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。     

时频分布重排方法在水下目标回声识别中的应用

特征提取是目标识别的关键技术,本文提出了一种基于时频分布重排的Wigner-Ville分布(WD)特征提取方法。选择WD作为研究问题的切入点,使用核函数方法,通过平滑伪Wigner-Ville分布(SPWD)抑制交叉项;为解决引入核函数导致信号时频聚集性下降问题,我们采用时频重排方法来增强目标的时频聚集性,最后用海上实验数据对本文方法进行了有效性检验。实验结果表明,本文提出的SPWD时频重排特征提取方法具有:(1)可有效抑制WD固有的交叉项;(2)增强目标回声信号时频聚集性;(3)可明显地提高水下目标识别率。该方法具有一定的应用推广价值,为解决水下目标识别问题提供了很好的思路。