基于海豚whistle信号的仿生主动声纳隐蔽探测技术研究

为解决主动声纳系统易暴露、隐蔽性差的问题,提出一种基于海豚whistle信号的仿生主动声纳隐蔽探测技术。在发射端将线性调频探测信号隐蔽在海豚whistle信号中,设计了一种主动声纳的仿生隐蔽探测信号,该信号与海洋中的海豚哨叫声十分相似,可以利用海洋中的生物环境噪声实现主动声纳的隐蔽探测。在接收端选用自适应相关器作为主动声纳的时域处理器,自适应相关器对海洋环境有较强的匹配适应能力,可以自动匹配海洋信道,有效抑制多途扩展损失,相较匹配滤波器有更高的信噪比处理增益,有助于实现远距离探测。仿真和海试结果表明,基于海豚whistle信号的仿生主动声纳隐蔽探测技术具有良好的隐蔽性和有效性。

基于仿生机械云台的声纳图像拼接

分析了声纳图像拼接失真的因素,提出了一种基于仿生机械云台的声纳图像拼接方法.根据眼球前庭动眼反射机理建立了一个具有主动补偿功能的仿生机械云台控制系统,对扫测艇姿态变化进行动态补偿减小了声纳图像拼接的误差.使用姿态传感器与GPS以及图像信息对声纳图像进行对准,实现声纳图像的拼接.不同环境下的仿真实验证明,该系统不仅具有动态补偿能力而且还具备鲁棒性.最后,经水下声纳图像拼接的实验证明了该方法的有效性,较未使用仿生云台的拼接方法有更好的拼接效果.

一种沉底小目标的主动高频仿生波形分析及探测方法

为研究和分析用仿生信号及处理方法探测沉底小目标的可行性及探测性能,分别从时域频域波形、模糊度函数、抗混响性能方面分析了仿海豚声呐信号,并用计算机仿真了复杂背景下沉底小目标的探测。理论分析和仿真结果表明:在几种仿海豚声呐信号中,频率重叠较多的信号混响抑制效果最好;仿生探测方法的性能比标准声呐探测方法有了明显的提高。仿生信号及探测方法可作为一种新型的沉底小目标探测信号及处理方法。

基于GFCC特征提取机器人仿生声呐SLAM算法研究

针对移动机器人在室内环境下的定位问题,本文采用基于GFCC((Gammatone Frequency Cepstrum Coeffi-cient))特征提取BatSLAM模型,用指数压缩来模拟听觉系统的非线性特性,使用加海宁窗处理来减小回波信号所存在的边缘影响,使用离散余弦变换来对耳蜗图进行有损数据压缩,从而提高耳蜗图的抗干扰能力,使用升半正弦倒谱提升来提高耳蜗图的鲁棒性,通过GFCC特征提取可以有效提高室内定位的精度和准确性。实验表明,基于GFCC特征提取Bat-SLAM模型,通过提高耳蜗图的抗干扰性和鲁棒性,可以有效的较小定位误差,从而提高移动机器人的定位精度和准确性。

音频感知哈希闭环检测的无人机仿生声呐SLAM算法研究

针对基于SLAM技术无人机在特定高度下构建二维经历图的优化问题,在RatSLAM的基础上,采用仿生声呐系统代替视觉传感器的BatSLAM模型和音频感知哈希闭环检测,实现在暗光条件下的二维经历图优化。BatSLAM模型通过绝对差值和(SAD)图像处理方法来进行仿生声纳模板的更新,此方法仅仅判断二幅耳蜗图外观是否一致,不存在几何处理和特征提取。由于耳蜗图在获取和传输过程中会产生各类噪音,相同位置获得的耳蜗图具有一定的差异,会导致构建的经历图失真。本文在BatSLAM的基础上,使用音频感知哈希算法对耳蜗图进行特征提取,并进行闭环检测。改进后的算法不仅考虑到外观,而且考虑到相邻频带间的能量差异,通过提高闭环检测准确率,来改善经历图的失真问题。仿真实验表明:采用基于音频感知哈希闭环检测的BatSLAM模型,不仅实现了无人机特定高度和暗光条件下二维经历图的构建,而且提高了闭环检测准确率,从而改善经历图的失真问题,实现经历图的优化。