基于LOFAR的超宽带数字阵列处理技术研究

低频射电阵列(Low-Frequency Array,LOFAR)是一个高分辨的低频射电望远镜阵列,采用了多种先进的技术,如宽带天线、多波束窄带检测、序贯检测思想等。近年来,由于其在高分辨天体图像观测上具有明显的优势,受到了广泛关注。在此背景下,重点分析了基于LOFAR的超宽带数字阵列处理技术。

基于LOFAR谱图的水下目标识别方法

基于LOFAR谱图的主成分分析法是目前用于对水下目标识别的重要方法之一,文中详细分析了该方法的基本原理和具体应用过程,并对潜艇辐射噪声的实测数据进行了仿真和分类试验,给出了仿真图和试验结果。结果表明,运用该方法对水下目标进行识别的识别率较高。

基于LOFAR谱和DEMON谱特征的舰船辐射噪声研究

目标识别的核心问题就是目标特征提取。文章用LOFA和DEMON的方法对舰船辐射噪声的谱和频率特性进行分析,给出了方法和结果的简要介绍,并对仿真信号和实船信号分别进行研究,得到了一些具有工程实际意义的计算结果,为舰船的检测识别提供了有效的参考。

基于自适应线谱增强的LOFAR浮标信号处理及Doppler-CPA定位方法

LOFAR浮标是一种被动全向浮标,用于对潜搜索的初始阶段。常规的LOFAR谱图对于小信噪比和有色背景噪声处理性能下降。文中采用自适应线谱增强技术将目标辐射中的线谱成分从背景噪声中分离出来进行LOFAR谱图分析,提高LOFAR浮标的检测性能。在LOFAR分析的基础上利用目标的多普勒信息,采用Doppler-CAP方法测算目标的速度和目标与浮标的距离,初步估算出目标的航迹。仿真结果表明,新的LOFAR浮标数据处理算法检测性能更好,能够得到目标与浮标最接近点的距离。

多级背景均衡在多波束LOFAR处理中的应用

被动声纳检测中背景均衡通常是沿着频率或者方位对噪声进行均值估计。为了提高多波束窄带检测能力,需采用一种新的背景均衡方法来估计噪声的均值。针对水下目标辐射噪声的线谱横跨相邻多个波束,将多级背景均衡应用到被动多波束窄带检测中。它是根据所选择的数据窗,沿着频率和方位对多波束LOFAR图进行两维的背景均衡处理。该方法能够有效地抑制目标方位相邻波束线谱,提高多波束LOFAR图中窄带信号检测能力。海试数据处理结果表明,该方法不仅有效,而且计算量小。

LOFAR浮标定位算法的仿真研究

LOFAR浮标是一种被动全向浮标,主要用于对潜搜索初始阶段。常用的定位算法很多,这些方法的基本思想是最大限度地利用LOFAR和CODAR分析得到的目标信息,通过粗测和细测交替进行的方法,最终精确得到目标参数。针对Doppler-CPA、LOFIX和HYFIX定位算法进行分析和仿真,结果表明这三种算法能够很好地实现对目标的检测,最终精确得到目标参数。

一种新的水声信号LOFAR谱图去噪处理方法

利用LOFAR谱提取水下目标辐射噪声线谱是水声目标检测的一项重要方法,但信号在水下复杂环境传输过程中会受到背景噪声干扰,影响目标线谱提取。本文从降低水下背景噪声干扰,增强目标线谱角度出发,提出一种基于背景均衡、形态学去噪和中值滤波的处理方法。通过抑制水下背景噪声的随机起伏,恢复LOFAR谱中被噪声湮没和幅值较低的线谱,保留线谱边缘。海试数据分析结果表明,该方法可滤除LOFAR谱图中大部分噪点,使线谱得到恢复和增强,有效降低水下环境噪声对线谱的影响。

基于长短时记忆网络的被动声纳目标信号LOFAR谱增强研究

将深度学习分类模型应用于水下目标识别取得了很多成果。水下目标检测是分类识别的前提与关键,使得基于深度学习的水下目标辐射噪声信号的检测研究逐渐引起人们的重视。因此,提出了将长短时记忆网络应用于水下目标的LOFAR谱,利用深度学习模型,学习LOFAR谱中的关键信息。试验结果表明,经过长短时记忆网络训练的LOFAR谱与未训练的LOFAR谱相比,水下目标信号的线谱检测能力更好。

基于高阶谱的 LOFAR 谱图特征在被动声纳信号自动识别中的应用

水下目标的特征提取一直是水声信号处理的难题．由于实际的声纳目标的发声机理和反射声波的机理十分复杂，成份多样，造成水声信号具有较强的非平稳性和非高斯性．为了提高对水下目标识别的正确识别率，突破以往研究中关于信号平稳性的假设和高斯性的假设，本文在简要介绍了ＬＯＦＡＲ谱图和高阶谱（ＨＯＳ）估计方法之后，提出了一种基于高阶谱的ＬＯＦＡＲ谱图特征的提取方法．该方法不仅不受高斯性假定的约束，也不受平稳性假定的约束．最后，用该方法对三类实际声纳信号进行了特征提取，取得了令人满意的分类识别效果．

面向LOFAR应用的160Gbit/s OTDM试验平台(英文)

报告了一个用于低频射频天线网络LOFAR的160 Gbit/s演示平台.文章介绍了LOFAR网络结构以及用于LOFAR长臂的OTDM/WDM系统结构,回顾并探讨了用于实现160 Gbit/s系统的关键技术,并介绍了实验室中实现该160 Gbit/s OTDM/WDM演示平台所采用的技术方案。出于经济性考虑,所有的关键系统功能都采用自己搭建方案.

基于时-频注意力机制网络的水声目标线谱增强

为提高被动声纳对水下低噪声安静型目标的检测,研究者开始关注基于深度学习的线谱增强方法,其中,基于LSTM的线谱增强网络由于同时具有时域和频域的非线性处理能力,具有很强的灵活性,然而其性能还需要进一步提升。为此,该文提出了基于时-频注意力机制的网络模型(TFA-Net),通过在LSTM模型的基础上同时增加时域注意力机制和频域注意力机制,充分利用了目标信号在时域和频域的双重重要特征,提升了对LOFAR谱的线谱增强效果。TFA-Net中的时域注意力机制利用LSTM隐藏状态之间的关联性,增加了模型在时域的注意力,频率注意力机制通过将深度残差收缩网络中收缩子网络的全链接层设计为1维卷积层,增加了模型在频域的注意力。相比于LSTM,TFA-Net具有更高的系统信噪比增益:在输入信噪比为–3 dB的情况下,将系统信噪比增益由2.17 dB提升到12.56 dB;在输入信噪比为–11 dB的情况下,将系统信噪比增益由0.71 dB提升到10.6 dB。仿真和实测数据的实验结果表明,TFA-Net可以有效提升LOFAR谱的线谱增强效果,解决低信噪比下水下目标的检测问题。

超波束处理在被动声纳频谱分析中的应用

超波束技术(HBF)作为一种新的高分辨力波束形成方法,在阵列尺寸一定的条件下,能够同时降低主波束宽度和旁瓣,从而提高目标检测能力和定位精度。但超波束输出丢失了信号相位信息,无法进行侦听和频谱分析等后置处理。对常规HBF进行了改进,利用HBF输出对常规的波束形成(CBF)进行加权,在保证高分辨力和低旁瓣的同时,又保留了波束输出的相位信息。仿真结果表明,该算法可以在被动声纳低频分析与历程显示(LOFAR)中得到应用,给声纳目标检测和识别提供主要依据。

不连续距离特征量信息融合方法

浅海波导中低频声场存在稳定可观察的干涉结构,目标辐射噪声LOFAR图中呈现干涉条纹图案。从条纹中可以提取出距离特征量信息,它反映了目标运动过程中的距离变化率。由于外部环境的影响或运动态势的改变,LOFAR图中条纹有可能会短暂丢失。此时,基于波导不变条纹的距离特征量提取算法失效。提出了不连续距离特征量信息融合方法,在条纹丢失期间内保持对目标距离特征量轨迹的跟踪。仿真及海试数据处理结果验证了其可行性。

基于波导干涉条纹的目标距离特征量提取方法

浅海波导中目标辐射噪声LOFAR谱图存在明暗相间的干涉条纹,从中可以提取出目标距离特征量信息,它反映了目标运动过程中的距离变化率。低信噪比情况下,条纹特征不够清晰,提取的距离特征量值精度会降低。提出了一种边缘定向增强型偏微分方程去噪方法,对LOFAR谱图进行处理,使条纹特征更加明显。海试数据处理结果表明,去噪处理后提取出的距离特征量精度明显提高。为满足实时性需要,提出了基于CUDA的距离特征量实时处理方法,实验结果表明能大幅提高算法运行速度。

飞行器目标推进系统声信号特征提取研究

为了提取低空来袭的飞行器目标推进系统声信号的特征,分析了典型飞行器目标推进系统辐射噪声的信号特性,并建立了其推进系统辐射噪声的数学模型及被动声预警系统的接收信号模型.进而提出了基于Radon变换的LOFAR谱图线谱提取算法,以获取飞行器的推进器转速特征.通过对实测飞行器噪声数据的分析,验证了信号模型算法的合理性.

潜艇水下作战中目标距离信息提取研究

浅海波导中目标辐射噪声LOFAR谱图存在明暗相间的干涉条纹,从中可以提取出目标距离特征量信息,它反映了目标运动过程中的距离变化率。低信噪比情况下,条纹特征不够清晰,提取的距离特征量值精度会降低。提出了对LOFAR谱图进行图像处理,使条纹特征更加明显。海试数据处理结果表明,去噪处理后提取出的距离特征量精度明显提高。

浮标定位算法的仿真研究

声呐浮标可以对目标进行检测、定位、跟踪和分类识别,因此浮标定位算法的研究非常关键。目前常用的算法有低频搜索与记录(LOFAR),相关探测与搜索(CODAR)等,主要对这两种声呐浮标定位算法进行了研究和计算机仿真分析,在不同背景条件下研究了各种算法的原理和性能。

基于1(1/2)谱的水中目标辐射噪声线谱估计方法

研究了一种基于信号112谱的时频分布图的水中目标辐射噪声的线谱估计方法。分析了112谱具有的性质,即抑制高斯噪声和对称分布噪声;加强信号的基频分量以及剔除非耦合相位的谐波分量。介绍了Lofar处理的特点和Lofar谱图的计算步骤。结合Lofar谱图和112谱的各自特点,提出了112谱图的处理方法。再利用图形学中的Radon变换,将谱图中的直线转换成Radon域中的峰值。得到峰值坐标后,可以计算谱图中的线谱频率等参数。仿真实例表明,该方法效果明显,比Lofar谱图具备更优的白噪声抑制能力。

基于双对数谱和卷积网络的船舶辐射噪声分类

卷积层平移等变性与线性谱不适配,卷积网络对高维特征的长距离依赖建模能力不足。该文提出一种双对数谱特征用于船舶辐射噪声分类。双对数谱通过重新排列对数谱频点,保证高频端分辨率的同时,规避使用太深的卷积网络。利用双对数谱各行表征同一目标的先验知识,构建卷积网络和目标函数。DeepShip数据集上的试验结果表明,特征维数相同情况下,提出的算法分类正确率比以线性谱为输入的卷积网络提高2.4%以上。

A New Single DIFAR Sonobuoy Target Location Algorithm

In order to solve the problem of target location of single direction finding and ranging(DIFAR) sonobuoy, a new target location algorithm is proposed. Based on the new generation of high performance sonobuoy signal processing platform, the new algorithm makes full use of the Doppler information of the targets while using the target location data, and successfully implements the target detection, location and tracking. In the calculation of target parameters, the new algorithm utilizes the repeated measurement data to further improve the calculation accuracy of the target parameters using the principle of Least Square. The simulation results indicate the correctness of the new algorithm. The algorithm is simple, stable and easily implemented in engineering. And besides, it overcomes the weakness of the traditional algorithm which requires at least two DIFAR buoys to locate the targets.