结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。     

低信噪比下基于多元变分模态分解的水下蛙人特征提取

为提高低信噪比下对蛙人辐射噪声的提取能力,提出了一种矢量多通道信号的水下蛙人辐射噪声特征提取方法。首先针对矢量多通道信号使用多元变分模态分解,得到固有模态函数。然后选取能量最高的模态函数组作为研究对象,计算该模态函数组互谱后的加权排列熵。最后提取加权排列熵频谱的蛙人特征量。海试结果表明,本方法可在无需先验信息情况下,提取由矢量水听器采集的蛙人信号特征,在检测率为80%的情况下抗噪能力较传统算法提升了10 dB。     

一种抗噪分形维计算方法及其在声纳图像识别中的应用

用于计算图像分形维的差分盒计数法(DBC)和鲁棒差分盒计数法(RDBC)都对脉冲噪声和斑点噪声较敏感,为此本文提出一种抗噪差分盒计数法(NRDBC),利用剪切局部标准差(TLSD)来计算图像分形维,由于TLSD可有效滤除脉冲噪声和斑点噪声、且对高斯噪声敏感性小,因此NRDBC能对有噪图像进行可靠的分形维估计。利用多分辨率的DBC、RDBC和NRDBC对混有高斯噪声、脉冲噪声和斑点噪声的7种Brodatz纹理以及3种海底的侧扫声纳图像进行了分类实验,结果表明,本文提出的NRDBC可获得更高的识别率和更好的抗噪性。     

可模式识别的水声成像方法

提出一种在自由环境中可以进行模式识别的水声成像方法。利用角域滤波将空间不同入射方向的平面波在阵元域中进行分离,在成像扇面内按要求设计一系列角域带通滤波器,这些滤波器的输出就是从角通带内入射的平面波在阵元域中的快拍数据,可以实现要求输入为阵元域特性数据的目标识别和底质分类等专用的模式识别算法,角域滤波器输出的平面波快拍数据的幅度作为像素值进行水声成像。采用角域滤波的方法可以进行水声成像得到所需要的声图,并且每个像素对应着相应点目标远场平面波入射到接收阵时所产生的快拍数据。仿真和实验数据处理结果表明,采用角域滤波和利用常规波束形成所得到的声图是一样的,并且两种成像方法具有相同的稳健性。      

Walsh变换对鱼类特征识别的研究*

鱼种的快速识别是渔业资源评估乃至海洋生态系统监测重要组成部分。与传统的拖网捕捞等方法相比,声学方法具有快速有效、调查区域广、不损坏生物资源、可持续观察等优点。鱼类的声学识别方法主要是基于鱼类回波信号特征的识别, 鱼体形状及组成结构的复杂多样导致其回波信号非常复杂,因此利用简单的回波包络或能量特征识别鱼类效果往往不能令人满意。本文提出一种基于Walsh 变换的鱼类回波识别方法。试验获取鲫鱼、 嘎鱼、武昌鱼的回波信号,处理过程中分别提取三种鱼类回波包络信号的Walsh谱作为识别特征量,并利用BP神经网络分类器对其进行了分类。结果表明利用回波的Walsh谱可以成功识别不同形状的鱼类,其中对武昌鱼的识别正确率达90%以上。     

海底图象设备

本介绍了本海底图象设备的原理、组成和功能,并给出了侧扫声呐和剖面声呐的一些声图。     

扰动声线声压敏感核用于浅水前向散射小目标定位

针对收发合置声呐在浅水信道中对小目标的定位能力受强混响制约的问题,开展了利用目标前向散射的声屏障实验研究,通过计算扰动声线的声压敏感核实现了在自然环境中、非等声速条件下的小目标定位。扰动声线的声压敏感核反映的是因目标进入探测区域而扰动到的声线所包含的目标位置信息.首先,从众多本征声线中确定可以用于目标定位的扰动声线;然后,利用扰动声线的声压敏感核的空间特性实现定位。将该定位算法用于湖试数据,实现了利用20~28 kHz的线性调频信号对直径0.4 m目标球的定位。并且通过比较不同参数假设下的计算结果,发现该定位算法对于目标材质和尺寸的失配均具有较好的鲁棒性.      

水下蛙人被动探测测向实验研究

为了对携带开式呼吸器的水下蛙人进行被动探测,本文采用四个水听器组成的十字阵在浅海水域对水下开式蛙人进行了被动探测、测向实验。结果表明:蛙人辐射噪声具有周期性特征,其周期与蛙人的呼吸频率有关;另外,蛙人呼吸辐射噪声具有显著频带,并且其频带与蛙人携带的呼吸器有关。根据蛙人辐射噪声的显著频带和周期性特征,设计信号处理算法实现了对蛙人的被动声学探测识别。使用互相关方法处理一对水听器的接收信号,可以确定蛙人的方位,但是根据理论分析会出现一个假方位。对比十字阵中两对水听器的测向结果可确定蛙人的准确方位。     

自适应分段时域质心特征在鱼类识别中的应用

提出了一种基于时域质心的时域自适应分段方法。该方法以时域质心为依据对信号的时域进行划分,在划分的各个子段内计算时域质心,并将其作为下一层划分的分割点。各个子段内的时域质心反映了信号的能量分布特性,可作为识别特征量。对三种常见的不同形状的鱼类进行了水池试验,提取自适应分段时域质心特征,并使用BP神经网络分类器成功进行了分类。结果表明:利用自适应分段时域质心特征可对不同形状的鱼类进行识别,且具有较高的识别率。     

Pi-Sigma神经网络在实时底质分类中的应用

本文基于Pi-Sigma神经网络,设计了一种针对水声回波信号的实时底质分类器,它具有运算快速、正确率高的特点,在海试中实现了实时底质分类,取得良好的分类结果。