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。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.     

改进的梅尔倒谱系数在低空飞行器特征提取中的应用*

梅尔倒谱系数特征提取技术依据人耳的感知特性将声信号从线性频域转换到梅尔域,在语音识别中得到广泛应用。该文将梅尔倒谱系数技术用于小型低空飞行器的声信号特征提取中,并针对螺旋桨驱动类的小型低空飞行器具有稳定的强谐波特性,对梅尔倒谱系数特征提取中使用的梅尔滤波器进行改进,通过对此类谐波处的线性频谱与梅尔谱转换曲线的斜率进行投影替换,提高滤波器对该谐波处信号的感知敏感度。仿真结果表明,使用改进的梅尔倒谱系数特征提取方法对小型低空飞行器进行特征提取时,能够得到更低的等误识率,并且在低信噪比环境中,改进的梅尔倒谱系数特征提取方法具有更好的抗噪能力。     

Mel频率倒谱系数平滑的耳机均衡

适当均衡耳机到鼓膜的传递函数可有效提高耳机声重放效果。耳廓与耳道滤波效应引起的幅度峰谷有助于人耳听觉感知,以平直幅频响应为目标的幅度均衡无法保持适当的峰谷。该文提出了基于roex滤波器与Mel频率倒谱系数的耳机到鼓膜的传递函数平滑方法,用于模拟人耳听觉感知特性和平滑耳机到鼓膜的传递函数,使均衡后的幅频响应保持相应的峰谷,避免了幅度峰谷过渡均衡。实验结果表明,进行耳机到鼓膜的传递函数平滑的幅度均衡对提高耳机的音色有显著作用,基于Mel频率倒谱系数平滑的幅度均衡对提高耳机的音色最为显著。     

基于DEMON谱和LSTM网络的水下运动目标噪声基频检测

传统的船舶辐射噪声基频检测方法不仅依赖大量的先验知识,而且对背景噪声非常敏感.为了提高目标识别的稳定性和精确性,该文提出了一种基于深度神经网络的基频检测算法.首先从多通道水听器信号中提取DEMON谱,然后直接将二维谱特征矩阵输入由卷积神经网络和长短时记忆网络构成的级联网络,最后通过稠密层输出实现对基频的估计.仿真和外场...     

基于双耳模型的倒谱系数在声目标识别中的应用

在声目标识别中,基于单路信号的特征提取算法难以保证特征在低信噪比条件下的鲁棒性。针对该问题,本文使用由两个传声器组成的小孔径阵列采集信号,采用Stereausis双耳听觉模型对两路信号进行综合处理,在此基础上设计了基于双耳模型的倒谱系数,并将其作为识别特征应用于多类地面目标识别。试验表明该特征可有效提高识别系统的识别性能和抗噪声能力。     

基于不相似度评价的水下声目标分类与听觉特征辨识

本文旨在探索人类被试对水下声目标的感知分类及在该过程中所利用的听觉特征.首先设计了成对比较实验.然后利用CLASCAL算法对实验获得的不相似度评分进行建模,获得感知空间,并分析了3个公共维度、特异性和3个被试潜类各自的特性及其在目标感知分类中所起的作用.最后,基于Gammatone听觉滤波器组对声样本进行分析,发现了能够有效描述3个公共维度以及节拍特性的听觉特征,并利用它们构造决策树对新样本实现了分类,从而为实际中如何应用这些特征提供了指导.     

水下目标弹性声散射信号分离

水下目标弹性声散射与其他声散射成分在时域和频域上均存在混叠, 现有信号处理方法受分辨力限制无法在混叠状态下识别目标弹性声散射特征. 针对这个问题, 提出了一种目标弹性声散射信号分离方法. 以目标回波亮点模型为基础, 分析了线性调频信号入射时目标声散射成分的信号特性, 提出了一种目标声散射成分向单频信号的映射方法, 并理论推导出了目标声散射结构与映射结果之间的线性对应关系, 实现了通过窄带滤波分离出目标弹性声散射成分. 仿真与消声水池实验数据处理结果表明, 该方法基本可以完全分离出目标回波信号中的弹性声散射成分, 分离出的弹性声散射具有与理论一致的信号特征, 验证了该分离方法的有效性.     

利用倒谱方法实现气声发育的重建

本文介绍了一种利用复倒谱来实现气声发音重建的方法，首先分析了气声发音的语音特征；进而在复倒谱序列中加入基频率特征其恢复到正常的语音，对元音（ａ）以及实际语音段进行了处理。均有较好的效果。     

利用倒谱方法实现气声发育的重建

本文介绍了一种利用复倒谱来实现气声发音重建的方法。首先分析了气声发音的语音特征；进而在复倒谱序列中加入基频特征使其恢复到正常的语音。对元音［a］以及实际语音段进行了处理，均有较好的效果。     

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...     

多普勒频移和干涉谱联合的水声目标运动参数估计

常见水中运动目标会辐射连续谱噪声和线谱噪声,连续谱噪声在浅海波导环境中形成明暗相间的干涉条纹。根据干涉条纹可以得到目标最近距离与速度的比值,无法直接解出两个参数值。针对利用干涉条纹无法分别估计最近距离与速度问题,提出一种多普勒频移、干涉条纹结合的运动参数估计方法。根据单条线谱多普勒频移得到最近距离与速度参数耦合曲线,再将该曲线与干涉条纹得到参数比值线相交,交点即为两参数估计结果。数值仿真估计声源运动速度、最近距离,在信噪比6dB条件下,平均估计误差分别为0.71%与0.87%。将该方法应用在2021年6月大公岛海域海试数据,5组实验数据估计目标运动速度、最近距离平均误差分别为2.5%,4.4%,证明了方法的有效性。     

水声通信网络定向搜索AODV协议研究

水声通信网络是水声研究的一个热点问题。由于水下声网络带宽窄、传播延迟大、能量受限等特点,无线电网络中一些成熟的路由协议,如DSDV、AODV等的应用受到了很大的限制。本文结合按需距离矢量(AODV)路由协议和地理位置协议,提出了一种适用于水下网络的路由协议——定向搜索AODV(DSAODV)路由协议。DSAODV协议利用地理位置信息约束路由请求分组(RREQ)寻找路由的范围,降低了路由寻径的开销,减少了网络拥塞。仿真结果表明,DSAODV协议在吞吐量、协议开销等方面都优于AODV协议。     

深海远程正交频分复用水声通信块间迭代稀疏信道估计方法

在深海远程正交频分复用(OFDM)水声通信中,信道时延长、频率选择性衰落严重,传统的块独立压缩感知稀疏估计需要较高导频插入密度才能保证一定的估计性能,通信频谱利用率较低。提出了一种基于信道稀疏时变建模的块间迭代信道估计方法,利用深海信道在两个相邻OFDM数据块之间的时间相关性建立块间信道稀疏多途结构的时变关系,在此基础上,对传统稀疏信道估计算法中的候选字典矩阵的字典原子进行删减并改进优化方程,实现了对前一数据块所估信道信息的有效利用,显著降低了信道估计所需的导频插入密度。在深海不同接收深度、不同距离条件下开展了海试验证,实验结果表明,与传统稀疏信道估计方法相比,本方法在导频插入密度减半的条件下可达到优于传统方法的估计性能。     

水声无源材料插入损失虚拟聚焦测量方法

提出了一种适合在有限尺寸水池中测量水声材料插入损失的方法,称为\     

A perceptual space for underwater man-made sounds towards target classification

This work is the second part in a series of studies about the auditory features for underwater target classification, focusing on man-made vehicle targets (i.e. submarines, patrol boats and large surface ships). A psychoacoustic method, which is suitable for a small number of samples, was used. An optimal model with three common dimensions, specificities and latent classes was selected on the basis of the dissimilarity ratings among representative sounds and with the use of an extended version of the multidimensional scaling algorithm CLASCAL. However, such a three-dimensional space could not absolutely separate targets, whereas the first dimension in the four-dimensional space discriminated the submarines, patrol boats and ships; thus, the four-dimensional space was superior in target classification. The stepwise regression method was used to establish the relationships between individual dimensions and typical auditory features. Results showed that the first dimension was represented by the linear combination of zero-crossing rate and spectral variation, whereas the second dimension was described by attack slope. The last two dimensions were not associated with any features, and they were proved to include meaningless data noises. Finally, through a contrastive analysis, the perceptual space obtained in this study was found to be a good ‘local’ representation of the space in the first part of the study series.     

水下材料声学性能宽频段测量方法

本文根据脉冲法和传递函数法的测试原理,建立水下声学材料吸声性能宽频段测量方法,在同一水声声管,相同状态下,对橡胶材料吸声性能进行测试分析。分析表明:常压及加压环境下,采用传递函数法和脉冲法测量材料的吸声性能,在重合频段(4 kHz～5.5 kHz)测试结果基本一致,测试偏差小于5%,从而验证了不同测量原理,测试材料水下声学性能的通用性。因此,采用传递函数法和脉冲法,可以实现水下材料声学性能宽频带测试。     

Channel temporal correlation-based optimization method for imperfect underwater acoustic channel state information

The rapid time variations and large channel estimation errors in underwater acoustic (UWA) channels mean that transmitters for adaptive resource allocation quickly become outdated and provide inaccurate channel state information (CSI). This results in poor resource allocation efficiency. To address this issue, this paper proposes an optimization approach for imperfect CSI based on a Gauss–Markov model and the per-subcarrier channel temporal correlation (PSCTC) factor. The proposed scheme is applicable to downlink UWA orthogonal frequency division multiple access systems. The proposed PSCTC factors are measured, and their long-term stability is verified using data recorded in real-world sea tests. Simulation and experimental results show that the optimized CSI effectively mitigates the effects of the temporal variability of UWA channels. It demonstrates that the resource allocation scheme using optimized CSI achieves a higher effective throughput and a lower bit error rate than both imperfect CSI and the CSI predicted by the recursive least-squares (RLS) algorithm.     

联合稀疏表示在水下目标分类中的应用

水下目标分类识别的性能受所选特征的限制,多特征往往可以获得更加稳定的结果,针对这一问题,提出了一种基于联合稀疏表示模型的水下目标分类识别方法。首先对水下目标回波信号提取3种具有信息互补性与关联性的特征:中心矩特征、小波包能量谱特征、梅尔频率倒谱系数特征,然后应用加速近端梯度法对联合稀疏表示模型进行优化,求解得到最优联合稀疏系数,最后根据最小误差准则确定目标类别。在消声水池开展模拟实验,对6类目标进行分类识别,结果表明:与传统算法相比,提出的算法具有更高识别准确率,并且其执行效率较传统算法有很大提升。