基于多层优选卷积的水声信号样本自动标注方法

针对深度学习在水声研究领域的应用中面临大数据量要求和现有样本量限制的问题,本文提出了一种多层优选卷积网络模型。通过基于相似度的优选方法选出最佳卷积核,以提取更具代表性的特征。利用探索层特征融合策略,叠加多层卷积输出,获取更全面的特征信息。采用约减策略优化模型,有效缩短运算时间。通过优选、特征融合和注意力机制,有效解决此类问题。实验结果表明,该模型在数据集上取得的最好的标注准确率为高基线模型1.12%;同时运行时间减少了43.5%。因此,该模型的使用提高了水声信号标注的准确率和效率。

低噪声水声信号前置放大器设计

水下信息的发送与接收主要通过声信号的传播,水听器作为常用的水声信号接收装置,需要前置放大器来提高所获取信号的质量。文中选用AD8421仪表放大器芯片与OP2177精密运算放大器芯片设计了一种低噪声水声信号前置放大器,该电路增益为26 dB,工作带宽为100 Hz~20 kHz,输出信号为差分形式,同时具有小体积、低功耗的特点。通过连接某型压电水听器,测试了电路工作性能以及对水听器信号的调理效果。实测结果表明,该前置放大器能满足设计技术指标要求,在实际工作中取得了良好的效果。

多目标击水声信号特征关联方法

目标入水产生的击水声信号形式复杂,在海洋尖刺干扰的影响下易造成漏报和虚警,当多目标不等间隔陆续入水,不同观测节点间同一目标的击水声信号难以正确关联。针对上述问题,提出一种多目标击水声信号关联方法。通过经验模态分解将检测到的瞬态信号分解为固有模态函数(Intrinsic Mode Function,IMF),并提取各阶IMF的频谱等特征,利用灰色关联分析,模糊C均值聚类两种算法实现多击水声信号的关联,为后续的分布式定位提供必要条件。仿真结果表明:当特征参数个数为6时,两种方法的目标关联正确率分别可达98%和87%;当测量节点个数为7时,两种方法的目标关联正确率分别可达95%和87%。仿真结果证明了本文方法的可行性和有效性。

基于多分主干外部注意力网络的水声信号识别

水声信号识别近年来备受关注,由于海洋信道具有时变空变性、信号传播的衰落特性和水下目标声源具有复杂多变性,水声信号识别任务面临巨大挑战.传统的水声信号识别方法难以充分获取目标的表征信息且不具备良好的抗噪声能力,识别效果有待提升.针对上述问题,本文提出一种基于多分支外部注意力网络(multi-branch external attention network,MEANet)的水声信号识别方法,可以在复杂海洋环境下充分获取水声信号的特征并进行识别.MEANet由多分支主干网络,通道、空间注意力模块和外部注意力模块组成.首先,输入数据通过多个并行的主干网络分支,提取水声信号不同层级的特征信息;其次,辅以通道、空间注意力模块对水声信号的通道和空间维度分别进行加权,调节不同通道和空间位置对特征表示的重要性;最后,整合外部注意力模块,以外部记忆单元和附加计算来引导网络的特征提取和预测,从而显著提高模型的识别率和鲁棒性.实验结果表明,本文提出的MEANet在ShipsEar数据集上的水声信号识别率达到98.84%,显著优于其他对比算法,证实了其有效性.

一种低噪声水声信号电路设计

文章主要介绍一种水听器信号处理电路,主要包括前放电路、四阶带通滤波电路以及放大电路。该电路采用ADI公司的低噪声、低功耗的AD8605和AD8608芯片,该电路的增益为60 dB,滤波带宽为200 Hz,等效电容输入噪声低。通过对水声信号进行放大和滤波,能够有效地从噪声信号中提取出目标信号。

改进的WOA-VMD算法在水声信号去噪中的应用

本文提出一种针对非平稳水声信号的改进WOA-VMD小波阈值去噪方法,首先,引入余弦收敛因子和自适应权值提升鲸鱼优化算法(WOA)的精度,然后利用WOA选取水声信号变分模态分解(VMD)的最佳参数组合。引入一种可调阈值函数克服传统阈值函数量化过程的缺陷,考虑到不同分解尺度下噪声小波系数的衰减特性,采用分层阈值法对有效信号分量进行去噪处理。通过仿真实验和实测数据的降噪分析,证明了该方法的有效性和应用价值,新方法的去噪性能优于其他方法。

基于声呐浮标的水声信号采集系统设计

声呐浮标水声信号采集系统是采集和传输水声数据的常用设备。该文针对水声信号动态范围大、频率范围宽、海洋噪声信号的频率特征差异大等特点,基于浮标平台设计了一款多通道、高一致性和宽动态范围的水声信号采集系统。该系统以STM32为主控核心,通过对水声信号进行预处理,实现了四通道固定增益80 dB、动态增益40 dB、频带范围为100 Hz~20 kHz的水声信号同步高速采集。该系统还设计了上位机,将所有通道水声数据通过显示屏进行显示,并根据实际情况对系统状态进行控制。实验测试结果表明,该水声信号采集系统满足设计要求,在声呐浮标信号采集领域具有极大的应用价值。

基于并联网络的水声信号自动调制识别方法

提出了一种结合卷积神经网络和改进的Transformer Encoder网络的并联网络模型——ConEncoder。其中卷积支路结合了残差连接和SE模块用于提取信号的局部特征,Encoder支路去除传统的位置编码,用于提取信号的全局特征,最后融合二种特征,实现了在复杂的海底环境下对8种水声信号调制方式的高准确率识别,识别准确率可达98%以上。相较于基于专家特征进行识别的传统机器学习算法和常用的神经网络都具有更好的识别性能。

基于改进型CGAN的水声信号降噪模型

为降低噪声对水下通信的影响,提出一种基于生成式对抗网络(generative adversarial networks, GAN)和深度卷积神经网络(deep convolutional neural networks, DCNN)的组合降噪处理模型。在数据预处理阶段优化数据分帧策略,最小化接收信号的正交性破坏,通过将含有噪接收信号与不含噪的发射信号的实部、虚部特征分别训练,建立一个同步估计的学习模型进行降噪处理,达到抑制噪声影响的目的。仿真结果表明,在-25 dB~10 dB范围内信噪比变化,所提算法具有更低的通信误码率,湖上实验进一步验证了算法的有效性。

水声信号处理中的高阶有源带通滤波电路设计

水下环境极其复杂,在传输微弱的水声信号时常会受到其他信号的干扰,因此需要对采集到的水声信号进行滤波处理.本文中设计一种由六阶有源Sallen-Key高通滤波器和四阶有源多重反馈的低通滤波器级联形成的高阶巴特沃斯带通滤波电路,该电路采用精密、低噪声、低输入偏置电流的运算放大器OP2177作为核心器件.仿真和测试结果表明,所设计滤波器的通频带为10 Hz~35 kHz,通带内波动小于0.5 dB,低频与高频端的带外衰减分别为36 dB/倍频程和24 dB/倍频程,符合性能指标要求.

基于时频联合的非合作水声信号盲检测

对非合作信号的盲检测是水声侦察对抗和参数估计的必要前提,基于能量和自相关等的传统检测方法并未有效利用信号的频段信息,不利于实现对湮没于宽带噪声中带限脉冲信号的检测。新方法在对接收数据流进行时频联合分析的基础上,在时间/频率2个维度提取超出阈值门限的脉冲信号与后续数据流进行匹配滤波处理,并以滤波器输出作为序贯检测量,实现对后续重复脉冲的盲检测。在相同的信噪比下,新方法的检测输出PAR优于传统方法约4 dB,湖试结果验证了方法的可用性。

基于时空特征融合的水声信号调制识别

复杂的水下信道环境和严重的噪声干扰给接收机正确识别调制方式带来巨大挑战。为解决该问题,结合门控循环单元(gated recurrent unit,GRU)和残差神经网络(residual network,ResNet)的自动特征提取和学习能力,设计了一种基于混合神经网络的时空特征融合模型,称为门控和残差融合模型(GRU and ResNet fused model,G&RFM)。与传统的调制识别技术相比,该方法无需人工提取特征,就能获得较高的识别精度。实验结果表明,所提出的G&RFM在南海数据集上的验证准确率为98.31%。与改进前的网络模型相比,本工作所提出的G&RFM具有更高的识别精度,有效提升了神经网络学习性能。

水声信号实时采集系统在实践教学中的应用

为了改善教学效果,将科研项目中构建的水声信号实时采集系统转化为实验教学设备,通过科教融合提升教学质量。通过水池实验及后置数据处理实例,分析了该系统的应用效果。实践证明:它能让学生快速掌握在水池中开展数据采集和后置数据处理的实验方法,提升学生解决实际问题的能力,使理论教学效果得到了明显的提升。

基于卷积和循环网络的水声信号联合特征表示和识别方法

传统的水声信号识别方法是将特征提取和分类识别分开进行处理的,影响了水声信号识别的整体性能。本文根据水声信号的特点,结合一维卷积网络(1DCNN)的卷积运算、时间平移不变性和门控循环网络(GRU)内部充分考虑时序相关性的记忆能力等优势,将一维卷积网络和门控循环网络进行串联中并对网络参数和模型结构进行优化,自适应提取特征给出分类结果,并与单独使用1DCNN和GRU网络模型的分类性能进行对比。结果表明,本文提出的网络对水声信号的识别准确率最高。

基于小波变换的主动水声信号检测

信号检测是水声信号处理领域的研究重点之一。文章通过对水下航行器自噪声特性的研究,发现其具有1/f衰减特性,同时利用小波变换对1/f信号有类似K-L展开的作用,提出了一种基于小波变换的信号检测方法,对1/f噪声背景下的主动水声信号进行了检测;文中详细推导了相应的检验统计量及其统计分布特性;同时,将该方法与匹配滤波器、能量检测器的检测性能进行了比较,仿真试验结果表明了本方法的有效性。

基于国产化推理芯片的智能水声信号处理平台架构设计

为适应智能化声呐发展的迫切需求,文章提出了一种基于国产化推理芯片的智能化水声信号处理平台软硬件架构,研制了一种嵌入式智能化推理模块,能够适应声呐低功耗、小体积、高性能的智能化推理应用场景,解决了传统信号处理平台无法部署水声智能化推理任务的问题,提供了适配的推理引擎及工具链软件,支持Pytorch、Tensorflow和ONNX等AI推理框架,实现了从模型转换、推理任务部署和推理结果监控的一站式管理。通过3种不同AI框架的水声智能化推理案例的演示应用,对国产化智能水声信号处理平台架构的功能和性能进行了验证。结果表明,该平台均能给出正确可靠的推理结果。

带直流伺服的水声信号接收电路

设计了一种带有直流伺服的水声信号接收电路,主要解决电荷放大型水声信号接收电路在环境噪声、温度变化以及水压偏置等因素的影响下产生直流偏置,进而导致水声信号堵塞的问题。引入直流伺服电路,通过负反馈机制实时调节输入信号和输出信号之间的差异,从而提高了接收电路的稳定性和准确性。该设计能够有效抑制低频干扰,具有更好的动态特性,为该领域的研究和应用提供了可供参考的技术手段。

LabVIEW在水声信号处理系统中的应用

介绍了水声信号定位系统的工作原理;基于LabVIEW的诸多优点,采用LabVIEW搭建了该系统的软件平台,提供了良好的计算机用户图形操作界面;针对水声信号的特点,搭建了滤波器、频谱分析等处理单元,具有较强的水声信号处理能力。此外,还将LabVIEW和MATLAB混合编程技术应用于水声信号处理,能达到更好的处理效果。仿真结果表明了该软件系统的有效性。

用独立成份分析算法实现水声信号盲分离

独立成份分析算法是在研究信号盲分离过程中出现的一种新方法,本文试图将几种独立成份分析算法用于分离水声信号。分析和比较了５种算法的性能,并用仿真信号对算法进行了仿真,阐述了独立成份分析算法分离水声信号的不足。针对含噪声模型,提出了一种基于独立成份分析算法成功分离水声信号的方法。

一种单频水声信号多径时延估计算法

提出一种针对单频水声信号的多径时延估计算法,通过采用频域加权并结合进化规划算法解决代价函数强烈振荡下的高效全局优化。算法引入多径径数建立由多径时延、幅度系数及径数组成的水声信道多径参数模型,在采用频域加权预白化进行非线性最小二乘代价函数解耦处理的基础上,结合进化规划算法进行非线性参数解空间的高效全局寻优,从而实现多径时延的高分辨率估计。利用仿真数据和海上实验数据进行的实验表明,本算法具有较高的多径时延估计精度并可同时实现多径径数的估计。