基于自适应滤波技术的舰船信号处理研究

为解决传统舰船信号处理技术对信号处理有效性较低的不足,提出基于自适应滤波技术的舰船信号处理研究。基于自适应滤波技术的引入,搭建舰船信号处理接口,完成基于自适应滤波技术舰船信号处理模型的构建。依托信号处理参数的确定,实现对舰船信号的处理,完成了提出的基于自适应滤波技术的舰船信号处理研究。试验数据表明,基于自适应滤波技术的舰船信号处理方式较传统舰船信号处理方法,舰船信号处理有效性提高52.07%,适用于不同环境下的舰船系统通信信号处理。

双通道舰船信号发生仪的研制

研制一台双通道舰船信号发生仪,为雷达稳定平台提供舰船信号,以测试稳定平台的工作状态。从设计指标要求着手,给出设计方案,从结构设计、硬件设计、软件设计等方面进行仪表的具体设计。完成仪表设计方案,实现设计功能,满足设计指标。结果表明仪表使用方便、操作简单、显示清晰、输出稳定可靠,在测试稳定平台的工程实践应用中表现良好。

基于海上观测值的舰船导航信号滤波方法研究

为弥补单一数据源不足,并在不同航行环境下,确保导航信号的稳定性与可靠性,研究基于海上观测值的舰船导航信号滤波方法。在舰船导航中,基于纬度、经度、海流分量、航速、航向和角速度变化量等观测值建立了导航信号模型。利用改进量子粒子群优化算法,优化卡尔曼滤波算法的观测噪声协方差矩阵,以及舰船导航信号模型噪声协方差矩阵,得到改进卡尔曼滤波算法,结合舰船导航信号模型,获取舰船导航信号滤波估计结果。实验结果证明,该方法可有效滤波估计舰船导航信号,提升舰船导航信号质量;该方法改进后的舰船导航轨迹与期望轨迹非常接近,即改进后该方法的舰船导航信号滤波效果较优。

舰船噪声信号的混沌特性研究

以 Takens定理为基础 ,研究了延迟坐标法用于舰船噪声信号的重构。采用 FNN( falsenearest neighbors)法得到了三类目标舰船噪声信号的最小嵌入维数。通过相空间重构 ,得到了它们的奇怪吸引子。

舰船磁场信号的Lipschitz指数与船速的关系

用小波变换的方法对舰船磁场信号进行奇异性分析,找出船速与奇异性指数之间的关系,并通过人工神经网络来判断船速.

PCA和ICA的舰船尾流后向散射光信号检测

水体的后向散射光信号是舰船尾流后向散射光信号检测的常见干扰,由于其在频域十分接近且信号强度大于尾流信号,因此严重影响了有用信号的提取。针对这一问题,提出了一种基于主成分分析(PCA)和独立成分分析(ICA)相结合的尾流散射光信号检测方法。首先使用主成分分析对采集的散射光信号进行降维,去除冗余成分,之后使用基于负熵的F astICA算法对数据进行处理,分离了水体和舰船尾流的散射光信号,通过实验验证了该算法的有效性。

基于灰色模型的舰船声信号目标识别

深入研究了灰色模型在目标识别中的应用,给出了基于灰色模型的目标识别方案,利用舰船声场仿真数据,建立目标声信号的GM （1,1）模型,并用组合神经网络对两类目标的模型参数进行分类与识别。此外,还利用舰船声场实测数据,对识别结果进行了验证。研究表明灰建模方法在目标识别中是可行的和有效的。

基于MATLAB的舰船辐射噪声信号小波消噪处理

针对舰船辐射噪声信号的特点提出了小波消噪的方法,对小波消噪理论作了简要的阐述,并设计了一种消噪方案,最后利用MATLAB,在计算机上选用不同的小波基和阈值进行了实船信号的消噪处理试验,并对结果进行了简单的分析比较。试验结果表明,在选择了合适的小波基和阈值的情况下,利用小波变换的方法对舰船辐射噪声进行消噪处理可以取得良好的效果。

舰船辐射信号中压缩感知降噪性能的研究

研究了含噪信号的压缩感知方法,分析得出,在压缩采样过程中,原始信号的信息得到保留,而噪声信号的信息则被压缩和丢失,从而在信号重构时起到降低噪声的性能。采用含有高斯噪声的舰船辐射信号为例,仿真实验表明,当信噪比小于20 dB时,总存在合理的观测值,使得重构信号与原始信号的均方差比含噪信号与原始信号的均方差更小,从而起到提高信噪比的作用。

LMS算法在舰船磁场信号检测中的应用

针对检测舰船磁场信号时信噪比较低的问题,提出了一种基于变步长LMS算法的检测方法。根据舰船磁场信号的实际特征,首先采用小波阈值去噪法对实测信号进行处理,去除测量信号中的白噪声,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取舰船磁场特征信号。船模实验的结果表明,该算法可以显著提高信噪比,增强了对舰船磁场信号的检测能力。

舰船辐射声信号的被动单通道检测技术概述

水声探测是对航行在海洋中的水面/水下目标进行长时间、远距离被动探测的有效手段之一,而对舰船目标辐射声信号的有效检测则是水声探测系统所需的一项重要技术.在对被动声纳系统信号检测处理方法进行简述的基础上,重点对被动单通道检测的技术方法进行介绍,从静态检测与动态检测、线谱检测与其它检测两个方面给出现有处理方法的典型思路和特点.最后对单通道检测技术未来可能的研究重点进行了简单分析.

舰船辐射声信号分形描述特征探讨

舰船辐射声信号波形结构复杂多变，常用的分析方法尚未得到稳定可靠的结构分析结果。分形分析是描述系统本质特性的一种非线性分析方法，而自相似性是分形图形的典型特征。使用分形分析方法研究舰船辐射声信号波形结构的稳定特征，在分析现有维数参数对于统计分形图形描述能力不足的基础上，提出无标度区间长度参数，用于进行图形结构中自相似性的表征。分别仿真了噪声序列、数字通信信号序列、舰船辐射声信号序列的分形参数取值情况，结果表明，无标度区间长度参数较分形维数参数更适合于对这几类图形的自相似性的描述，所得结果有更好的可区分性。

基于物联网的船舶通信信号传输质量检测方法

在舰船通信信号传输质量检测中,由于信号分布的密集性与杂乱性,采集的信号质量较差,影响信号传输质量检测的准确性,因此设计一种基于物联网的舰船通信信号传输质量检测方法。基于物联网搭建舰船通信信号采集模型,模型由6部分构成,分别为物联网传感器模块、网络传输模块等,用于采集通信信号数据。通过信号脉压处理、AGC自动增益控制对采集的通信信号实施预处理。对卷积长短期多通道深度神经网络实施优化,利用优化后的网络实施通信信号的调制识别,提取信号特征,在Rfping链路中输入提取的信号特征数据,通过Rfping链路实施船舶通信信号传输质量检测。在某舰船上测试设计方法的性能,测试结果表明设计方法最高可以完成94次/s的信号采样,无论在长距离下还是短距离下采集的信号都比较稳定,信号传输质量检测误差低于1%,说明实现了设计目标。

船载ISAR对舰船目标成像特性分析

以船载ISAR和舰船三维运动为成像条件,针对舰船目标ISAR成像的多普勒特性进行讨论。对海情影响下舰船目标的摇摆成像模型进行数学建模,并从理论上分析多普勒频率特性和船载ISAR对舰船目标成像的复杂性。在建模分析的基础上给出仿真结果,验证了理论分析的正确性。

基于灰关联分析的目标识别方法研究

深入研究了灰关联分析方法在目标识别中的应用,提出了基于灰关联分析的目标识别方案,给出了对目标声信号进行灰关联分析的方法和步骤,并以此作为灰色目标识别的基础。在此基础上,利用舰船声场通过特性仿真数据建立了典型目标的模本数据和待识目标样本数据,进行了舰船目标声信号的灰关联分析,确定了目标识别与分类的判据,对两类舰船目标类型进行了识别,从而验证了灰关联分析方法应用于目标识别的可行性和有效性。

线谱提取的改进自适应谱线增强算法

线谱分量是舰船目标声波辐射的典型特点之一，低信噪比条件下的线谱信号提取对于舰船目标的检测和识别有重要意义。自适应谱线增强是提升线谱分量可检测性的一种方法，现有研究的重点在于提高算法的收敛速度和跟踪能力，在抑制噪声的能力方面表现并不突出，对此，对传统自适应谱线增强处理流程进行修改，增加自相关处理，对噪声进行抑制。仿真结果表明，改进的自适应谱线增强算法具有较强的抑制噪声的能力。