一种深度学习的立体阵波达方向估计方法

针对常规波束形成主瓣宽且目标分辨能力低的问题,提出一种基于深度卷积神经网络的波达方向估计方法。算法使用常规波束形成计算二维空间功率谱,将预处理后的空间功率谱图输入深度卷积神经网络。该文利用神经网络学习解卷积映射关系,输出主瓣宽度更窄的空间功率谱图,从而实现高分辨率二维波达方向估计。该算法对阵列结构没有限制,适用于立体阵。仿真结果表明该文方法在不同目标个数、快拍数及信噪比参数下均能准确估计目标方向。该文方法目标分辨能力优于常规波束形成方法。在低快拍情况下,目标方向估计误差低于自适应波束形成方法。     

时频谱图和数据增强的水声信号深度学习目标识别方法

水声目标识别一直是水声领域研究的重点问题之一,深度学习方法可以有效地解决目标识别问题,然而,水声样本的稀少限制了该方法的应用.该文提出一种基于数据增强的水声信号深度学习目标识别方法,该方法以Mel功率谱作为网络的输入特征,通过对原始信号在时域和时频域的拉伸和掩蔽等变换,实现数据扩展和增加泛化性能的目的,最后,利用改进的...     

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。     

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。      

进行子阵加权波束形成的波达方向估计

针对水声信道的多径效应以及海底散射信号信噪比低导致方位估计性能较差的问题,提出了一种基于子阵加权波束形成的UESPRIT算法(Weighted Beamspace UESPRIT Based on Subarrays,BS-BUESPRIT)。首先利用密集波束域转换矩阵估计回波信号的方位谱,进而估计同一时刻到达阵列的回波数目;之后将均匀线阵分为多个尺寸相同、相互重叠的子阵,利用加权波束形成对各子阵接收信号做指定方向的空域滤波;最后基于各子阵波束形成后的输出结果,利用UESPRIT算法实现回波方向的估计。仿真和湖试、海试试验结果表明,与UESPRIT算法相比,BS-BUESPRIT算法提高了信号波达方向估计性能,在多径和较低信噪比条件下有着更高的估计精度,应用于高分辨率测深侧扫声呐时有效地提高了声呐的测深性能。      

预测系数作约束条件的自适应基阵处理

线性约束的自适应阵处理算法的优点是突出的,但它需要预先知道感兴趣方向上基阵信号的频率特性并由此预先给出自适应迭代运算的约束条件。对于频率特性未知的情况,本文提出了自适应基阵处理的新方法。在实际情况下容易得到的是观测方向上的功率谱估计,而不是频率特性。这时可将最大熵谱分析与自适应阵处理结合起来,由测量到的功率谱可计算出自相关函数,由求解相关矩阵的正则方程可得到最大熵方法的预测系数,而预测系数可用作自适应阵处理的约束条件。本文还提出了在观测方向上,信号完全未知的更广泛的情况下,自适应基阵处理的新方法。首先用频率域全通的约束条件完成自适应基阵的空间滤波,并估计自适应阵输出的功率谱。然后用上面提到的方法,用预测系数作约束条件的自适应基阵处理器,完成空间——频率域的最佳过滤。最后进行了一系列计算机模拟实验,并给出了计算机模拟实验的结果。     

波束域加权子空间拟合算法

将阵元域高分辨加权子空间拟合算法（ＷＳＦ算法）推广到了波束域中,利用声系统接收基阵波束输出信息估计目标方位．由于波束输出可以看作是,一个阵元数为波束个数的虚拟阵的阵元输出,而在大多数的水声系统中,参与确定某个来向的信号方位的波束数通常远小于阵元数,从而算法的运算量得以大大降低。针对某水声系统接收基阵波束输出所作的计算机仿真结果表明,波束域ＷＳＦ算法应用到实际的水声系统时,可以保持其在阵元域中估计目标方位的优越性能。     

多输入多输出与时反联合的波导声呐有源目标定位

为了提高对浅海静止小目标的探测能力,提出了将多输入多输出和时反处理相结合的波导声呐处理框架。利用收发合置垂直阵,假设目标为点目标,每一个阵元轮流时反发射正交信号照射目标,整个阵接收对应的目标回波。当所有的阵元发射正交信号结束以后,对所有接收的目标回波数据进行分集处理,然后与时反发射驾驶向量做匹配滤波完成对目标的定位。分时发射策略克服了水声信道时延扩展和多普勒扩展导致常规多输入多输出处理接收端不同回波信号分离的困难。采用物理时反发射和数值时反接收聚焦,有助于抑制混响、提高回混比。数值仿真和波导水池实验结果表明多输入多输出时反处理较常规的有源匹配场处理以更高的精度对波导中的目标进行定位。      

频域单快拍压缩感知目标方位估计和信号恢复方法

方位估计和信号恢复分别是水下目标定位、跟踪和目标识别的前提。提出了一种阵列频域单快拍压缩感知的水下目标方位估计和信号恢复方法。首先将阵列接收数据变换到频域,取频域单快拍数据作为压缩感知的测量值,然后根据频域快拍对应的频率、搜索方位和阵列流形构造过完备的阵列流形矩阵作为压缩感知的感知矩阵,最后通过基追踪算法估计搜索方位上目标信号和功率,实现DOA估计与信号恢复。宽带仿真实验数据验证结果表明,同等条件下完成同样的目标方位分辨,提出的方法比最小方差无失真响应方法要求的阵元数和快拍数较少,要求的信噪比更低,恢复的目标信号更加准确,波形相关系数达到89%以上。海上实验数据处理结果表明,目标检测能力优于最小方差无失真响应方法,证明该方法可以适用于实际声呐系统。      

一种频域-波数域峰值筛选的无源声呐宽带检测方法

在水声信号处理中,传统的无源声呐宽带目标检测在多目标、强干扰的复杂环境中输出信噪比低,使得检测性能急剧下降。针对此问题,提出一种基于均匀线列阵在频域-波数域上宽带信号能量分布特性进行目标检测的方法。该方法首先将阵列信号转换到频域-波数域,利用不同频率下波数主瓣、旁瓣宽度特征以及空间分布特征,设计针对主瓣的判别与分配方法,实现对同一目标不同频率下波数谱主瓣判别,使用主瓣能量累积、主瓣数目累积的方式来形成方位谱,从而进行目标检测。理论分析和仿真结果表明,所提方法只利用对目标检测有突出贡献的波数主瓣,降低了旁瓣的影响,有效提高了无源宽带水声目标的检测能力。海上试验数据处理结果表明,目标输出信噪比相比子带峰值能量检测算法可提高5.58 dB,较传统能量检测可提高8.73 dB,计算时间相比传统能量检测降低46%,验证了所提方法的有效性与实时性。     

两阶段复数谱卷积循环网络立体声回声消除

提出了一种两阶段复数谱卷积循环网络(CRN)的立体声回声消除(SAEC)算法,该算法无需对立体声信号进行去相关,因而能够在保证立体声音质和空间感的同时,解决自适应滤波SAEC算法非唯一解问题。所提算法采用两个阶段进行回声消除,第一阶段根据传声器接收信号和参考信号估计回声信号,第二阶段将估计回声信号作为先验信息,联合传声器接收信号作为输入特征,估计近端语音。相对于单阶段CRN算法,该方法能够提高网络对回声和近端语音的区分度,有助于近端语音的提取。另外,网络的输入特征和训练目标均采用复数谱,降低了近端语音的相位估计误差,因而可以进一步提升算法性能。实验表明,基于两阶段复数谱CRN的SAEC算法在单端讲话时的回声抑制量和双端讲话时的语音质量都明显优于传统算法以及单阶段CRN算法。      

Direction of arrival estimation for underwater acoustic target based on compressed sensing after blind reconstruction of array signal in frequency domain

The performance of direction of arrival(DOA) estimation based on compressed sensing(CS) decreases in the complex ocean marine environment.In order to tackle this problem,a method of DOA estimation for underwater acoustic target based on CS after blind reconstruction of array signal in frequency domain is proposed.Firstly,the received array data are transformed to frequency domain by Fourier transform and frequency domain wideband signal are divided into part overlapping multiple sub-band array signal.Secondly,each subband array signal are separated using plural blind source separation(BSS) method,the sub-band separated matrix and target signal can be estimated.Thirdly,the array signal in frequency domain are reconstructed according to the separated matrix and separated signals which were not noises.Fourthly,the sub-band spatial spectrum corresponding to the reconstructed array signal is obtained by CS beamforming method.Finally,the total spatial spectrum is achieved by summing the all sub-band spatial spectrum.And the target direction can be estimated by searching the peak value of the total spatial spectrum.The verification results of simulator data and sea measured data show that,under the same conditions,the target detection ability and direction precision of the proposed method is superior to the classical minimum variance distortionless response(MVDR) method,frequency domain CS method,BSS combined with MVDR method.The spatial spectrum energy of faint target signal is improved obviously,and the ability of the sonar to detect faint target is enhanced.     

室内两步法监督式学习双耳声源距离估计

提出一种室内环境下两步法监督式学习双耳声源距离估计算法,该算法通过预先估计声源方位角信息以克服声源方位角的变化对声源距离估计性能的不利影响.该算法第1步利用深度神经网络模型估计声源的方位角,并将不同方位角的双耳信号分类;第2步中对每个方位角的双耳信号采用独立的深度神经网络模型进行声源距离估计,其中距离特征选用双耳信号的一些双耳特征和统计特性。在仿真和实际环境下,本文提出的两步法声源距离估计算法的距离估计准确率比现有算法提高了3%~5%左右,并且在各种不匹配环境下的距离估计准确率比现有算法高出5%~10%左右。实验结果表明利用声源方位角信息可以有效提高双耳声源距离估计算法的性能。      

正交多相码连续波主动声呐回波检测算法设计

与常规脉冲式主动声呐相比,连续波主动声呐能够提高目标回波的时间处理增益和目标信息更新速率。该文提出一种由正交多相码合成的连续发射波形,分析了发射信号和目标回波模型,设计了多通道匹配滤波器组完成回波检测。为了进一步提高接收机检测性能,提出了多通道非相干积累的处理方法。通过数值仿真,分析提出的连续波形的多普勒分辨性能和目标信息更新率。通过蒙特卡罗法获取接收机工作特性曲线,比较了脉冲式主动声呐和连续波主动声呐在均匀混响背景下对单目标检测性能的差异。仿真结果表明,该文设计的连续波波形具有较好的多普勒分辨性能,在均匀混响背景下,回波检测算法能够明显提高单个目标的探测能力。     

联合精确比值掩蔽与深度神经网络的单通道语音增强方法

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。      

基于微透镜阵列匀束的激光二极管面阵抽运耦合系统分析

为了提升高功率固体激光器中激光二极管(LD)面阵抽运场性能,采用几何光学和数理统计分析的方法,建立了基于微透镜阵列匀束的LD面阵抽运耦合系统的数学与物理模型,对微透镜阵列参数与最终耦合输出抽运场参数之间的关系进行分析,明确了微透镜单元F数、微透镜通光单元数以及微透镜阵列空间周期参数的设计原则.经实验测试,优化设计完成的LD面阵抽运耦合系统光场不均匀度为7.9%,耦合效率为90.7%.     

分数阶双稳系统中的非周期振动共振

在受二进制非周期信号和周期方波信号激励的分数阶双稳系统中,研究了非周期振动共振问题,用于微弱非周期信号的检测和增强.当非周期信号脉宽较大时,系统为小参数,通过调节周期方波信号的幅值,能够实现非周期振动共振.当非周期信号脉宽较小时,分别通过变尺度法和二次采样法实现了非周期振动共振.使用变尺度法,得到的大参数等价系统能够匹配任意小的非周期信号脉宽,其中变尺度系数是该方法在使用过程中需要选择的关键参数.使用二次采样法,二次采样后得到的非周期信号具有较大的脉宽,能够匹配原先的小参数系统,其中二次采样频率比是该方法使用过程中的关键参数.这两种方法虽然实现非周期振动共振的物理过程不同,但能够达到相同的效果.系统阶数对振动共振产生影响,随着阶数的增大,发生最佳振动共振时所需要的辅助信号幅值变大,同时系统输出的最佳时间序列与输入非周期信号之间的相似性增强.     

纳秒脉冲电压的波形重建

 介绍了一种根据脉冲电压测量系统的输入输出波形对纳秒脉冲电压信号测量系统进行参数计算的方法和技术，该方法基于最优化原理，并将其应用于快脉冲电压波形的重建。重建的波形用电容分压器实测波形进行了检验，表明重建波形有比用积分器更好的效果。