采用被动声监测方法识别波弗特海区域海洋水声环境

为了研究北冰洋冰下水声环境的噪声特性,对2016年中国第七次北极科考期间在波弗特海进行的声学观测实验获取的数据集,采用时间统计分析和频域谱分析方法进行了处理,讨论了处理结果与同时期获取的海洋、大气之间的联系。针对冰下噪声长期监测和北冰洋水声环境特性的准实时观测,确定了描述冰下水声环境特性的参数组,给出了处理方法和流程,用于基于被动声监测的水声环境识别,指导研究设计和硬件选择。回传的实测结果可以与已发表的结论进行比较,从而确切描述和理解北冰洋水声环境的变化。

基于FPDE-SIFT的声呐干涉图像配准方法

图像配准是声呐进行高精度干涉测量的保障,该文针对水下目标的声呐图像配准,提出了一种基于4阶偏微分方程尺度不变特征变换的声呐干涉图像配准方法。该方法聚焦声呐图像配准的难点,首先基于4阶偏微分方程构建尺度空间,在保持图像细节的前提下滤除噪声,提高特征提取的准确度;对于残余噪声造成的特征点误检,借助特征点的相位一致性信息加以筛选,精简特征点样本集;最后对特征点匹配策略进行优化,提出改进的快速样本一致性匹配策略剔除特征点的误匹配。算法增加了匹配点对的数量,提高了匹配点对的准确度,实现了声呐干涉图像的精确配准。水池实验和外场试验表明,该文所提出的算法相较现有算法对声呐图像有着更好的适用性,配准后的均方根误差与留一法均方根均小于1像素,达到了亚像素配准精度。

基于空间变换预处理的噪声子空间投影法

针对基于噪声子空间投影的空间谱合成技术对输入信噪比(SNR)要求较高的问题,该文提出一种基于空间变换预处理的改进噪声子空间投影法。在子阵维度上,对阵列数据进行拆分处理,得到空间-空间-频率3维数据;利用空间投影变换,将其重新投影为空间-频率2维数据,实现子阵维度相干累积,提高空间变换后输入信噪比;采用噪声子空间投影法,对变换后数据进行处理,实现空间谱合成。数值仿真和实测数据处理结果表明:相比噪声子空间投影法,在保持方位分辨率不变的前提下,所提方法对输入信噪比的最低要求降低约6 dB,有效提升了噪声子空间投影法的弱信源检测性能。

采用GAF-D3Net深度学习网络的水下目标有源识别方法

提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。