一种基于线谱特征函数提取LOFAR图线谱的方法

水声信号被动检测中广泛使用LOFAR图对接收信号进行处理和分析。针对LOFAR图中线谱信号检测问题,根据线谱信号特征设计特征函数,提出频域滑动窗线谱特征累积检测法。该方法在频率轴移动观察窗,用多步决策算法计算每个观察窗的最优解,得到最优路径,如果最优路径特征值大于阈值,则累积LOFAR图像素点被该最优路径经过的次数,次数越多对应点为线谱点的概率越大。仿真研究表明,该方法对频率时变、低信噪比的线谱信号具有良好的检测能力,可实现多根线谱的增强与检测。海试数据处理结果证明了该方法的可行性和稳健性。该算法对于辐射线谱信号的水下目标远距离探测识别有较高的参考价值。

一种提取LOFAR图中谱线的方法

为了提高在低信噪比下的谱线提取能力,给出了一种提取LOFAR(低频分析和记录)图中谱线的方法。该方法利用线谱的形状特点首先对整个LOFAR图进行线谱峰值识别,然后进行线谱跟踪,利用多个时刻的线谱峰值识别情况提取出属于谱线上的点,连接好谱线上的断点。通过试验数据对算法进行了验证。该线谱提取方法由于选择了低的检测门限,并利用了多个时刻的谱值信息,可在低信噪比条件下成功提取出谱线,并不需幅值、根数、位置、起止时间等先验信息,且计算量较小。

利用LOFAR谱图的二维傅里叶变换脊计算波导不变量

该文提出了利用被动声纳信号LOFAR谱图的二维傅里叶变换计算波导不变量的方法。在用简正波方法分析了两种典型波导的波导不变量分布情况的基础上,推导了利用LOFAR谱图二维傅里叶变换脊计算波导不变量的公式。运用该公式仿真计算了Pekeris波导和具有负跃层的浅海波导声场中声源深度从10m变化到90m时的波导不变量值,经过与南海试验数据的计算对比,两者计算结果相符。与简正波方法相比,该方法不需要精确了解海洋环境参数,同时避免了复杂的微分方程求解运算,更适合于信号的实时处理。

水下目标信号的Lofar谱图特征的主分量分析研究

研究一种基于 Lofar谱图特征和主分量分析的水下目标信号的特征处理方法。首先介绍了这种方法的应用背景 ,给出了舰船辐射噪声的结构和 Lofar谱特征的提取方法。在简单介绍了主分量分析的有关基础知识和数学解法后 ,对于海上测量获得的舰船辐射噪声信号进行特征提取 ,利用主分量分析的方法对提取的特征向量进行降维处理。针对主分量分析处理前后的特征向量 ,采用结构自适应模糊聚类神经网络分类器分类 ,与直接对Lofar谱特征分类相比 。

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．

利用深层卷积网络自适应增强学习的水声目标线谱提取方法

提出了一种使用自适应增强学习的深层卷积神经网络方法对水声目标线谱进行提取。该方法利用构造的多尺度ConvNeXt算子建立滑动窗深层卷积神经网络模型(SwDCNN),设计涵盖损失函数、学习率更新和模型迭代优化的自适应增强学习准则并用于模型训练。仿真和海试数据验证结果表明,所提方法有以下优点:(1)卷积算子和模型结构参数按线谱提取需求配置,可以增强LOFAR谱图特征高性能多分辨力挖掘能力;(2)大规模数据下的模型训练可实现渐进式精确拟合,有助于提升模型收敛效果;(3)模型可有效提取低信噪比、中断、弯曲漂移、粗细不均、邻近成簇、密集分布等复杂情况下的线谱,在查全率、查准率、虚警率、线谱位置精度(LLA)和线谱幅值精度(LAA)等指标上均优于文中其他深度神经网络方法;(4)和传统及其他文中所用的深度神经网络方法相比,线谱最小可检测信噪比分别降低超过5 dB和2 dB,实际复杂场景线谱提取能力更强,综合效果更好。

被动声纳线谱检测技术综述

船舶辐射噪声的功率谱由连续的宽带谱和离散窄带线谱组成。在被动声纳系统中 ,线谱检测是一个至关重要的问题。本文对线谱检测技术进行了综述。该领域最新进展表明 ,为了能够在低信噪比下检测和提取线谱 ,往往采用两种或多种组合方法 。

基于人工智能的线谱检测技术

本文主要讨论在被动声呐中窄带信号的自动检测问题 ,通过模拟声呐兵在LOFAR图中检测和提取谱线的双门限检测过程 ,提出了低信噪比下自动检测线谱的智能方法。此方法将线谱识别、线谱检测和线谱跟踪融合在一起 ,能在低信噪比和不知道窄带信号的数量、起止时间的情况下 ,自动地以高检测概率和低虚警概率检测线谱。

声矢量传感器线阵波导不变量被动测距研究

介绍一种利用水声信道的统计不变特征(波导不变量)实现被动测距的方法。对接收LOFAR(Low FrequencyAnalysis Record)图使用HOUGH变换等边缘提取技术提取条纹,得到波导不变量以及抛物线参数的估计值,进而得到目标的CPA(Closest Point of Approach)点距离。矢量水听器的振速通道数据所得LOFAR图信噪比明显高于声压LOFAR图,可以提高测距精度。仿真和试验数据结果显示本方法能以较高的精度提取CPA点距离。对比波导不变量经验值和在线估计值所得最近点距离结果,发现使用具有一定精度的在线估计波导不变量值可以显著提高测距精度。

基于启发式搜索的线谱跟踪技术

提出一种在信号的LOFAK图上，通过启发式搜索最优路径来提取信号线谱的方法，并仿真分析了算法的性能．

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。

基于四阶累量对角切片谱的线谱估计方法

研究了一种基于信号四阶累量对角切片谱的时频分布图的水中目标辐射噪声的线谱估计方法。分析了四阶累量对角切片谱具有的性质,即抑制高斯噪声和对称分布噪声;与功率谱具有相似的谱结构。介绍了Lofar处理的特点和Lofar谱图的计算步骤。结合Lo-far谱图和四阶累量对角切片谱的各自特点,提出了四阶累量对角切片谱图的处理方法。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。

无源声呐目标特征提取的一种新方法

水下目标的特征提取一直是水声信号处理的一个难题。由于实际声呐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,本文突破以往研究中关于信号平稳性和高斯性的假设,在简要介绍LOFAR谱图和高阶谱(HOS)估计方法的基础上,提出一种基于高阶谱的LOFAR谱图特征的提取方法。本方法既不受高斯性假定的约束,也不受平稳性假定的约束。最后,用本方法对三类实际声呐信号进行了特征提取,取得了令人满意的分类识别效果。