水下目标亮点结构仿真技术

在研究水下目标亮点结构数学模型的基础上,通过以TMS320C25为核心器件的硬件和软件相结合的方法,实现了水下目标亮点结构的仿真。经在消声水池进行实验,取得了满意的结果。文中主要介绍了水下目标亮点结构的数学模型、硬件结构。

基于平面阵的潜艇回波亮点结构仿真研究

论文从平面测量阵出发,运用板块元分析方法,得到了Benchmark潜艇回波声图像,并对不同观察角下潜艇回波进行了仿真预报。结果表明:有些观察角度下获得的潜艇回波结构差异性很明显,这些发现在实际工程应用及水下靶标等效性评估中有着一定的指导意义。

基于深度学习的主动声呐目标回波亮点结构特征提取方法

回波的亮点结构特征包含大量信息,典型水下目标与非目标的回波亮点结构具有差异性规律,为水下目标识别提供了依据,文章从两种主要特征入手,构建以LeNet模型为骨架的深度学习模型,利用该模型从回波中提取出信号的亮点数目与目标径向尺度两类亮点结构特征。仿真与实测结果表明,当信噪比>0 dB时,基于深度学习的亮点结构特征提取方法的亮点数量的平均估计误差<0.2,径向尺度的平均估计误差<1,较传统的极值搜索预测法有明显优势,显著提升主动声呐的亮点结构特征提取以及目标识别能力。

水下目标多亮点回波仿真及应用研究

水下目标回波的亮点结构是重要的目标特征,因此,水下目标亮点特征的提取也是主动探测系统进行目标识别与跟踪的主要内容。该文研究了水下目标亮点的结构模型及亮点回波信号模型,重点分析了窄带系统中目标亮点回波信号的幅度、时延、频移以及相位的仿真计算方法。配合波束形成、参数估计及弹道逻辑,实现了对水下目标进行动态跟踪的仿真弹道,并给出了仿真实例。该仿真方法已经在水下武器仿真系统中得到了很好的应用,具有重要的使用价值。

基于聚类的太阳光球亮点的数据清洗

由于光球亮点尺度小、边缘结构不明显等原因,在识别中一部分发亮的碎米粒不可避免地被误识别为亮点。采用基于划分的K-means算法和基于密度的DBSCAN算法分别清洗所有发亮结构的特征数据,拟将非亮点结构从亮点结构中剔除。首先采用LMD算法和三维联通的思想识别和跟踪亮点,然后提取亮点的7个相关度较低的特征值,包括等效直径、强度、偏心率、亮点边缘位于米粒暗径的比例、速度、运动方式和扩散系数,并在数据标准化后,采用主成分分析法根据90%的贡献率降至三维。最后采用K-means算法和DBSCAN算法对亮点数据进行清洗。实验结果表明,两种算法均能清洗非亮点结构,Kmeans算法的正确率为80%,DBSCAN算法的正确率为53%。因此,K-means算法能够更有效地区分亮点和非亮点结构。

水下目标回波几何结构的时频域盲源分离

针对水下目标回波亮点结构的时频分布特性,采用一种时频域盲源分离方法将亮点结构进行分离。该方法将每一个亮点反射的信号视为一个源信号,可以在信号传输信道的混合特性及源信号个数均未知的情况下将回波信号中的各个亮点结构进行分离。首先推导论证了亮点结构在时频域盲源分离算法下的可分离性,通过仿真分析验证了该方法的有效性,并给出了该方法对于亮点间时延参数的适用条件。实验数据的处理结果进一步表明该方法在分析水下目标几何亮点回波的结构时有较好的应用。

主动声纳回波数据的分析方法

本文主要是针对主动声纳回波信号的情况,对所采集的信息,从理论上探讨数据分析方法,重点介绍了一维回波信号形式的处理方法,包括目标的亮点结构特征分析、共振模态分析以及小波变换与频谱分析,而对于多维回波信号形式的分析,则还需要做大量的工作才能完成,本文未进行分析探讨。

主动声纳回波数据的分析方法

本文主要是针对主动声纳回波信号的情况,对所采集的信息,从理论上探讨数据分析方法,重点介绍了一维回波信号形式的处理方法,包括目标的亮点结构特征分析、共振模态分析以及小波变换与频谱分析。