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。     

Tamura纹理特征在水下目标分类中的应用

水下高速目标的功率谱图与非高速目标存在一定的差异性。本文介绍了Tamura纹理特征中粗糙度、对比度和方向度的计算方法。而后分别计算了非高速目标和高速目标的Tamura纹理特征量的三个特征量,通过比较发现其在对比度上存在较为明显的差异性。根据支持向量机分类结果进行了特征量选择分析研究,从分类结果来看,利用粗糙度和对比度两个特征量可以较好的分辨高速目标与非高速目标。     

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。     

改进的自适应Kalman滤波及其在水声机动目标跟踪中的应用

针对在水声机动目标定位跟踪领域广泛应用的传统Kalman滤波往往难以实现机动目标运动方向突变情况下的有效跟踪问题,本文通过分析传统Kalman滤波性能下降时机动目标的运动轨迹,并由此根据机动目标运动方向变化量来产生自适应因子以调整Kalman增益。数值仿真和实际海试数据验证表明,本文所提改进的自适应Kalman滤波在机动目标跟踪中不仅能够快速响应机动目标的运动方向突变,而且目标位置跟踪误差较传统方法显著减小,具有稳定、快速的跟踪性能。     

感知线性预测在水下目标分类中的应用研究

提出了基于感知线性预测(PLP)的模仿人耳听觉特性来提取水声信号鲁棒特征的方法。运用听觉心理学的三个概念:(1)临界带谱分析、(2)等响度曲线、(3)强度响度听觉幂率,形成估计听觉谱的方法,可获得一个12阶全极点模型的鲁棒特征矢量。运用这一特征矢量进行训练和识别的实验结果表明:(1)在不同的频率段内,人耳对6类目标辐射噪声信号敏感程度是不同的。(2)提取的基于听觉感知水下目标特征具有鲁棒性。(3)通过此方法提取的特征维数较低,运算速度快,识别的正确率比以往有所提高。     

基于特征分析的自适应干扰抑制方法在水声目标被动测距中的应用

针对海洋环境中真实目标常常被强干扰掩盖而难以检测与定位的问题,本文提出了一种基于特征分析的自适应干扰抑制（EAAIS）方法,并将其应用于水声目标被动测距。EAAIS方法预先确定目标方向在一个可能的角度范围内,根据接收数据互谱密度矩阵（CSDM）单个特征向量的波束形成,构造合适的判决因子来自适应地估计并去除CSDM特征空间中的非目标信号子空间以抑制干扰和噪声。然后利用修正后的CSDM进一步获得更清晰的目标的声场干涉条纹,通过匹配声强的频谱结构进行水声目标被动测距。海试数据验证了EAAIS方法在强干扰环境下有效实现水声目标被动测距的能力。     

D类功率放大器在水声发射机中的应用

为了减小水声功率发射机的能源消耗,提高工作效率,用较小功耗的晶体管发射较大功率,采用晶体管D类功率放大器较为理想。实际应用中巳得到了充分的证明。本文以实用电路为例介绍了电路基本特点和调试方法。     

重要性采样技术在水声系统中的应用

本文阐述了重要性采样的基本原理,讨论了有瑞利杂波时应用重要性采样估计水声系统误动作概率的方法,给出了计算机模拟结果。文中还分析了重要性采样的精度和最佳参数选取问题。     

《水声目标识别》

<正>科学出版社,2018,北京,240页,定价:108元水声学是声学的重要分支,包含水声物理和水声工程两个领域。水声探测则是水声工程领域的核心学科之一,实现对水声目标的搜索发现、跟踪定位以及识别,而探测方式则有有源和无源两种。对于水声探测来说,在声呐完成发现、跟踪定位目标后,至于怎么应对发现的水声信号,则取决于对目标的识别。而确定目标是什么正是目标识别的任务。     

复射线法及其在水声技术中的应用

本文介绍复源点射线技术原理,概述各种复射线分析方法,并举例说明这种方法在水声技术中一些可能的应用,包括指向性声场的复射线分析,声辐射器阵列方向性的复射线模拟,近区和远区声场的复射线变换,以及声呐目标强度的复射线理论预估等。     

快速正交搜索算法在水声信号处理中的应用*

信号的谱估计技术作为一种十分重要且应用广泛的信号分析处理手段,对其性能的不断提升和改进一直是水声信号处理领域研究的重点和热点。对此,该文将快速正交搜索算法应用于水声信号的谱估计中,通过隐式正交对参数进行搜索,实现对信号频率、幅度、相位的估计。仿真和实验数据处理结果表明,相较于传统的谱估计方法,该方法能稳定且准确地估计水声信号的多个参数,获得频率分辨率较高的谱估计结果。     

基于改进支持向量机的水声目标-杂波不平衡分类研究

针对水声目标-杂波数据集在有限样本下的类不平衡特性导致代价敏感支持向量机难以逼近贝叶斯最优决策的问题,该文提出了一种基于能量统计方法的支持向量机(En-SVM).该算法通过度量原始数据空间与有限样本空间特征函数之间的加权平方距离,量化少数类样本不完全采样过程中的信息损失,来补偿再生核希尔伯特空间中机器学习算法所需的少数...     

混沌调频M-ary方式在远程水声通信中的应用

针对远程水声通信速率低的问题,提出了采用混沌调频M-ary(M元)通信方式提高通信速率的办法。将混沌序列引进到水声通信中来,由于量化后混沌序列的优良相关特性受到一定的破坏,为此提出了混沌调频M-ary通信体制,研究得出了混沌调频的重要特性:自相关特性好、正交码数目多、频谱利用率高、带宽和时间调整灵活等;给出了水声混沌调频M-ary通信系统的组成框图,并进行了海上实验。实验数据分析结果与理论值符合较好,表明这种通信体制是可行的,并能有效地提高通信速率。     

无源时间反转镜在水声通信中的应用

提出单阵元无源时间反转镜(PTRM),在对声信道没有任何先验知识的情况下可与信道自动匹配,实现自适应聚焦。并将其应用于Pattern时延差编码(PDS)水声通信体制,构成无源时间反转镜Pattern时延差编码水声通信系统(PTRM- PDS)。通过计算机仿真研究及湖试,验证了PTRM-PDS系统能够抑制声信道多途扩展产生的码间干扰,可在时变、空变的声信道中实现低误码率通信,具有很好的鲁棒性。     

虚拟时反镜在水声被动测距中的应用

水声信道多途干涉使被动测距产生偏差．接收信号的自相关输出波形含有信道冲激响应结构的信息，本文提出通过简化模型可估计出信道冲激响应，并将其时间反转构造一前置预处理器，可实现虚拟时间反转镜（VTRM）．虚拟时反镜可获得时间、空间上的自适应聚焦效果，克服多途干涉对被动测距的影响，并且实现简单，可实时对目标进行测距．通过计算机仿真研究，验证VTRM技术可匹配声信道，提高被动测距的精度．     

特定频率响应FIR滤波器的设计及其在水声中的应用

在水声信号处理中，有时普通滤波器不能够满足应用要求，需要利用具有任意的给定频率响应的滤波器，本文利用自适应方法设计具有给定频率响应的FIR滤波器，将将该方法设计的滤波器用于产生宽带信号的精确时延信号和进行时域宽带波速形成，使用效果较好。该类滤波器使用非常有效。而且计算量小，易于工程实现。     

类Liu系统在水声微弱信号检测中的应用研究

利用三阶混沌系统构造了一种新的微弱信号检测系统——类Liu系统, 对类Liu 系统进行了深度的理论分析. 类Liu系统中, 当输入待测信号幅值大于某临界值时, 系统可达到平衡点S₀, S₀中系统变量x平衡于摄动力信号, 系统变量y, z收敛于零态, 且S₀ 对应的Lyapunov指数小于零. 通过Matlab仿真、Multisim电路仿真以及实际电路证明了类Liu系统的周期态收敛性及广域检测性, 解决了传统Duffing系统进行微弱信号检测时周期态不收敛、只能进行窄域检测等问题, 同时谱级信噪比范围仍可达-46.57 dB. 类Liu系统采用了全新的设计理念, 具有较高的实用价值, 对未来海洋物联网中的水声通信有一定参考价值.     

人工神经网络在车辆声学分类中的应用

传统反向传播(BP,Back-Propagation)算法虽然解决了多层感知器的收敛问题,但是训练时间长、收敛速度慢。本文针对训练样本分布状态未知的问题,提出了一种有效的加速收敛方法,即对不同的训练样本选择不同的学习率。将这种改进的BP算法应用到履带车与轮式车的声学分类中,明显提高了算法的收敛速度、泛化能力及稳定性,并可根据需要调整两种车辆的识别率。     

一种新的自组织聚类网络及其在数据融合目标分类中的应用

介绍了一种新的自组织聚类人工神经网络(DIGNET)模型和网络的非监督学习算法。针对数据融合和目标识别的特点,提出了基于DIGNET的决策层数据融合目标分类方法。利用仿真数据研究了DIGNET和自组织特征映射网络(SOFM)的聚类性能以及基于DIGNET的决策层数据融合结构,实验结果表明DIGNET较SOFM正确分类率高、抗噪能力好;基于DIGNET的决策层数据融合能够有效地实现融合识别。将该数据融合方法应用于前视红外(FLIR)和可见光摄像机目标跟踪系统,结果表明该方法是可行的。