一种基于非线性特征提取的被动声纳目标识别方法研究

目标噪声特征提取是被动声纳目标识别系统的关键技术。首先提出了一种利用从噪声极限环中提取的非线性特征来分析舰船噪声信号的新方法,然后采用基于自适应遗传BP算法的神经网络对提取的特征进行分类。实验结果表明,该系统具有较好的分类效果。     

基于调制连续谱特征提取的被动声纳目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术.本文针对被动声纳目标识别,提出了一种新的调制连续谱特征提取方法.此外,为训练神经网络目标分类器,本文将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法.最后,对海上实录的三类目标噪声进行了分类识别,实验结果表明本文设计的被动声纳目标识别系统具有很好的分类效果.     

基于倒谱分析的被动水声目标原始信号重构方法

被动声纳捕捉的水下目标辐射噪声信号可视为由目标动力系统产生的周期性激励信号，以及该激励信号经由本身传输与扩散后的辐射信号与海洋传输信道的传递函数卷积构成 。要对水下目标进行分类识别，首先要滤除无用噪声对信号的干扰。本文通过同态分析实现这一目的，首先利用倒谱分析将各噪声分量变为线性相加关系，再利用时间窗整形
形与滤波器滤波实现信号分量及信道的分离，以便提取信号特征进行分类。实验证明，基于倒谱的信号重构法能够较为准确地复原包含目标传输特性的原始信号，便于对目标进行特征提取与分类识别。     

基于广义S变换的水下目标特征提取

针对水下目标识别中特征矢量难以准确提取的问题,提出了基于广义S变换模时频矩阵奇异值的水下目标特征提取方法。首先对目标信号进行广义S变换,然后提取广义S变换模时频矩阵奇异值作为目标识别特征矢量,最后利用概率神经网络实现目标识别。广义S变换在S变换的基础上,通过改变窗宽因子可提高信号分析的频率分辨率或时间分辨率,从而可根据信号分析需求实现水下目标非平稳非线性信号的时频分析。实验结果表明提取广义S变换模时频矩阵的奇异值作为目标识别特征矢量能够有效区分各类目标,且选取不同的窗宽因子具有不同的识别结果。     

舰船辐射噪声混沌特征提取方法研究

研究舰船辐射噪声信号影响目标识别,针对传统子空间降算法只适用于多通道信号处理,为了清楚识别目标,提出多次迭代降噪的思想,并根据定义的信噪比改善量控制迭代次数.用相空间重构进行特征提取,为了降低特征维数,引入K-L变换进行特征压缩,提出一个基于子空间降噪理论与相空间重构以及K-L变换相结合的完整的舰船辐射噪声特征提取方法,进行计算机仿真,结果表明对舰船辐射噪声特征有效提取和分类识别很有效,证明方法对三类目标舰船噪声信号具有较好的分类效果.     

基于耳蜗模型的舰船噪声谱分析

为提取舰船噪声听觉特征,应用被动长波模型对舰船噪声进行了分析,得到噪声信号的二维时空分布。给出了4种一维特征,它们能够分别从不同侧面反映舰船噪声时频幅特征,同时简化了特征的描述方式。大量实验表明：基于听觉模型特征分析结果,较全面地反映了舰船噪声的听觉特征,为被动声纳目标识别提供了新的特征分析方法。     

水声目标的MFCC特征提取与分类识别

水声目标识别技术在水下信息处理中起着非常重要的作用,从辐射噪声中提取水声目标的有效特征一直都是水声目标识别技术的难点所在。提出了一种利用水声目标辐射噪声的梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCC)作为目标特征提取的方法。通过对辐射噪声信号进行梅尔频率滤波得到目标噪声信号的MFCC特征,它模拟了人耳对不同频率的声音具有不同感知能力的听觉非线性效应,因此具有良好的识别效果。通过对实际水声目标的辐射噪声进行测试实验,提取目标噪声信号的MFCC特征向量,并运用K近邻算法对其进行分类识别,实验结果显示MFCC特征提取与分类识别算法对水声目标的识别率达到85%以上。     

边缘检测结合高斯平滑的鱼雷声谱图识别方法

鱼雷的识别预警是一个复杂的特征信息融合过程,其关键是提取鱼雷目标的特征成分。鱼雷目标与非鱼雷目标辐射噪声声谱图的存在差异性,针对声谱图特征提取方法开展研究,通过定义目标辐射噪声的声谱图直纹特征量,提出了一种基于图像边缘检测理论的鱼雷目标辐射噪声声谱图特征提取方法,并将该方法应用于鱼雷目标分类识别研究。实测信号分析表明,该方法可以有效提取鱼雷目标辐射噪声的声谱图特征,将鱼雷目标与非鱼雷目标进行区分,为鱼雷目标的综合识别预警提供一种可靠的特征信息参考。     

舰船辐射噪声功率谱特征提取及系统实现

舰船辐射噪声特征提取是水下被动声探测装置进行目标识别、分类的关键技术;针对于此,研究了基于功率谱的连续谱、线谱特征实时提取技术和工程实现;该技术以分段拟合为基础,首先提取功率谱中的连续谱特征,再从原始功率谱中减去连续谱得到线谱分布,然后进行线谱特征提取;在此摹础上,详细介绍了舰船噪声功率谱特征提取的软、硬件系统设计和实现技术;系统经过实验验证,能有效提取不同类型目标的特征,系统性能良好,可满足新一代水下智能被动探测的要求.     

基于多维信号特征融合的空间通信目标识别技术

针对空间通信目标个体识别问题,在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征,然后对提取的特征进行融合,并应用支撑矢量机对个体进行分类识别,最后采用实测数据对这种识别方案进行了验证。实验表明,通过多维信号特征融合方法可以有效提取空间通信目标的个体信息,并能获得良好的识别效果。     

被动声纳目标识别综合仿真系统

针对舰艇目标识别与分类对海军作战的重要性，提出了被动声纳目标识别综合仿真系统的设计方案。设计了包括声纳信号仿真、噪声回放、目标分类识别、目标噪声特性库以及综合显示在内的系统总体结构及其相应功能，建立了系统仿真模型和仿真软件，仿真试验结果表明了系统设计的合理性和有效性。     

基于声呐图像的水下目标检测、识别与跟踪研究综述

水下目标检测、识别和跟踪是具有重要意义的热点研究问题,在军事和民用领域都有重要的应用.鉴于此,对基于声呐图像的水下目标检测、识别和跟踪原理、方法以及典型算法的研究进展进行全面阐述.首先论述基于声呐图像的水下目标检测、图像去噪、图像分割等方面的主要进展以及典型算法和算法扩展;然后对水下目标声呐图像识别中的特征提取、特征分类方法和主要技术难点进行讨论;最后阐述基于水声信号处理和声呐图像信息的水下目标跟踪方法和算法.通过对水下目标处理过程各个过程的深入讨论和对比分析,指出基于声呐图像的水下目标检测、识别和跟踪中急需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做进一步的展望.     

舰机协同下多基地声纳阵应召搜潜效能研究

针对传统单基地声纳搜潜难以满足反潜作战要求的问题,提出了一种拖曳声纳与反潜直升机布放浮标阵联合起来形成多基地声纳搜潜的方法。结合舰机实际运动特点,建立舰艇运动模型与直升机布放圆形、方形、三角形被动浮标阵模型。采用Monte Carlo方法,对搜潜概率进行仿真,比较多基地与非多基地声纳的搜潜概率,并分析不同的初始条件对搜潜概率的影响。仿真结果表明,多基地声纳搜潜概率高于非多基地声纳,圆形多基地阵搜潜效能相对最佳,三种阵型的搜潜概率随着初始距离、初始位置分布、航速均值的增大而减小,并能针对不同搜潜要求与实际作战条件选择合适的布放半径和被动浮标布放个数。提出的方法适用于一定距离范围内的应召搜潜,对反潜作战具有一定的军事意义。     

基于曲率和的主动声呐干涉条纹特征表征方法

干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中,声波能量传播特性较为复杂,信号会经过发射源到目标以及目标到接收器这2条不同的路径,目标的散射特性在声波的入射模式和散射模式之间相互作用,使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征,提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值,利用曲率求和的方法刻画条纹的弯曲程度,进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征,通过统计平均值的方式得到平均曲率和为0.6左右,从特征表征结果可以看出,曲率和可通过统计离散点曲率强度描述干涉条纹特征,且在同一环境条件下,发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512,实验与理论结果较为吻合,表明通过该方法可以获取主动声呐干涉条纹特征,进而实现目标识别和探测。     

基于CVI+FPGA的声纳目标回波模拟器研制

在对声纳目标回波模拟器的数学模型、目标回波模型和混响模型研究的基础上，研制了一种基于CVI+FPGA的声纳目标回波模拟器，该模拟器能够产生主/被动声纳测试、定检所需的主/被动声纳回波信号。目标回波信号包括主动声纳、目标发射噪声、海杂波等信号，并以声信号的形式输出。通过性能测试及与实际声纳系统联试，证明该模拟器达到了设计功能和性能指标要求，介绍了声纳目标回波模拟器的数学模型、系统硬件和软件的实现方法。     

Sparse coding of 2D-slice Zernike moments for SAR ATR

In this article, a new type of feature, named two-dimensional (2D)-slice Zernike moments, is proposed for synthetic aperture radar (SAR) automatic target recognition (ATR). Target features play an extremely important role in the ATR system. Pixels with different scattering intensities distribute in different positions in SAR images, which represent target inherent signatures determined by the target’s characteristics, including global structure and local details. To extract these various scattering signatures, we developed a feature extraction technique named 2D-slice Zernike moments (2DS-ZMS), which can capture target global and local scattering field distribution information. First, the multilayer 2D-slices of a SAR image are extracted by uniformly cutting the 3D display SAR image along the amplitude direction. Then Zernike moments of each 2D-slice are calculated. Finally, the 2DS-ZMS of the SAR image are formulated into a column vector, called the feature vector. The obtained feature vectors of the targets are fed into a newly developed classifier, i.e. the sparse representation-based classifier (SRC). By projecting the testing sample feature vector on the dictionary made up of training samples feature vectors, the sparse coefficients are solved. The minimum reconstruction residual is adopted as the judgement criterion for predicting the test sample’s class label. Experiments on the moving and stationary target acquisition and recognition (MSTAR) data set validate the effectiveness and superiority of the proposed method.     

基于复合梯度向量的人脸识别算法

提出了一种新的基于复合梯度向量(Composite gradient vector, CGV)描述的人脸识别算法. 该算法首先在定位后的人脸图像中标定目标区域, 并在目标区域内划分特征子区域, 然后,以特征子区域的边缘奇异点作为向量的起点和终点进行正交采样得到基向量, 将目标区域内所有基向量组建向量簇, 通过对基向量的多维复合得到向量簇内所有极大梯度向量, 最后,以极大梯度向量作为元素组建复合梯度向量并统计复合梯度向量的维度和梯度信息, 将复合梯度向量、复合梯度向量维度和梯度进行人脸库对比, 识别出人脸身份. 该算法抓住了人脸面部特征分散性的特点, 继而对分散性特征采用具有连续性规律约束的复合梯度向量进行描述识别. 实验结果表明, 该算法克服了特征域旋转、光照强度变化及多姿态、多表情对人脸识别的影响, 具有速度快、识别准确、适应性强的特点.     

样本仿真结合迁移学习的声呐图像水雷检测

水雷检测对于国防安全具有重要意义,然而,由于水下目标声呐成像实验代价较大,通常难以获得足够的水雷声呐图像样本,因此导致难以应用深度神经网络提高水雷等目标的检测精度。针对这一问题,提出样本仿真结合迁移学习的侧扫声呐图像水雷目标检测与识别方法。首先,根据侧扫声呐成像机理,建立水雷目标的仿真模型,进而仿真得到大量水雷目标样本;然后,采用大型广源域数据集ImageNet对深度卷积神经网络进行预训练,再用真实水雷样本和仿真水雷样本对深度卷积神经网络进行微调以适应水雷目标;最后,将微调后的深度卷积神经网络作为目标检测的基准网络,并进行目标检测训练;采用真实的水下水雷声呐图像数据对训练完成的网络进行验证和比较。实验结果表明,提出的基于样本仿真和迁移学习的侧扫声呐图像水雷目标检测方法能够更好地检测水雷目标,优于传统的特征提取及检测方法及只采用真实样本进行训练的检测方法,对于水下目标检测具有借鉴意义。     

被动声纳组网系统模型的构建及可视化仿真

为解决在海洋中大范围侦察和监视目标的问题,对声纳组网进行建模和仿真:给出了被动声纳基阵布阵的两种方法;应用单个被动声纳测向,两个或两个以上的被动声纳阵求解目标运动参数;考虑到声传播损失受海况的影响,对传播损失采用通用计算公式;对被动声纳接收到的信号进行谱分析,利用数据库对目标进行识别,达到实时大范围侦察和监视的目的.依次进行建模,利用Visual C 编制仿真程序,使仿真数据可视化.结果表明上述方法在被动声纳组网仿真中是可行的和有效的.