水下声目标的梅尔倒谱系数智能分类方法

传统水下声目标识别分类方法具有较强的人机交互特性,无法满足未来水下无人平台智能识别分类水声目标的需求。针对这一问题,提出了一种基于梅尔倒谱系数（MFCC）的水下声目标智能识别分类方法,该方法通过提取水下声目标梅尔倒谱系数特征,采用长短时记忆网络（LSTM）构建了智能识别分类模型。使用实际水声信号对该方法进行了验证,结果表明,基于梅尔倒谱系数的水下声目标智能识别分类方法能够在不依赖人工提取特征的情况下,对目标噪声进行识别分类,具备智能化识别分类能力。     

南中国海“G-Argo”声学浮标目标探测能力分析*

“G-Argo” 水下声学浮标作为一种新型的无动力无人移动观测平台,具备对海上目标广域、长时、隐蔽探测功能,是“透明海洋”工程立体观测系统的重要组成部分。本文通过在现有海洋环境观测浮标平台基础上,进行声学系统电磁兼容性优化设计,减小浮标平台对声学系统的电磁干扰,研制出具有目标探测能力的“G-Argo”水下声学浮标平台。并于2018年5月,在南海海区组织了多台水下声学浮标探测性能验证试验,试验结果表明,深海良好水文条件下,“G-Argo”水下声学浮标对航速10kn的配合试验船目标最远探测距离大于11km,对航速6.4kn的工程船目标最远探测距离大于42.8km,对航速12kn的集装箱船目标最远探测距离大于15.8km,对航速14.5kn的集装箱船目标最远探测距离大于24km。