水下航行器动态初始对准算法研究

对于动态运动中的航行器,传统的静态初始对准算法已不再适用;GPS等基于无线电的非自主导航在水下衰减太快,基于无线电的辅助对准方式也不再适用。针对这一问题,对于粗对准,本文提出了基于观测矢量航行器航速与深度传感器的动态粗对准算法,该算法将粗对准问题转换为基于观测矢量的姿态确定问题,通过q-method解决问题;对于精对准,在粗对准的基础上,给出了基于KF的动态精对准算法。仿真表明本文提出的初始对准算法能有效解决航行器的动态对准问题。

基于SINS的水下组合导航系统研究

以水下航行器为背景,本文对以捷联惯性导航系统为主导航,以多普勒测速仪、磁强计及深度传感器为辅助导航的组合导航系统进行了研究设计。首先基于各导航传感器的工作原理和误差模型,设计了基于联邦滤波的融合无反馈混合校正的组合导航系统;其次针对各水下导航传感器在实际工作环境下量测噪声的时变性,提出了基于Sage-Husa自适应Kalman的联邦滤波算法来实现对各局部滤波器的估计。仿真结果表明本文设计的组合导航系统能够满足水下航行器的实际导航需求。

基于非对称幅度插值的二维来波方位估计

幅度插值方位估计法通过对少数几个波束采样插值得到来波方位,避免了密集的方位搜索,在工程中有广泛的应用。目前该方法大多基于一维,且使用对称函数进行插值,估计误差较高。本文通过解耦的方式将该方法由一维推广至二维任意阵,并考虑真实方位谱在偏离0°后左右波束不对称的情况,利用左右波束斜率比作为求解条件,使用非对称函数进行幅度插值。进一步,针对二维非对称插值中出现的角度失配问题,提出了迭代插值的解决方法。最后仿真分析了插值方法、迭代插值以及信噪比对插值精度的影响,所提出方法的插值精度优于传统对称插值方法;且通过千岛湖实验数据验证,所提方法以10°间隔插值得到的估计精度可以比拟常规波束形成以0.01°进行密集扫描的估计精度。所提方法能够在满足一些工程应用中对实时性要求的同时达到较高的方位估计精度。

基于可变尺度先验框的声呐图像目标检测

利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度分布具有其特殊性,基于先验统计生成可变尺度先验框。其次,为了解决声呐图像稀缺的难题,采用数据增强的方法对训练集进行扩充。最后,探索了模型的轻量化,通过删减模型的大目标检测层,在不降低模型精度的同时简化模型结构。为了评估算法的有效性,以前视声呐图像为例进行了综合试验,平均精度(mean average precision,mAP)@0.75和mAP@0.5:0.95分别达0.585和0.559,较原Yolov5网络分别提升了5.8%和3.1%,同时每秒10亿次浮点运算次数下降到14.9。结果表明,所提算法具有更高的精度和更轻量化的模型结构。

基于神经网络的水下通信信号的检测与分类

针对典型的水下数字通信信号检测与调制识别问题,本文提出了基于特征提取的神经网络算法。通过对接收信号进行离散傅里叶变换与奇异谱分析,及利用提取的特征训练分类模型,成功实现了对MFSK,MPSK与对称α稳态分布三种情况的正确分类。最后,本文仿真了具有随机多径参数的水声信道,结果显示模型仍具有良好的分类效果。

去除心电信号基线漂移算法的比较

基线漂移是心电信号所包含的噪声中对信号影响较大的噪声之一。本文介绍了均值滤波、中值滤波、形态学滤波三种去除基线漂移的算法。采用MIT-BIH数据库中的数据作为原始心电数据,分别用这三种算法处理基线漂移。并对仿真结果进行比较,可以发现三种算法都能有效去除基线漂移,但是均值滤波会使信号失真,形态学滤波后信号失真小,但处理时间较长,中值滤波的方法用时最少,且信号失真较小。因此,在便携式实时心电信号处理应用中,可选择中值滤波算法。

卷积神经网络卷积层的FPGA实现

卷积神经网络在图像处理领域取得了突出的表现,但是由于其庞大的计算量使得它的应用范围受到限制。通常,卷积层的计算量占据了整个网络的大部分计算,主要包含有大量的乘法和加法,本文针对卷积层的计算特点,实现了一种高效的卷积层加速模块的设计。最后通过实验结果表明,在计算相同的网络结构下,该设计相比于CPU的计算效率更高。

基于参数共享的卷积神经网络压缩

卷积神经网络在图像识别、目标检测等计算机视觉领域成为热门研究方向,并取得了重大进展。随着识别率的不断提高,模型深度不断加深,网络结构愈加复杂,所需的计算量和存储空间也随之大大增加,这使得卷积神经网络在资源有限的移动终端和嵌入式设备上的应用存在很多困难。因此压缩卷积神经网络,减小其占用的存储空间和计算资源成为卷积神经网络一个重要的研究方向,本文提出利用toeplitz矩阵对网络的全连接层权重参数实现共享,针对数字手写体识别网络,全连接层可学习参数压缩174倍时,模型分类准确率相较于原网络仅下降0. 74%。此外,本文提出可基于输入和输出两个角度对网络的卷积层权重参数实现循环共享,当基于输入对卷积层权重参数实现循环共享时,数字手写体识别网络的卷积层可学习参数压缩14倍,模型分类准确率仅下降0. 03%。

解决多物理场耦合振动问题的简洁计算模型

复杂系统的振动产生来源于多物理场的耦合,通过高性能计算机直接从多物理场的耦合入手解决问题往往计算效率较低。以机电耦合振动问题为例,提出一种简洁计算模型,从而把实际中复杂的多物理场耦合问题转化为单物理场振动问题,并使用有限元仿真的方法讨论了多种振动控制方案的性能,最终得到优化的振动控制方案。

一种基于收敛因子改进的灰狼优化算法

为求解复杂函数计算问题,很多启发式算法得以发展,灰狼优化算法因其实现简单、算法寻优能力强等特点得以广泛应用。为提高灰狼优化算法求解精度,改进灰狼优化算法在后期收敛速度较慢的问题,本文讨论了迭代过程全局搜索与局部搜索所占比例对灰狼优化算法的影响,将一种新型收敛因子应用于算法中,提出一种改进的灰狼优化算法。最后,采用测试集的13个标准测试函数对改进后的算法进行仿真实验,实验结果表明,本文提出的改进的灰狼优化算法在求解精度和算法稳定性等指标优于对比算法。

相移多波束形成的FPGA实现

研究了基于FFT的相移多波束形成算法在FPGA中的实现。其具体实现结构包括AD采样、数字混频、低通滤波和FFT变换四个部分。针对在相移多波束形成中采用传统滤波器存在速度和资源消耗相矛盾的问题,提出在设计滤波器时采用基于多相分解的FIR滤波器设计方法,并对整个波束形成结构进行了优化。相比于采用传统FIR滤波器实现多波束形成算法,优化后的结构能够有效降低资源消耗。

水声通信节点的低功耗值班电路设计

水声通信节点的值班电路设计能有效控制系统功耗。本文提出一种基于MSP430单片机的低功耗值班电路设计,给出了该值班电路的硬件设计和原理框图;介绍了基于频谱分析判定唤醒信号的判定方法,该方法有效提高了系统判定准确性、降低了虚警概率,同时通过软件仿真验证了方法的可行性。通过湖试实验数据测得电路唤醒成功率为99.24%,并且值班电路的工作性能满足通信系统的设计要求。

基于差和共阵的新型高自由度互质阵

针对均匀线列阵自由度(DOF)受限于阵元数的问题,该文提出一种基于差和共阵的新型互质阵,称为放置互质阵(DCA),其借助由接收信号的时域和空域信息组合成的共轭增广矩阵得到等价的差和共阵来进行波达方向(DOA)估计。DCA将广义互质阵放置在与原点处单阵元相隔一定距离的位置,实现了和共阵与差共阵的阵元位置互补,从而最大限度上利用和共阵带来的自由度增幅。该文给出了DCA阵元位置和放置距离的闭式表达,随后分别对DCA的差共阵及和共阵的连续阵元及孔洞位置进行了理论分析,同时给出了两者间的关系,说明了DCA的高自由度特性。多个仿真实验验证了所提阵型DOA估计的有效性。

非相干水声通信中的联合软判决译码算法

为实现水下平台间可靠通信,提出了一种基于Hadamard码和Viterbi算法的联合软判决译码算法,并应用于多频移键控(MFSK)非相干水声通信系统中。该算法根据Hadamard码和Viterbi译码器的结构特点,将Hadamard码译码得到的软判决值应用于Viterbi软判决译码器中,为译码器提供了更多的置信信息,可有效降低误比特率(BER)。在低信噪比和多径环境下,该算法的优势更为显著。仿真结果表明,联合软判决译码算法的误比特率明显低于传统算法,具有较强的抗多径和抗衰落的能力,在水下通信平台中具有一定的应用前景。

基于Jetson TX1带通采样宽带定向算法优化

带通采样宽带定向算法优化方法基于ARM平台的NEON协处理器,提高主动声呐宽带信号定向算法实时性。实验结果表明:利用NEON协处理器的并行运算的优化方法比仅仅利用ARM处理器实现带通采样宽带定向算法速度提高接近一倍,进而实现数据处理实时性;与具有同等处理速度的DSP阵列信号处理平台相比,克服了开发周期长、移植性差等缺点。

基于改进VI-CFAR的模糊距离扩展目标检测算法

为了提高主动声呐在高斯背景下对距离扩展目标的检测能力,本文提出了一种新的恒虚警(CFAR)检测方法。该方法首先利用最小选择无偏最小方差和单元平均(UMCASO)方法对可变指数恒虚警(VI-CFAR)进行改进,得到改进VI-CFAR方法,再将其用于对距离扩展目标检测的第一门限处理中,同时第二门限处理使用模糊积累方法。仿真结果表明,该方法在均匀背景下只有较小的CFAR损失,而在多目标干扰下相比传统方法有更强的鲁棒性,对抗多目标干扰性能优越。对于起伏目标模型,模糊代数积积累准则性能优于模糊代数和积累准则。在不同的背景下,选用与之相适应的积累准则,可获得较为理想的检测性能。

喘鸣音的声谱图熵特征分析及检测

提出了一种改进的基于肺音信号的声谱图熵特征分析的客观喘鸣音检测方法。喘鸣音的功率明显高于正常肺音,因此喘鸣音声谱图的功率分布沿频率轴方向具有明显的聚集特性,该特性可以通过熵值反映。本算法首先对肺音信号进行时频变换得到时频幅度谱信号,然后去除基本呼吸音,进而计算其熵特性曲线并提取熵特性曲线的相应特征.最后,通过支持向量机(support vector machine,SVM)训练分类器,实现了喘鸣音的有效检测。该方法通过预处理使熵特性曲线的特征差异更加明显,且通过SVM分类器进行检测,解决了原方法检测存在检测模糊区域的问题。实验结果表明,该算法在两组测试集的检测准确率分别为97.1%和95.7%,检测率较高,具有良好的应用前景。

浅海鼓虾噪声声源级测量方法

鼓虾噪声是声源级高、频带宽的冲激噪声,对浅海高频声呐和水下通信系统有很强干扰。本文针对实地测量鼓虾噪声声源级存在的多径传播和随机多声源问题,提出一种自动测量实际海域中鼓虾噪声声源级的方法。基于匹配场思想,在一个大孔径垂直线阵上对近场的大量鼓虾噪声进行自动定位。利用鼓虾噪声的强冲激特性,使用阈值检测的方法获得鼓虾信号的到达时间,同时将其幅度进行归一化,解决了各声源幅度动态范围相差大的问题。利用射线理论计算近场直达波到达时间作为拷贝场,对数据进行球面波波束形成,解决近场多途多声源定位问题。通过定位结果将接收鼓虾信号的峰峰值声压换算到距离声源1 m处,计算峰峰值声源级。在东海测量的结果显示,该海域的鼓虾噪声峰峰值声源级平均值为173 dB re:1μPa@1 m,50%的测量值在168~175 dB re:1μPa@1 m之间。