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。      

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。     

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。     

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。     

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.      

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。     

声学回波统计的鱼群密度评估方法*

与传统的回波积分法相比，回波统计鱼群数量密度评估方法具有无需回波信号绝对量和鱼群中个体鱼的平均目标强度先验知识的优点。对该方法在鱼群数量密度评估上的应用问题进行了实验研究，并针对其中鱼群密度分布的不均匀性及统计样本量偏少导致评估结果偏差的问题，提出了一种基于能量阈值的鱼群回波数据预处理方法和统计样本的改进抽样方法，有效提高了该方法鱼群密度评估的精确度。与传统的回波积分法评估结果的对比分析表明，该评估方法适用于低密度鱼群的评估。     

预测特征误差映射及其在多基地水下目标识别中的应用

针对水下多基地目标识别问题,提出了基于特征预测和误差映射的多基地融合识别算法。推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对最后一个节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度,将其与前面每个节点的条件概率累乘,以得到目标识别的条件概率。将利用特征预测计算条件概率的方法从单个节点推广到多个节点上,同时针对误差概率分布模型不准确的问题,提出了利用混合高斯分布模型代替单高斯概率分布模型的改进方法。对每个目标重复此过程,取结果最大值对应的目标类别为最后的识别结果.在消声水池开展多基地模拟实验,对四类目标进行识别,在一定声呐节点数目及信噪比条件下,与单基地声呐相比,多基地目标融合识别得到的识别正确率最大可提高40%,采用改进方法以后,识别正确率得到进一步提高。      

自适应线谱干扰抵消器的性能及其非维纳滤波现象

自适应滤波器的性能通常采用维纳滤波器理论来分析,本文指出自适应线谱干扰抵消器不符合经典解的现象。在对权系数的动态分析中,揭示了非维纳滤波效应产生的机理。