水下对转螺旋桨流致辐射噪声机理与预报方法*

水下对转螺旋桨流致辐射噪声的预报对于水下目标的特征提取和分类识别具有重要意义。由桨叶的旋转引起的湍流场是水下对转螺旋桨流致辐射噪声的源场。分述了水下对转螺旋桨湍流边界层脉动、旋转干涉效应和空化效应引发的水动力噪声机制和研究进展,比较了目前工程应用中的3种对转螺旋桨流致辐射噪声预报方法的特点。在分析对转螺旋桨流致辐射噪声数值预报难点的基础上,综述了对转螺旋桨流致辐射噪声计算方法的研究进展,指出间接数值模拟方法是工程中进行对转螺旋桨流致辐射噪声预报的有效方法。     

圆合成孔径声呐多点定位运动补偿

圆合成孔径声呐(CSAS)的成像性能受平台运动误差影响而下降,利用单侧回波可估计CSAS基阵的斜距误差,但单侧回波在小测绘带时无法估计升沉误差,针对此问题,提出了一种利用单侧回波信号的声呐平台三维运动估计和补偿方法。首先,对CSAS在不同观测角度的目标回波取极大值获得目标回波的到达时间;其次,基于多个点目标的到达时间建立CSAS三维定位模型;然后利用列文伯格-马夸尔特方法对声呐三维坐标进行估计;最后将位置估计结果与时域反投影成像方法结合实现对目标的成像.仿真结果表明:该方法能精确估计声呐平台运动误差,其空间坐标的估计误差小于仿真信号波长的1/8,从而精确补偿了CSAS在不同空间采样点上的阵元回波时间差,显著提高了目标成像质量。湖上试验结果表明,该算法能够实现对CSAS的运动误差补偿。仿真和试验结果均验证了方法的可行性和有效性。      

水下对转桨无空化噪声调制理论分析与试验研究

水下对转桨无空化噪声由流场-桨叶相互作用引起,调制特性是水下对转桨无空化噪声的重要特征,本文研究了水下对转桨无空化辐射噪声调制机理。首先利用广义声类比方法得到了无空化条件下水下对转桨的远场声压谱,建立了水下对转桨无空化噪声的调制模型,然后数值仿真了模型对转桨无空化噪声的功率谱和调制谱,最后在空泡水筒中进行了模型对转桨的无空化噪声测量试验,数值仿真结果和试验验证了调制模型的准确性。该模型对于水下对转桨无空化噪声调制特性预报及目标识别具有重要价值.      

水下目标多模态深度学习分类识别研究

水下目标的分类识别对于水声探测具有重要意义。提出一种水下目标多模态深度学习分类识别方法。针对水声信号的一维时域模态和二维频域模态特征建立一种多模态特征融合的深度学习结构,结合长短时记忆网络和卷积神经网络的优点,对一维时域信号和二维频谱信号分别进行并行处理,对输出进行典型相关分析,形成特征融合表示,并利用相邻帧的相关性进行参数优化。利用实测水声信号对算法进行了验证。结果表明：提出的算法对于水下目标识别的精度有显著的提高。