用小波变换进行水下回波边缘特征提取与分类识别

提出一种运用小波变换提取宽带回波信号中的一种暂态特征─边缘特征以进行目标分类识别的方法．文中探讨了宽带回波的边缘与其所对应的目标特性之间的联系，提出运用离散二进小波变换提取出回波的多尺度边缘特征，并在此基础上构造了一个良好的特征空间．对实际采集的四种对应于不同湖底沉积物的宽带回波信号进行特征提取及分类识别，平均正确率可达95％以上．

基于信号稀疏分解的水下回波分类

针对表面起伏不平的水下底质回波分类效果差的问题,提出一种新颖的基于信号稀疏分解理论的水下底质回波特征提取方法。本方法并不使用通用时频字典,而是针对回波分类这一中心任务直接采用回波训练样本集作为字典,将水下回波信号在该字典上进行稀疏分解,然后提取出回波信号的类别能量特征。对水下钴结壳等三类底质回波分类实验表明,基于信号稀疏分解的类别能量特征的fisher分布明显优于小波域模极大值边缘特征和奇异值特征,从而显著提高了水下回波的分类效果。研究结论:在回波特征提取阶段,采用回波样本作为信号表达字典是可行的,同时由回波样本字典引入的回波类别信息将有助于获取更优的回波特征。

利用小波和分形理论进行水下回波的特征提取

该文首先分析了五类湖底回波的不同尺度下小波子空间的能量特征和分形维特征;然后将这些特征矢量作为分类的特征,并根据特征本身的离散程度对其进行加权;最后采用最小距离分类器对其进行分类,取得了 96.11％的分类正确率。

广义轮换测量矩阵及其在水下回波信号压缩感知中的应用

根据压缩感知中测量矩阵的性质及要求,在轮换确定性测量矩阵的基础上,通过调整测量矩阵每一列元素的系数,增强列与列之间的相关性,得到广义轮换测量矩阵,并将其应用于水下回波信号的压缩感知观测中。通过无噪声下不同测量矩阵匹配度和相对误差随压缩比的变化,以及4、0、−3 dB三种信输入噪比下不同测量矩阵的输出信噪比、匹配度随压缩比的变化,分别对水下回波信号进行处理,比较其性能。仿真结果表明,相比部分哈达玛等确定性测量矩阵和以高斯为代表的随机测量矩阵,广义轮换测量矩阵在输出信噪比、匹配度、相对误差等方面有很大提高。同时广义轮换矩阵为确定性测量矩阵,便于工程实现。

基于小样本条件下水下回波生成方法

在人工智能引领的浪潮下,将深度学习方法应用在水下目标识别领域已经成为当前研究的热点之一。然而,在实际科学研究中由于受环境、时间、成本等多方面因素的限制,水下样本数据的获取变得极其困难,样本总量的不足导致深度学习模型的训练效果不佳。生成对抗网络作为一种新的人工智能技术,在数据增强、图像生成等领域具有广泛的应用。然而,传统结构的生成对抗网络模型对水下回波样本并不适用,不能直接用于样本数据生成。因此,针对水下目标数据不足问题,提出了基于改进型生成对抗网络的小样本条件下水下回波信号生成方法,结合回波信号的特点,设计并搭建了基于卷积单元的生成对抗网络模型,并且利用水池实验测试数据进行了回波信号生成仿真实验。最后在信号波形和幅度概率分布层面验证了生成信号的有效性。实验结果表明,文中提出的改进型生成对抗网络模型适用于小样本的情况下高度逼真原始回波信号的生成,为水下目标的主动探测、识别提供了新的思路。

基于分数阶傅里叶变换的水下目标宽带回波精确提取

线性调频信号可能将成为水下目标强度宽带测试的一种主要信号形式。本文在分析水中目标回声构成特点的基础上,探讨了一种滤除界面反射精确提取目标回波的方法。利用线性调频信号在一定分数阶傅立叶域呈现高度聚集的特性,将线性调频信号作为收发合置换能器的发射信号,在适当的分数阶傅立叶域中,目标回波和界面反射波如果表现为两个可分离的谱峰,就可以用窄带滤波的方法去除界面反射。本文给出了算法仿真及水池试验结果,即使对于和线性调频回波相距很近的界面反射,仍然可以有效去除,精确提取出目标回波。

声呐目标回波的理论和模拟器研究

论述了在水下目标形态函数的研究基础上 ,建立了目标回波与入射声信号之间的联系 ,通过以 TMS32 0 C31为核心器件的硬件和软件相结合的方法 ,实现了水下目标回波的模拟 。

水下弹性复合管状目标特征参数的反演

本文用射线方法、提出将管的反向散射简化为平面波入射到分层媒质反射问题的模型、建立了在高频、远场、薄管条件下，敷吸声材料的弹性管状目标参数的反演公式，分别用计算机模拟和实验得到了目标反射声强谱；重构了充水、充气铝管的内径、外经和吸声橡皮的厚度，理论模型和反演结果得到实验的印证。

Research of Underwater Bottom Object and Reverberation in Feature Space

The critical technical problem of underwater bottom object detection is founding a stable feature space for echo signals classification. The past literatures more focus on the characteristics of object echoes in feature space and reverberation is only treated as interference. In this paper, reverberation is considered as a kind of signal with steady characteristic, and the clustering of reverberation in frequency discrete wavelet transform （FDWT） feature space is studied. In order to extract the identifying information of echo signals, feature compression and cluster analysis are adopted in this paper, and the criterion of separability between object echoes and reverberation is given. The experimental data processing results show that reverberation has steady pattern in FDWT feature space which differs from that of object echoes. It is proven that there is separability between reverberation and object echoes.