基于小波变换和压缩感知的工频磁异常信号降噪方法

针对强噪声背景下水下目标微弱工频磁异常信号提取困难的问题,提出一种基于小波变换的压缩感知降噪方法。该方法利用噪声信号不具有稀疏性的特点,将含噪信号在小波域内分解,并在此基础上进行压缩感知的重构与降噪处理,实现微弱工频磁异常信号与噪声最大限度地分离。仿真及试验表明,该方法得到很好的降噪效果,避免了小波阈值滤波中阈值选取对降噪效果的影响,能够最大程度地保留原始信号的固有特征。

海底掩埋目标声探测与识别关键技术进展

为了准确呈现海底掩埋目标声探测与识别研究存在的问题与技术难点,推动该领域相关技术的发展,本文主要从探测系统及信号处理技术两方面出发进行研究。首先分析了基于水声探测海底掩埋目标所面临的难点,介绍了国内外掩埋目标声探测与识别系统,然后论述了抗混响、特征提取、目标检测和目标识别等关键技术环节的主要研究进展,最后总结了掩埋目标探测与识别面临的问题和挑战,并对未来发展方向进行了展望。

基于深度学习的场景文字识别技术研究

基于深度学习的场景文字识别技术(Scene Text Recognition,STR)应用广泛但性能尚需提升。针对现有的STR技术对小目标文字识别不准确和中文、中英文混合准确率低的问题,通过改进模型增加104×104的特征尺度,用Focal Loss和GIOU Loss作为损失函数来优化目标检测框,将卷积块注意力模块(Convolutional Block Attention Module,CBAM)嵌入到卷积层中,使网络在特定位置和通道上更加关注目标,抑制其余复杂背景信息以此来提高模型的文字检测能力;分析中文的文字特征,对CRNN的特征提取网络改进优化,提高了原有模型对中文、中英文混合识别的准确性。实验结果表明,通过对文字检测与识别模型和算法的改进优化,大大提高了场景文字识别技术的准确性和鲁棒性。

同步码字优化降噪的声纳图像多目标检测方法

针对海底侧扫声纳图像分辨率低、噪声污染严重导致水下目标检测不准确的问题,提出一种结合同步码字优化降噪的水下声纳图像目标检测方法。利用同步码字优化对声纳图像中的乘性噪声进行降噪处理,从而使图像中的水下目标物获得更好的视觉与检测效果,同时对声纳图像进行相应的数据集扩充。最后利用适合本文方法的YOLO系列中的YOLOv7对降噪后声纳图像中的目标物体进行检测,并在其特征网络中加入了卷积块注意模块,从而加强对目标的特征提取。仿真结果分析得出,同步码字优化降噪与YOLOv7相结合的目标检测方法,可使目标置信度达到79%,相较于降噪前的目标检测置信度提高16%,对于目标较小的物体,能更好地改善漏检与误检情况。

面向水声探测识别的小目标特征提取研究进展

在水下防御的决策过程中,对蛙人、潜航器等入侵小目标的类别辨识直接关系到指挥控制系统对人员和武器的分配,并影响战斗走势。介绍了蛙人探测声呐研制进展、水下小目标探测识别框架。围绕特征提取这一关键技术,分别述评了回波类和噪声类的常见特征。分析了该领域面临的挑战,并展望了可行的研究方向。

基于改进卷积神经网络的工频水下磁目标探测

针对工频水下磁目标信号特征提取难、目标数据样本少、识别精度低等问题,提出一种基于深度卷积生成对抗网络(DCGAN)与优化卷积神经网络(CNN)相结合的水下工频磁目标识别方法。该方法通过滑动时间窗将信号由一维时序空间映射到二维灰度值图像,将实测水下磁异常信号利用DCGAN进行数据增强,之后构建卷积神经网络并引入DY-ReLU动态激活函数对CNN网络结构进行优化,以达到对目标信号的分类识别的目的。实验结果表明,经由数据增强的网络模型识别率提高了10%;相较于其他常用的静态激活函数,优化的CNN识别率分别提高了4.5%、4%、3%和2.5%,识别精度达到92.5%。验证了该方法的有效性,为水下磁异常检测提供一种新思路。

基于YOLO算法的复杂交通环境中车辆目标检测方法

交通数据作为智慧交通管理的重要依据,在现代化交通治理过程中起着非常重要的作用。如何有效感知、预测以及优化道路车辆交通流,对于改善城市交通管理意义重大。面向新一代智能交通系统的发展要求,针对全天候视频场景车辆目标检测中遇到的复杂交通环境中车流量统计和轨迹追踪困难的问题,提出一种基于YOLOv5算法的轻量化车辆视觉检测方法,可用于边缘计算平台的构建。算法方面添加卷积块注意力机制模块,融入到骨干网络结构中,提高模型特征提取能力,有效克服收敛慢、迭代次数多的问题。最后,通过公开数据集进行对比实验,验证了设计方法在关键指标方面有所提升,并通过搭载边缘计算平台完成在自建数据集实拍道路场景的有效性测试。

近底探测型仿生UUV小目标物视觉识别检测系统

仿生无人水下航行器(UUV)通过模仿海洋生物的运动原理,替代人力并实现水下作业,相较于传统的UUV具备高稳定性、高灵活性、低噪声以及强环境通过性等仿生学特性优势,为近距离水下图像拍摄与水下目标物识别技术提供了优良的作业平台。文中以一种仿生胸鳍柔性波动推进UUV作为研究目标,针对水下小目标物的贴底检测任务,开展水下图像预处理技术与深度学习网络Resnet优化的深入研究,设计一套满足该UUV运动特性的水下环境感知系统。最终通过试验进行验证,文中提出的水下视觉检测方法的分类结果准确率为89.6%,与其他分类网络相比具有最高的检测准确率,能够适用于仿生胸鳍波动推进UUV进行水下贴底目标检测任务。在文章结尾对仿生UUV水下检测识别系统的优势与出现的问题进行了分析并提出了展望。

短波红外偏振成像技术的研究进展

与传统成像系统相比,偏振成像系统通过探测目标物在不同状态下的明显偏振差异,提高对目标物的探测和识别能力,因而被广泛应用于复杂环境或有伪装物的目标探测。特别是短波红外谱范围的信息探测可以提供人眼所不能看见的分辨率和细节,是目前军事和民用领域的重点研究方向之一。这篇综述归纳总结了传统偏振成像系统的结构分类及其特点,探讨了新型微纳偏振成像系统的研究进展,并针对目前短波红外偏振成像技术存在的主要问题提供了可行性分析和建议。

水声被动目标识别技术挑战与展望

低频水声探测和船舶减振降噪技术发展,使得传统水声目标识别技术性能逐渐下降。该文分析了声呐工作带宽、探测频率、船舶减振降噪给识别技术带来的挑战。针对低频声呐广泛使用的低频线谱识别,研究了低频线谱的识别能力问题;针对智能识别技术发展,研究了深度学习技术在船舶辐射噪声识别中的应用问题,并给出了数据试验结果,文章最后指出了水声被动目标识别技术亟需开展的研究内容和方向。

激光技术在机载光电探测与制导系统中的应用

围绕着空军作战模式从低空攻击向中空和防区外武器精确投放转变,分析了机载光电探测系统在目标探测与武器制导中的功能需求、技术发展趋势,并着重介绍了激光技术的热点研究内容。激光成像与多光谱探测等新技术有着强劲的发展势头,将在远距离目标识别、精确制导等领域有着广泛的应用前景。

国外中长波双波段红外成像技术的发展及应用

中长波双波段红外成像技术能同时获得中波、长波两个大气窗口的红外辐射信息,同时具有两种单波段成像技术的优点。通过优势互补,中长波双波段红外成像技术能够提高装备对各种复杂环境条件的适应能力,提高各类作战任务的成功率。在过去二十几年中,欧美主要国家实现了从双探测器双波段成像到单探测器双波段成像的发展及批量装备,目前正向更高分辨率、更远作用距离的方向发展。中长波双波段红外成像技术主要用于提高各类主战装备对不同的作战环境的适应能力以及各类搜索跟踪识别系统对目标的探测识别成功率。此外,可以通过中长波双波段红外成像技术获取目标的温度、光谱特性等特征信息,可用于反干扰、反伪装。

基于成像光谱技术的主动段弹道目标检测与识别方法

弹道目标检测与识别问题是天基红外预警系统的核心难题之一。针对主动段弹道目标的检测和识别问题,分析了传统的基于空间和时间特征信息的弹道目标检测与识别方法。利用目标辐射空间与光谱的一致性,提出一种基于成像光谱技术的主动段弹道目标检测与识别方法,将空域目标检测和谱域目标识别两个环节进行联合处理。实验证明,该方法应用于复杂背景下低信噪比的红外弱小目标图像序列能得到较理想的结果,算法检测概率高、虚警概率低、具有较强的实时性。

水下无人航行器编队识别目标的一种融合方法

本文提出了一种基于分布式信息一致性理论的水下无人航行器编队目标识别的新的融合方法,目的是得到编队对目标身份的一致判断。文中建立了水下无人航行器编队的网络模型,设计了可实现编队对目标身份一致判断的算法,证明了该算法达到一致性的条件,最后通过实例仿真验证了该算法的有效性。

深海水声探测特性研究

为改善水声探测系统的信号检测性能,研究了在深海环境下水声探测的特性。在对浅海和深海声传播特性进行比较的基础上,分析了深海声传播的优越性。通过对不同海洋深度声源的声传播特性仿真分析,证明了深海环境有利于实现远距离声传播。在一定信号接收带宽的情况下,计算了位于深海区域的水声探测系统对安静型潜艇的最大被动水声探测距离,进一步证明了深海环境有利于实现远程水声探测。研究结果为在深海环境下探测安静型潜艇提供了理论依据。

蛙人探测声纳系统在奥帆赛中的应用

随着蛙人侵袭活动的猖獗,探测蛙人的声纳引起了注意,为此提出了水下安全防护系统。本文针对TRONKA声纳在水下安全防护系统中的应用进行了详细阐述。该声纳系统可探测、跟踪、分类活动和固定目标,并向岸站发出报警信号,以便对威胁进行防御,保护港口、舰船等的安全。

深度预警网络的车辆识别与检测

针对驾驶过程中目标车辆实时检测准确度问题,提出一种基于YOLO和Darknet-19等融合式算法设计的深度预警网络,旨在实现对目标车辆的特征提取。网络基于车载单目摄像机拍摄的实时场景照片进行测试数据集的制作,预训练采用PASCAL VOC 2007数据集。应用于夜间可见度低的情况下,网络测试结果较YOLO网络准确率提高了4.89%,召回率提高了18.02%;应用于白天可见度高的情况下,准确率提高了8.72%,召回率提高了7.79%;平均检测时间也有所下降,实现了目标车辆检测准确度及速率的提高。

基于Zoom-FFT频谱细化的水声目标螺旋桨轴数提取技术

基于对水声目标调制谱结构特征的分析,在传统包络信号探测(DEMON)谱分析方法基础上,采用细化-快速傅里叶变换(Zoom-FFT)算法,提高轴频位置带宽内的频率分辨率,实现频谱细化处理,从而提取到水声目标螺旋桨轴数。利用实测信号数据及仿真试验数据进行了分析验证。试验结果表明,该算法对于水声目标螺旋桨轴数的识别准确率可达80%以上,具有工程实用价值。

水下目标声成像尺度识别技术研究

水下声成像是提高水下战武器精确制导能力的有效方法。针对目前水下战对抗装备对目标的模拟越来越逼真的情况,提出了一种基于声成像的水下目标尺度识别技术。该技术基于目标的二维声成像技术,通过提取目标二维尺度特征,用于识别真实潜艇和线列阵声诱饵。对该技术在噪声环境下进行了仿真研究。研究结果表明,声成像尺度识别技术是可行的。

《水下目标探测与识别技术》课程特点与教学能力探讨

《水下目标探测与识别技术》系本校船舶与海洋工程本科选修课程。该课程要求学生具备一些潜水器方面的知识储备,并与提升学生的创新能力密切相关。因此,如何提高教师教学能力和课堂教学质量是需要研究的课题。文章首先介绍了《水下目标探测与识别技术》课程特点,然后分别针对高校教师如何具备扎实的教学与科研结合能力、良好的语言表达及应变能力、课堂教学与组织管理能力、多媒体与板书相结合的能力、积极探索新型教学方式的能力以及兼容并包的综合能力进行了探讨,并针对每种教学能力要求给出建议。