主成分分析在舰船辐射噪声分类识别中的应用

主成分分析(PCA)是经典的多元统计分析方法,在处理多变量综合问题方面有比较突出的优势。本文主要探讨了主成分分析在舰船辐射噪声信号分类识别中的应用。在经典功率谱的基础上尝试将PCA技术运用在两种不同的方法中,对两种舰船辐射噪声进行了特征提取和分类识别,得到了较好的效果。     

子空间降噪在舰船噪声混沌信号处理中的应用

结合混沌信号本身的特性采用子空间投影理论,研究含噪Lorenz模型信号和水下舰船噪声信号的降噪问题。讨论了延迟时间和嵌入维对降噪效果的影响,重点研究了为保持混沌信号的局部特性如何选择参与自相关函数计算的信号长度。采用分段自相关函数多次迭代的方法,保持了混沌的局部特性。仿真结果表明,降噪效果较为理想。     

基准信息时间延迟对速度匹配传递对准性能的影响分析

传递对准过程中,由于主惯导的解算和传输延迟,子惯导解算信息与进行匹配的基准信息不能完全同步,有些情况下时间延迟较大.采用捷联惯导速度匹配传递对准,仿真分析了舰船几种典型运动状态下基准信息时间延迟对姿态误差角、陀螺漂移、加速度计零偏估计效果的影响.仿真结果表明,对准过程中舰船匀速和匀加速运动,基准信息延迟几乎不会影响对准性能;对准过程中舰船变加速直线运动,加速度变化时基准信息延迟影响卡尔曼滤波器估计精度,速度稳定后,影响会慢慢减小;对准过程中舰船进行转弯和大规模的机动运动,基准信息延迟会严重影响速度匹配传递对准性能,方位误差角估计误差达到10′左右,陀螺漂移和加速度计零偏的估计时间和精度显著下降.     

舰船平台上一种改进的传递对准方案设计与仿真

为了提高舰船惯性导航系统在动基座下的传递对准的精度和快速性,针对舰船平台的应用特点,采用卡尔曼滤波器对主、子惯导的"速度加角速率"参数的误差量进行滤波估计并进行了算法设计。运用卡尔曼滤波器的平滑算法改善传递对准的精度。针对卡尔曼滤波器平滑算法会降低对准速度的缺点,在只损失一小部分精度的前提下,创新性的采用卡尔曼滤波器的降阶算法提高了对准速度。通过Matlab软件对卡尔曼滤波器算法、卡尔曼滤波器平滑算法和卡尔曼滤波器平滑加降阶算法的速度误差和姿态误差分别进行了仿真。仿真结果表明,"速度加角速率"匹配传递对准改进算法具有稳健的对准精度和快速性,有一定工程应用参考价值。     

舰船尾部振动水弹性分析软件系统HDSS

介绍一个实用的舰船尾部振动水弹性分析软件系统,该系统基于流固耦合理论,针对舰船尾部结构特征,可以准确方便地预报出舰船尾部振动特性。系统还配有较强的后处理图形生成模块,可以形象逼真地绘制出振型图。     

匹配场处理舰船辐射噪声级估计方法

针对水声信道对舰船辐射噪声声传播的影响,进而导致声源级测量结果不准确的问题,提出了基于匹配场处理的舰船辐射噪声级估计方法。在海洋环境噪声为空间均匀高斯白噪声的假设下,当海洋环境参数已知、信噪比满足一定要求时,匹配场处理能有效地给出被测噪声源的位置信息及该位置处的能量响应。从能量估计角度出发,推导了声源位置处匹配场输出响应的能量修正因子计算公式,从理论上证明了匹配场处理在被测声源位置处输出响应与能量修正因子的乘积为真实声源级的最小方差无偏(MVU)估计。该方法首先选择合适的声场计算模型计算拷贝场向量,对接收到的辐射噪声信号进行匹配场处理,得出接收信号级和被测声源位置;其次利用该位置所对应的拷贝场向量替换能量修正因子公式中的真实信道传输函数以计算能量修正因子的估计值;最后由接收信号级与能量修正因子估计值相乘得出舰船辐射噪声声源级的MVU估计。针对典型的浅海水声信道,进行了计算机仿真试验,结果表明:该方法能有效地进行舰船辐射噪声测量,当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。      

一种舰船光电装备光轴检测仪

为了在实验外场和装舰现场克服舰船光电装备多传感器光轴一致性标校中由于环境限制、舰船摇晃等造成的操作困难,提出一种舰船光轴检测仪方案。通过共光路和光谱转换技术实现激光光轴与可见光轴的耦合,激光像斑在可见光通道输出成像视频,依据像斑中心与装备十字刻线位置关系判断激光与可见光光轴的一致性。应用CAD/CAE技术对光轴检测仪的关键器件——光轴耦合单元进行仿真分析,得到-10℃~+40℃温度范围内的反射镜面平行性误差分别为13.576 332″和16.397 421;″整机环境实验结果表明,光轴检测仪本身精度误差小于20,″满足光电装备光轴的一致性要求。     

基于多模态数据特征融合的舰船识别算法研究

在复杂海域场景下如何综合利用舰船监测的多模态数据进行高效特征提取和特征融合，以此来综合提升舰船识别精度仍存在巨大挑战。针对海域环境中舰船单一数据源识别准确率问题，提出一种有效的多模态数据特征提取和特征融合的舰船识别算法，然后基于深度残差网络模型进行特征融合以提升舰船识别准确率。通过实验结果对比，相比于其他算法基于多模态数据的舰船识别算法平均准确率提升约18%，有效地提升了舰船识别准确率，对相关船舶领域的研发工作具有借鉴意义。     

一种提高可见光遥感图像黑极性舰船目标检出率的方法

针对遥感卫星和高空无人机在海上航拍的可见光遥感图像中黑极性舰船目标检出率低的问题,提出了一种基于暗原色先验和恒虚警率原理的舰船目标检测方法。这种方法先对目标图像进行预处理,得到其暗原色图(Dark Channel Image,DCI);再将DCI作为二维恒虚警(2-D CFAR)检测法的输入,以局部统计灰度均值和方差作为目标检测特征,通过选择合适的目标判定阈值及目标空间分布信息完成疑似目标定位;疑似目标集合可以有效地被舰船目标特征矢量进行检验,根据得到的结果判定虚警是否去除,最后得到最终目标检测结果。实验结果表明,该方法对于可见光遥感图像中的舰船目标有较为准确的检测效果,总检出率可达96.07%,并且对人眼视觉不易判别的黑极性目标有着类似“放大镜”的作用,对黑极性舰船目标的检出率可达86.71%,较大地提高了可见光遥感图像中黑极性舰船目标的检出率,对优化黑极性目标检测方法创新有一定的指导意义,也为暗原色先验原理的应用提供了新思路。