利用目标信道特性约束的信道匹配检测算法

浅海有源声呐的探测性能主要受到多途扩展以及混响干扰的影响。为了提高声呐系统的检测性能,根据双扩展信道匹配原理,结合混响信道与声呐目标信道特点,提出了一种基于回波特性约束的信道匹配检测算法。该算法通过最小二乘匹配追踪算法估计信道稀疏响应,并根据混响和目标信道的扩展差异,通过约束目标信道扩展对稀疏信道响应去冗余,得到更精确的目标回波信道响应。利用该信道响应进行信道匹配检测,可以进一步提高信混比处理增益。数值仿真结果表明所提算法可以有效汇集多途信号能量并抑制混响干扰,提高声呐系统的检测性能;海试数据处理结果显示,在试验信道条件下,所提算法处理结果的峰值信混比,与匹配滤波相比提升约7~12 dB,与传统自适应相关器相比提升约6~7 dB。      

用于浅海有源声呐目标深度估计的匹配相位处理EI北大核心CSCD

针对浅海波导中有源声呐目标深度估计问题,提出了通过单个声源发射低频宽带信号,垂直双接收水听器接收目标回波,利用宽带目标回波比值的相位特征进行匹配相位处理的方法,不仅消除了目标散射特性对有源声呐目标深度估计的影响,而且仅需计算单程的信道传递函数,运算量小,有利于实时处理的实现需求。首先通过理论推导,定义了一个隐含目标深度、且与目标散射特性无关的声场特征——单程传播向量宽带干涉结构,在Pekeris波导条件下仿真分析了简正波阶数与单程传播向量宽带干涉结构的幅度和相位的关系,发现选取较多的简正波阶数贡献的单程传播向量宽带干涉结构进行匹配相位处理可以提高目标深度估计的性能。进一步仿真分析表明,在发射信号选取一定的时间长度和带宽的条件下,利用全部阶简正波且信噪比大于-10 dB时,方法的深度估计误差在5 m之内。最后分析了信号时间长度和处理带宽对有源声呐目标深度估计性能的影响,以及海底声速、海深和声速剖面失配时方法的鲁棒性。     

多基地空时码探测信号设计及时反相关检测技术

为实现浅海复杂环境下的多基地声纳多源目标回波分辨,本文设计了一种适用于多入多出垂直阵信道环境下的空时码探测信号,并针对倾斜垂直阵的多途子信道差异问题,提出了信号的时反相关检测技术.空时码探测信号采用伪随机信号调制,具有良好的正交性,能在抗子信道严重衰落的同时,分辨多源目标回波.垂直阵受水流冲击,呈倾斜状态时,其多途子信道不一致性会导致各子信道传递信号无法在接收端聚焦,使阵列增益受损,同时导致时延测量能力下降和信号判决错误率上升,为此本文设计了信道训练信号用以估计多途子信道环境,通过虚拟时间反转镜获得子信道不一致条件下的最佳匹配检测信号,实现对接收信号的时反相关检测.仿真结果表明,本文所设计的探测信号和检测方法,能够克服复杂的信道条件和多途子信道不一致性引起的检测问题,满足多基地声纳探测需求,实现多源目标回波分辨.     

浅海负跃层条件下的双基地有源探测实验及定位声速修正

为了研究浅海条件下海底固定水平阵和机动声源的双基地有源探测性能,建立了浅海双基地有源探测仿真模型,分析了实验海区负跃层条件下的传播损失和多途能量扩展损失,实现了双基地有源探测的性能预估。以模型仿真为基础,在南海北部海域开展了一次浅海双基地有源探测实验.针对定位中的声速与实验中目标回波的脉冲传播速度的偏差导致定位精度下降的问题,提出了一种目标回波脉冲传播速度近似估计方法。实验结果表明,双基地有源探测可在浅海负跃层条件下实现对水中目标的有效探测,多个实验站位的回波信噪比实测值与仿真预测值符合较好,定位声速近似估计方法可进一步提高定位精度。      

浅海小目标前向散射的非互易时反检测方法

将无源非互易时反(NRTR)用于浅海小目标前向散射探测海上实验研究,提出了一种基于频域加权松弛的信道估计算法(WRELAX)和时反方法相结合的小目标探测算法(WRELAX-NRTR)。该算法采用高精度的信道响应估计实现信道的空-时匹配,利用目标引起的时反声场结构的畸变检测前向散射信号对声场的扰动实现目标探测,并通过阈值法实现目标判决。在15~30 kHz的信号频率范围内进行海上实验,数据的处理结果表明,提出的WRELAX-NRTR探测算法与传统的NRTR算法相比,环境背景的扰动幅度从10 dB减小到4 dB,从而降低了虚警率,另外该算法对海洋环境噪声、目标聚焦深度、目标穿越距离和信道动态变化等均具有良好的鲁棒性。      

基于动态阈值匹配追踪的主动声呐直达波抑制方法

双基地声呐中的直达波干扰可以通过重构抵消的方式进行抑制。这种方法需要对直达波信道进行估计，传统的正交匹配追踪算法的收敛速度慢，分步正交匹配追踪等算法在提高收敛速度时牺牲了信道估计精度，导致回波检测能力下降。本文提出一种动态阈值匹配追踪算法估计直达波的信道响应，在提高收敛速度的同时兼顾了信道估计精度。在仿真环境中，达到同样的直达波抑制效果，所提算法与传统正交匹配追踪算法相比，收敛速度显著提升，检测输出的回波强度比分步正交匹配追踪算法高4dB；海试数据处理结果中，所提方法迭代收敛速度较正交匹配追踪算法提升4倍；输出的回波强度比分步正交匹配追踪算法高2dB。     

进行子阵加权波束形成的波达方向估计

针对水声信道的多径效应以及海底散射信号信噪比低导致方位估计性能较差的问题,提出了一种基于子阵加权波束形成的UESPRIT算法(Weighted Beamspace UESPRIT Based on Subarrays,BS-BUESPRIT)。首先利用密集波束域转换矩阵估计回波信号的方位谱,进而估计同一时刻到达阵列的回波数目;之后将均匀线阵分为多个尺寸相同、相互重叠的子阵,利用加权波束形成对各子阵接收信号做指定方向的空域滤波;最后基于各子阵波束形成后的输出结果,利用UESPRIT算法实现回波方向的估计。仿真和湖试、海试试验结果表明,与UESPRIT算法相比,BS-BUESPRIT算法提高了信号波达方向估计性能,在多径和较低信噪比条件下有着更高的估计精度,应用于高分辨率测深侧扫声呐时有效地提高了声呐的测深性能。      

浅海波导环境失配下的协方差矩阵拟合稳健匹配场声源功率估计

实际浅海波导中环境噪声为相干噪声,最小方差匹配场声源功率估计方法能在相干噪声背景下准确估计声源辐射功率,但该方法受环境不确定性影响较大;此外,由于最小方差匹配场声源功率估计方法使用信号幅度作为中间量估计声源功率,信号幅度估计误差会二次放大并传递到声源功率估计结果中。本文提出一种协方差矩阵拟合稳健最小方差匹配场声源功率估计方法,该方法引入信道传递函数不确定集,结合协方差矩阵拟合思想将声源功率估计问题建模为在信道传递函数不确定集约束下对函数取极值的问题,使用Lagrange乘子法求解该问题得到信道传递函数估计值和声源辐射功率估计值。环境失配影响声源辐射功率估计性能的根本原因在于信道传递函数偏差较大,协方差矩阵拟合稳健匹配场声源功率估计方法有效减小了环境失配时信道传递函数的偏差,从而显著提升环境失配稳健性。此外,该方法使用权值直接估计声源功率,无需使用信号幅度作为中间量,避免了估计误差的传递。仿真验证了协方差矩阵拟合稳健匹配场声源功率估计方法的环境失配稳健性。     

深海直达波区卷积神经网络测距方法

深海声场通常可以看作不同掠射角的多途声线在接收器处的叠加,其中经海底反射的声线携带与海底参数有关的声场特征。利用深度卷积神经网络分别学习垂直阵声压域(CNN-Field)和垂直阵波束域(CNN-CBF)特征的方法被用来估计直达波区声源距离。该方法首先对仿真直达波区声场数据做预处理,然后将声压域和波束域的声场数据分别作为训练集训练深度卷积神经网络模型,最后输入测试集数据到训练完成的模型中估计声源距离.实测环境参数的仿真实验表明CNN-Field方法在不同海底参数的测试集下测距结果差异较大,CNN-CBF方法差异较小,而且在16阵元10 m等间距垂直阵的阵元域信噪比大于0dB时估计准确率可以达到97%.海试数据处理结果表明CNN-CBF方法的直达波区内测距准确率高于CNN-Field,在距离10 km以内的平均准确率可以达到93.16%.      

起伏海面环境下水声信道特性及估计方法*

为了研究随机起伏海面的散射对水声信道特性的影响,以及不同信道估计算法在该信道条件下的性能问题,该文从利用Monte Carlo方法模拟的基于PM海浪谱的二维随机起伏海面出发,提取了与风向不同夹角的一维随机起伏海面,并利用Kirchhoff近似法计算了其散射强度。将得到的声散射特性和海面环境信息融入到信道模型中,建立了基于PM海浪谱的随机信道模型。通过仿真分析了不同风速、传播距离条件下,声波的传播损失和信道冲激响应变化,并利用l_0-最小均方误差法、匹配追踪算法和正交匹配追踪算法进行了信道估计。给出了不同环境条件下,三种算法估计性能的综合比较结果,验证了算法针对该信道模型的有效性。     

深度卷积神经网络在辐射环境下核废料检测中的应用

针对辐射环境下核废料检测准确率低的问题,提出一种基于深度卷积神经网络的辐射环境下核废料检测算法Dense-Dilated-YOLO V3。实验结果表明,Dense-Dilated-YOLO V3在不增加参数的情况下扩大了网络感受野,也有效避免图像信息的损失,同时能够在核辐射环境下提取到更多的目标细节特征,对辐射环境下目标检测的准确率可达93.29%,比原算法提高5.53%,召回率可达91.73%,提高了8.28%,有效解决了复杂辐射环境下核废料检测准确率低的问题,为辐射环境下核废料检测提供了新的途径。     

不确定海洋声场中的检测性能损失环境敏感度度量

现有的检测算法在实际的不确定海洋环境中会出现失配情况, 进而导致检测性能下降, 但是定量分析这种检测性能损失的工作却很少见, 因此本文定义了检测性能损失敏感度函数, 并给出了基于蒙特卡罗方法的计算方法.检测性能损失敏感度是一个表征海洋环境不确定度的物理量, 它反映了海洋参数变动和检测性能损失之间的关系.利用地中海某处海洋环境进行仿真, 针对各个海洋环境参数, 计算了全海域的检测性能敏感度. 结果表明: 1)检测性能损失呈现了很强的空间性, 在20 km处, 水面声速有4 m/s的变化下, 检测损失最小为1%, 而最大达到60%.声信道中的检测性能较为稳定, 其在远距离上更是如此; 2)各个海洋环境参数对检测性能损失有不同的影响, 水体声速剖面和第一层海底介质的声速和厚度是对检测性能影响最大的量; 3)环境参数敏感度呈现很强的频率特性, 海底底质参数包括底质厚度、密度和吸收系数等随着频率的升高对检测性能的损失影响变小. 关键词： 检测性能损失 环境敏感度 不确定海洋环境     

利用深海回声多途结构匹配估计目标深度EI北大核心CSCD

提出一种利用深海目标回声多途亮点簇时延和幅度结构匹配估计目标深度的方法。目标回声结构是双程信道传递函数和目标声散射函数的卷积,在深海近海面或近海底条件下表现出回声亮点簇的特性,且亮点簇时延幅度结构与目标深度相关,可用于估计目标深度。建立了在深度-距离网格上利用非线性规划代价函数对目标深度进行匹配估计的方法。分别对簇间时延偏差和海水声速剖面(SVP)偏差对匹配估计的影响进行了仿真分析。一次南海冬季试验结果显示,在水深1 km、距离5~8 km条件下,水下40 m处的目标回声呈现出3个时延间隔约0.3 s的亮点簇结构,将其用于目标深度匹配估计的误差范围在0~65 m。     

太赫兹波段豆油光谱的优化测量

太赫兹时域光谱技术是基于飞秒超快激光技术的有效的光谱检测技术,太赫兹波独特的优势使其成为一种有效的无损检测手段,并被广泛地应用到各个领域。然而在样品检测尤其是液体样品检测过程中,由于Fabry-Perot效应的存在,太赫兹波在样品、样品容器、以及光学元件之间的多次反射,使时域信号产生回波,样品的吸收光谱在频域内产生振荡,有可能会隐藏一些重要的吸收特征。为了解决这一问题,对解卷积算法进行改进,在传统计算模型的基础上,考虑系统中液体池窗片和光学元件对太赫兹波的非线性吸收,将包含回波的太赫兹时域信号描述为太赫兹主脉冲与一系列冲击信号和非线性传递函数的卷积。通过分析,有效去除回波引起的频谱振荡,进一步提高太赫兹波段豆油光学参数的测定精度。实验对比了改进前后0.2～2 THz波段豆油的频谱及吸收谱,实验结果证明,与传统的主脉冲截取法相比,本算法不仅能有效去除回波引起的频谱振荡,且在相同检测条件下,可将太赫兹波段豆油样品的频率分辨率由50 GHz有效提高至10 GHz。该算法不受被测对象参数的影响,同样适用于其他液体的太赫兹时域光谱测量。最后对吸收谱中残余的频谱振荡进行了深入分析。     

基于改进卷积神经网络的肺炎影像判别

目前肺炎类型判别主要依靠医生的经验,但一些肺炎的CT影像极为近似,即使有经验的医生,也容易判别错误,造成误诊。为此提出卷积神经网络分类算法,该算法由3个卷积层、3个亚采样层及1个完全连接层组成,并且对卷积层进行了特殊结构处理,由反向传播算法调整网络参数,并对反向传播过程提出了改进。临床实验证明,该方案较现在普遍研究的分类算法,如adaboost算法和svm算法具有更高的识别率和准确度,并且改进的卷积神经网络防止了训练数据时过拟合现象的产生。     

3D卷积自动编码网络的高光谱异常检测

高光谱图像包含丰富的地物光谱信息,在遥感图像领域有着巨大的发展前景。高光谱图像异常检测无需任何先验光谱信息,便可检测出图像中的异常目标。因此,在国防军事和民用领域都有广泛的应用,是现阶段高光谱图像处理领域的研究热点。然而,高光谱图像存在数据复杂、冗余性强、未标记以及样本数量少等特点,这给高光谱图像异常检测带来了很大的挑战。尤其是在深度学习中,往往需要大量的图像数据作为训练样本,这对高光谱图像来说很难获得。针对现有大多数算法对高光谱图像自适应性不强和空间-光谱信息利用不足的问题,提出一种基于3D卷积自动编码网络的高光谱异常检测算法,可以在少量训练数据的前提下,有效利用高光谱图像信息,学习更加有判别性的特征表达,提高检测精度。首先,通过3D卷积、3D池化和3D归一化等步骤设计3D卷积网络,进而提取高光谱图像的空间-光谱结构特征。然后,将3D卷积网络和3D反卷积网络分别嵌入自动编码网络的编码器和解码器,通过最小化结合均方差和光谱角距离的重构误差进行背景重构。最后,利用原始高光谱图像待测像元与重构的背景图像之间的马氏距离进行异常检测。该算法可以在无先验信息的情况下,自动训练网络中的所有参数,以无监督的方式学习高光谱图像的有效特征并进行背景重构。为证明算法的有效性,利用截取来自三组真实高光谱数据集的九个图像进行异常检测,并与RX,SRX,CRD,UNRS和LRASR五种算法进行对比。结果表明,与现有的其他算法相比,该算法可以在复杂程度不同的高光谱图像背景下可以保持较高的检测效果和准确率。     

基于迁移学习的原子力显微镜成像恢复方法

受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上.     

Bayesian Tracking in an Uncertain Shallow Water Environment

A Bayesian source tracking approach is developed to track a moving acoustic source in an uncertain ocean environment.This approach treats the environmental parameters(e.g.,water depth,sediment and bottom parameters) at the source location and the source parameters(e.g.,source depth,range and speed) as unknown random variables that evolve as the source moves.To track a target with low signal-to-noise ratio(SNR),acoustic signals from a series of observations are treated in a simultaneous inversion.This allows real-time updating of the environment and accurate tracking of the moving source.The noise signals radiated from a surface ship target are processed and analyzed.It is found that the Bayesian source tracking method could enhance the localization accuracy in an uncertain water environment and low SNR.     

基于抛物方程的海陆环境信号时延与到达角估计

针对复杂海陆环境中的无线信号传播预测问题,研究了适用于抛物方程的信号时延与到达角估计方法。将自由空间中抛物方程轴向波前信号视为本地副本信号,然后利用信号的自相关特性,将接收信号与副本信号进行互相关运算,最后通过相关函数的峰值检索,得到脉冲信号在复杂环境中传播的附加时延。采用数值算例,验证了该方法的正确性和有效性。此外,采用多重信号分类算法,由抛物方程构建接收阵列的协方差矩阵,并对其进行特征值分解,然后利用信号子空间和噪声子空间的正交性,实现复杂环境中的信号到达角估计。仿真结果表明,相比于传统的平面波谱方法,该方法具有更高的多径分辨率。基于上述方法,并结合数字地图,在典型的海陆环境中进行了仿真实验,分析了蒸发波导对脉冲信号传播时延和到达角的影响。