基于多线程通信的岛礁区海底工程环境安全监测系统研究

近年来,南海岛礁区已成为极具重要意义的战略支点.南海岛礁区地质结构复杂、周缘地形陡峻、珊瑚砂内孔隙缝洞发育,使得岛礁区海底工程面临海底滑坡等灾害的侵袭,已有的海底灾害监测方法对岛礁底质环境适应性较差.因此,为了更好地实现对岛礁底质环境在线监测,满足南海岛礁建设需求,本文设计了一种基于多线程通信的岛礁区海底工程环境安全监测系统,经实验室试验验证,该系统可对影响海底工程设施稳定性的环境安全参量进行监测,实现多线程通信、数据加密传输、参量监测和海底位移形变计算等功能.

基于子带分解的宽带自适应波束形成算法改进

该文针对在目标快速运动或者本船快速机动情况下,最小方差无失真响应(minimum variance distortionless response,MVDR)在少快拍下无法获得满秩和稳定的协方差矩阵的问题,提出一种基于子带分解的宽带自适应波束形成方法,该方法能够在单快拍数据条件下,获得满秩的协方差矩阵。相对于时域解析信号的MVDR算法,基于子带分解的宽带信号处理方式具有更小的相位误差,波束形成结果更精准。针对其在阵元失效情况下性能急剧下降的问题,对比分析了采用基于数据的协方差矩阵重构方法、对角加载方法、阵元隔离方法在阵元失效情况下的性能。仿真分析结果表明,基于数据的协方差矩阵重构方法,在阵元失效的情况下,具有相对较低的旁瓣高度。海试数据处理结果表明,改进的宽带自适应波束形成算法可在频域单次快拍数据条件下完成波达方向(direction of arrival,DOA)估计,且具有较高的DOA估计精度、方位分辨能力和弱目标检测能力。

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片(海雾、雨)的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。

水声阵列空域反转和噪声抑制技术

为了提高水声阵列性能,本文基于水声阵列探测系统的工程应用,提出了一种水声阵列"空域反转"和噪声抑制的技术。通过阵列信号空间反转和卷积,对阵元孔径进行虚拟扩展。在此基础上,对扩展后的阵列进行灵敏度均衡,分析了均衡技术对"空域反转"阵列性能的影响。"空域反转"使各向同性不相关噪声聚焦,将协方差矩阵中心元素置零,抑制部分噪声,进一步提高阵列处理的增益。研究结果表明:本文提出的阵列处理技术,能够有效地提高各向同性噪声中的水声阵列的处理增益,能够为提高水声阵列目标探测性能提供一种技术途径。