测性能,目标检测准确率高。

基于脑认知信号的水声信号智能辨识方法探索研究

水声信号辨识技术是实现水下武器装备智能化的关键技术之一。由于极其复杂的水下背景环境,水声信号辨识技术发展缓慢。为探索研究新型水声信号辨识技术,本文提出基于脑认知信号的水声信号辨识方法。从大脑认知出发,获取水声目标信号辨识时的脑认知信号,通过范式设计,构建水声目标与脑认知信号的相关模型,并验证脑认知信号用于水声信号辨识的可行性。

水声信号智能检测系统的设计与实现

为有效提升海洋环境下水声信标的搜索效率,本文设计了一种水声信号智能检测系统,其硬件平台主要由便携式水下探测装置、A/D转换模块和加固笔记本等共同组建,软件平台主要通过特征提取方法和支持向量数据描述算法对实测信号进行智能检测。海上信号检测试验表明,该系统性能可靠、操作便利,其声信标信号检测精度较高,特别是采用时域和频域组合特征时的检测准确度可以达到75%以上,能在一定程度上满足实际工作需要。

水声目标探测技术研究现状与展望

水声目标探测技术是水声信号处理与声呐领域的重要研究方向,是环境感知、海洋监测、资源勘探、情报收集等海洋应用领域的核心技术之一。文章概述了水声目标探测技术发展现状,并结合实际所面临的科学问题介绍了一些水声目标探测研究方向上的新概念、新方法与新趋势,最后分析和展望了水声目标探测技术发展对国家安全和经济发展的重要作用。