基于双耳模型的倒谱系数在声目标识别中的应用

在声目标识别中,基于单路信号的特征提取算法难以保证特征在低信噪比条件下的鲁棒性。针对该问题,本文使用由两个传声器组成的小孔径阵列采集信号,采用Stereausis双耳听觉模型对两路信号进行综合处理,在此基础上设计了基于双耳模型的倒谱系数,并将其作为识别特征应用于多类地面目标识别。试验表明该特征可有效提高识别系统的识别性能和抗噪声能力。     

温跃层及其变化对被动声纳检测概率的影响

根据被动声纳工作原理,构建被动声纳探测水下目标物概率数学模型。利用声学调查实测数据,综合考虑传播损失、环境噪声、和水文环境分布及季节变化,研究温跃层垂直分布及季节变化对声纳检测概率的影响。结果表明:温跃层对被动声纳影响巨大,逆温跃层环境中,声纳检测概率从海表向下逐渐减小;正温跃层对声纳总的影响与逆温跃层相反,在正温跃层上界,检测概率从表层向下先减小后增大;逆温跃层对被动声纳检测概率的影响随目标物与声纳距离的增大而增大,正温跃层影响相反。     

一种水下未知固定深度的被动目标运动分析

本文对水下三维情形的被动目标运动分析（TMA）进行了探讨。文中使用的数据量测是关于目标的方位角、俯仰角和多卜勒频移等,且运动目标与观测平台相对深度固定未知。这是水下一种常见的三维情况。伪线性估计和最大似然估计方法的处理结果表明：由于增大了观测的信息量,运动参数的估计方差收敛性较好,估计性能得到有效改善。伪线性方法的方差估计曲线向CBR界逼近。最后该方法也适合于分析已知固定深度的三维情形与同处一个水平面的二维情形等特殊情况。     

基于流形学习的声目标特征提取方法研究

为解决目前声目标识别面临的鲁棒性不足问题,提出将流形学习应用到声目标的特征提取中,在经典流形学习算法的基础上,研究讨论了目标声信号频域中存在的低维流形,通过两种实际的地面和低空飞行声目标数据集进行对比识别实验,分析了基于流形学习的声目标特征提取方法的性能,结果表明基于流形学习的特征提取方法可以发现声信号的本质特征,提高了声目标识别系统的准确性和鲁棒性.关键词：声目标识别特征提取流形学习     

一种基于多普勒频移的被动合成孔径声纳探测方法*

由于自主小平台声纳孔径有限,对声纳探测的分辨率的提高有所限制。小平台的机动可以有效的与声纳探测方法相结合来提高声纳探测性能。针对这一特点,提出一种基于多普勒频移技术的被动合成孔径声纳探测方法。该方法根据自主小平台的机动所引起声纳的接收信号多普勒频移的变化,进行目标的频率与方位联合估计。本文将自主小平台的机动引入到波束形成技术当中形成一种新的被动合成孔径技术。数值仿真表明,该方法可以有效的进行目标方位估计,并且获得较高的方位分辨率,改善了自主小平台的探测性能。     

基于高阶谱的舰船辐射噪声特征提取

在对现有舰船辐射噪声信号分布研究的基础上,使用可抑制高斯噪声的高阶谱（双谱和三谱）对其特征进行了分析。分析结果表明,不同类的舰船,其主频范围有其固定的区域。Ｉ类船其主频一般在１２０Ｈｚ以下,Ⅱ类船一般在１３０～３２０Ｈｚ之间。对于双谱图,不同的ω１与ω２的关系,其频谱特征有所不同,对于三谱也有同样的结果。本文中双僧取ω１＝ω２,三谱取ω１＝ω２＝ω３两种关系,以它们最大谱值对应的ω１以及Ｂ（ω１,ω２）中极大值所对应的ω１、ω２组成特征向量．     

水下噪声目标被动测距技术研究

运用被动测距声纳中的三元测距技术,通过直接测1、3阵元的时延差来实现时延估计。仿真结果表明,改进的时延估计方法可提高时延估计精度,从而改善测距精度。此外,定义临界距离,并以此为分界点,分别采用K系数分配法和直接测量法对中远程和近程目标进行测距,解决了被动声纳的近程测距模糊问题。将其应用于声纳系统中,可显著提高声纳的被动测距能力,使被动测距声纳可全程测距。     

双时相合成孔径声纳图像目标变化检测方法

随着水下环境和水声信道随时间动态变化,合成孔径声纳形成的地貌或目标结果均会随之变化,导致目标漏检和场景认知度低的问题,对水下安防和无人导航等带来较大隐患。针对该问题,本文提出了基于双时相的合成孔径声纳变化目标检测方法,根据帧间声图地理信息和特征的匹配,完成像素级的差异分析比对,实现变化目标的检测和标注。经试验数据验证,该方法能够准确检测和标注预设的变化区域,为水下场景变化规律的掌握和威胁目标的监测具有重要意义。     

进入21世纪的声纳技术

海洋开发和反潜战的需求是推动声纳技术开发的巨大动力,水声物理、水声信号处理及相关学科的发展又促使声纳设计日趋完善,本文介绍声纳技术在进入21世纪时所面临的机遇和挑战;水声信号处理领域近期研究的热点问题以及声纳系统设计中的技术创新课题。     

基于被动毫米波图像的金属目标特征提取方法[BT)]

针对探测金属目标时其中心难以确定的问题,提出了分割被动毫米波辐射图像过渡带的算法以精确获取其几何尺寸及特征;通过实测金属立体目标的辐射数据矩阵进行成像,对毫米波辐射图像进行基于Canny算子的边缘检测与分析,结合金属目标辐射特性以及天线参数分割目标边缘过渡带,计算金属目标的面积、周长并提取其中心位置;实验结果表明,该方法误差控制在9.3%以内,可以精确提取金属目标几何特征及目标中心。     

噪声中的线谱检测及自动提取研究

线谱是水中目标检测与识别的重要特征,其自动提取对于水中无人探测系统至关重要。采用统计信号分析方法得出了线谱检测的接收机工作特性曲线,理论分析了线谱自动提取时一定虚警概率下的峰高门限,并提出一种自动门限以适应不同背景方差的变化。实测数据分析表明,本文方法在不同噪声背景下自动提取线谱的效果较好。     

基于局部不变特征的目标自动识别

为快速、准确地识别图像中的目标,提出一种结合图像熵和加速鲁棒特征算法的目标自动识别方法.首先,分块计算图像的信息熵,根据阈值筛选出纹理丰富区域.然后,结合Hessian矩阵和Harris算法提取纹理丰富区域的局部特征点.接着,计算特征向量并用主成分分析降低向量维数.最后,采用双向最近距离比例匹配算法进行分类,并用随机抽样一致算法剔除误匹配点.实验结果表明:对仿真数据库中带有视角、光照和尺度变化的图像,识别率分别为87.12%、75.31%和84.98%,平均识别时间分别为70.35ms、71.27ms、220.63ms;对含8956×6708像素的航空大面阵图像,正确匹配率为78.13%,识别时间为68.09s.本方法识别率和时间性能均优于加速鲁棒特征算法.     

基于组合支持向量机的水声目标智能识别研究

为解决水声目标小样本模式识别问题,有效地提高复杂海洋环境中的识别精度,提出了一种基于经验模式分解(EMD)、特征距离评估技术(FDET)和组合支持向量机(CSVMs)的水声目标智能识别方法。首先,将滤波、Hilbert包络解调和EMD等信号处理方法对水声目标的辐射噪声信号进行预处理,提取7个包含原始信号和预处理信号的时域和频域统计特征的特征集。然后,通过FDET从原始特征集中选择出7个敏感特征集。最后,将7个敏感特征集输入到7个支持向量机分类器中,利用遗传算法对7个分类器的结果进行合并,构成CSVMs分类器,从而实现对水声目标的智能识别。将该方法应用于舰船等水声目标的识别中,研究结果表明,该方法的识别性能优于单一SVMs分类器:同时,经过FDET得到的敏感特征集能明显地提高识别精度。     

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。     

基于成像声呐DIDSON的水域内鱼群数量估计方法*

为准确估计整片水域中的鱼群数量,提出一种利用成像声呐进行数量估计的方法。将成像声呐固定在调查船下,并使波束发射方向与船前进方向一致,通过走航调查方式采集水下信息,对采集的数据进行声呐图像构建、噪声去除、目标提取,其中噪声去除采用固定数据窗口的迭代最小二乘法,目标提取采用基于三倍标准差准则的阈值分割法。接着利用扩展卡尔曼滤波结合最近邻的多目标跟踪算法对图像中的个体目标进行一一计数,同时统计声呐扫描过的水域面积,获得目标个数的平均面密度值,最后结合水域占地面积,估算出整片水域中的鱼群数量。利用该方法实现对滴水湖鱼群数量的估计,通过与人工计数结果比较,发现基于声呐图像处理的数量统计方法具有较高精度,两者的统计值相差约10%。     

基于支持向量机的自动目标识别算法

基于对目标识别精确性的要求,提出了基于支持向量机的自动目标识别算法。介绍了基于支持向量机的自动目标识别系统的组成和识别流程,实现了目标的特征提取、SVM分类器的参数寻优,并将优化的SVM模型应用于未知图像的目标识别中。实验表明,该方法识别效果良好,具有较好的抗复杂背景的能力。     

水下目标亮点拓扑特征提取及自动识别方法

针对水下目标逆合成孔径声呐(Inverse Synthetic Aperture Sonar,ISAS)图像识别问题中观测角度随机多变,目标结构相互遮挡问题,提出一种基于多亮点拓扑矢量特征的ISAS水下目标识别方法。通过分析ISAS成像过程中散射点位置由三维空间向二维成像平面的投影关系,表明了横向定标后的声呐图像中强亮点之间的距离仅由目标散射结构之间的物理距离决定,据此基于强亮点之间的相互距离,构造能稳定描述不同观测角度下目标的拓扑矢量特征。然后通过K-means聚类获取多聚类中心以克服目标结构互相遮挡造成的亮点缺失问题。最终采用最近邻分类器实现目标识别。水池缩比模型实验表明,该方法对于水下目标的识别率达到84.0%。     

水下目标识别中的特征优化选择

本文将模式识别中的特征选择方法用于水下目标特征的优化选择。用距离测度作为选择的准则,对提取的三类舰船噪声的高维组合特征进行自动选择,并用10-折交叉验证方法对选择出的特征子集进行评估,分析结果说明该方法能从原始的特征集中选择出有利于分类的特征子集,提高了水下目标分类的正确率。     

舰船噪声听觉节奏特征

舰船噪声调制包络能反映舰船噪声听觉节奏特征,但在对其进行谱分析和特征提取过程中会损失部分信息。直接将舰船噪声包络可视化,并采用简单的人机交互提取特征量,对噪声分析和识别是有利的。包络分析采用多子带融合方法,将\"最优\"调制包络看作一种随机过程,并将舰船噪声的多子带检波信号看作是对\"最优\"调制包络的一次观测,对其作循环相关,用有限次观测的集种平均作为\"最优\"包络的估计,从而得到多子带融合包络,舰船噪声实测数据验证了该方法的有效性。     

基于补偿距离估计的光纤振动信号特征提取算法

为进一步提高光纤振动信号模式识别的实时性及准确性,提出一种基于补偿距离估计技术的信号特征提取算法.算法借鉴人类听觉感知机理,对光纤传感振动信号提取Mel频率倒谱系数特征向量,采用补偿距离估计技术制定特征筛选策略实现特征评估与优化.实验结果表明,基于补偿距离估计技术的振动信号特征提取算法可以有效减少光纤传感系统中影响分类...