人工神经网络在目标声定向中的应用

人战场实际情况出发，建立了人工神经网络目标声定向系统模型。用两个人工神经网络提高目标定向精度；并用计算机对系统的工作过程进行了模拟，模拟结果证明了人工神经网络用于目标声定向中的可行性。     

被动声定位系统的计算机仿真

讨论了声探测引信跟踪定位系统的工作原理，设计了对系统进行仿真的方法，给出随机噪声产生的方法，验证了系统中传器阵列布阵方法，对延估计的精度，定位算法和卡尔曼滤波的精度，统计试验表明，该系统能够给出满足的目标坐标，并能够跟上目标的机动。     

被动声定位系统的计算机仿真

讨论了声探测引信跟踪定位系统的工作原理。设计了对系统进行仿真的方法，给出随机噪声产生的方法。验证了系统中传声器阵列布阵方法，时延估计的精度，定位算法和卡尔曼滤波器的精度、统计试验表明，该系统能够给出满意的目标坐标，并能够跟上目标的机动。     

高海况下识别水面舰船最小吃水的界定

高海况下识别水面目标是鱼雷主动声引信的一个技术难题，该文利用仿真波浪，分析了波浪和典型目标的两个特征量－突变量与变化累积量，给出了波浪特征量统计检验结果和典型目标特征量的解析表示，分析了影响目标特征量的主要因素，给出了目标特征量随击舷角，相对速度等的变化曲线，得到识别水面目标的最小吃灵敏度，最后介绍了基于特征参量法的鱼雷主动声引信数字化处理系统的实现方案。     

兵器实验场炮弹爆炸点被动声定位系统的技术研究及误差分析

文中设计了一种六元十字阵被动声定位系统，该系统可以实现对空中及地面目标的被动声定位。讨论了阵列元间距、时间测量精度等因素对定位性能的影响，并进行了仿真。仿真结果表明．该系统消除了目标方位变化对测距和测向精度的影响，具有较好的测距和测向能力。     

多传感器声目标识别的研究

介绍了声目标的各种识别方法，将Dempster-Shafer证据推理的基本理论应用到声目标的识别中。用质量函数构造基本概率赋值函数，给出了在n次扫描情况下，累积质量函数的融合公式并给出了识别目标的决策方法。通过实例计算可以看出，该方法可以提高对声目标识别的准确性。     

采用DSP和小波变换的战场声目标快速识别系统

根据战场典型目标声信号的特性，提出运用小波理论和FOBW编码对其进行特征提取，用数字信号处理(DSP)作为系统核心处理器件，辅以必要的外围电路，实现声目标快速识别的方法。将此系统应用于战场典型目标的快速识别，取得了满意的识别效果。     

任意形状三阵元平面声被动目标定位分析

对任意形状三阵元平面声被动目标定位公式进行了推导，得到了精确的显式解，并对解的个数进行了分析；利用显式解对其定位误差进行了分析；指出了最佳平面三阵元声被动定位阵列的几何特征。为实际声目标被动定位提供理论指导。     

高海况下识别水面舰船最小吃水的界定

高海况下识别水面目标是鱼雷主动声引信的一个技术难题。该文利用仿真波浪，分析了波浪和典型目标的两个特征量——突变量与变化累积量，给出了波浪特征量的统计检验结果和典型目标特征量的解析表示，分析了影响目标特征量的主要因素，给出了目标特征量随攻击舷角、相对速度等的变化曲线，得到识别水面目标的最小吃水灵敏度，最后介绍了基于特征参量法的鱼雷主动声引信数字化处理系统实现方案。     

分布式实时被动声定位系统研究

研究了一种基于PC104小基阵系统实现的分布式实时被动声定位系统，分别讨论了探测节点和控制中心两部分的原理结构。各节点具有独立探测声源方位角的功能，控制中心对各节点定位结果进行数据融合确定声源的精确方位坐标。系统结构简单，功耗低，适用于野外工作。外场实验结果证明，此系统可以实时地完成声目标的探测与定位任务，而且工作稳定，可靠性强。     

小波变换去噪方法在声目标识别系统中的应用研究

简要介绍了小波变换的原理和常用的几种去噪方法，并对这些方法的去噪性能作了简单的比较。通过比较提出了一种适合于被动声目标识别系统的去噪方法。该方法运算量小，去噪效果明显，这对于改善声目标识别系统的抗噪性能是十分有意义的。     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

灰关联分析法在坦克声目标识别系统中的应用

提出了一种基于灰关联分析的坦克声目标识别算法。该算法提取坦克声信号线性预测系数特征作为关联参数,通过比较坦克声信号的灰关联值实现目标识别。仿真结果表明：该算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,无噪背景下,平均识别率可达到90%。因此该算法在声目标识别系统中具有普适性和可行性。     

基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.     

鱼雷稀疏阵高分辨目标声成像方法

鱼雷目标声成像和图像制导是鱼雷在现代复杂水声对抗战场条件下实现准确目标识别和智能化精确制导的最有效途径。为了实现鱼雷图像化目标识别和精确图像制导,针对鱼雷应用特点,研究了鱼雷利用预成空间密集窄波束实现高方位分辨、同时利用各窄波束宽带信号处理实现高距离分辨的目标声成像方法,提出了鱼雷声成像高频非均匀复合稀疏阵及其波束形成方法,分别给出了宽带信号高距离分辨成像处理方法和基于双阈值分割及模糊聚类的目标声图像优化处理方法,有效实现了空间方位和距离高分辨的鱼雷目标声成像。该方法大大减小了硬件规模,易于工程实现。计算机仿真和水池试验结果表明,该鱼雷目标声成像方法可以有效获取目标声图像,并具有很高的方位和距离分辨能力。     

基于组合特征的声目标模糊模式识别方法研究

目的 :研究战场上强不确定背景条件下声目标的自动识别问题 ;方法 :采用基于模糊综合评判的最大隶属原则分类器来实现对战场声目标的自动识别分类 ;结果 :实测的四种车辆信号样本检验表明 :该方法对四种车辆声信号具有良好的识别分类效果 ;结论 :利用基于模糊综合评判的最大隶属原则分类器来实现对战场声目标的自动识别分类是可行的。     

声自导鱼雷进行尺度目标识别的试验方法研究

声自导鱼雷目标识别试验时一般采用线列阵模拟目标,因此有必要进行声自导鱼雷尺度目标识别的试验方法研究。基于鱼雷目标识别原理,本文重点讨论了用线列阵靶模拟目标时,尺度靶声学参数的确定,给出了用固定尺度靶及拖曳线列阵靶模拟目标试验的典型航行弹道,试验表明,采用线列阵模拟目标进行自导鱼雷尺度目标识别,试验方法可行,效果良好。     

水下目标回波亮点高分辨方位估计与仿真

水下目标回波亮点识别技术是现代声纳系统与水声对抗的一个极为重要的组成部分。基于单源方位精估的短脉冲切割方法,对于发射信号为长脉冲以及正横中轴方位下的目标回波亮点方位估计效果较差。因此研究基于多源的水下目标回波亮点高分辨方位估计方法具有重要的应用价值。本文重点研究了水下目标回波亮点高分辨方位估计方法,首先采用基于共轭倒序阵盖氏圆准则的方法对目标回波进行解相干和亮点数估计,然后在此基础上进行目标回波空间谱估计以获得目标亮点的方位。在具体仿真过程中,采用板块元散射方法仿真目标回波,并在此基础上进行高分辨方位估计,取得了较好的仿真效果。结果表明,本文的研究对于正横中轴方位的潜艇目标识别具有一定的应用价值。     

基于MFCC参数和HMM的低空目标声识别方法研究

提出了一种战场声目标识别方法，模拟人耳的听觉机理提取更能反应出声音信号动态特征的Mel倒谱系数（MFCC）作为识别战场低空目标的参数；利用隐马尔可夫过程具有很强地表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象，建立隐马尔可夫模型（HMM）；由K-均值聚类得出HMM模型的练和识别特征向量，识别时设定阈值判定输入的未知声信号。实际数据的分析结果表明了该识别方法的准确性与有效性。     

一种新的可应用于声目标识别的倒谱系数

提出一种新的倒谱系数,与目前广泛采用的美尔倒谱系数( MFCC)相比有以下改进：1）基于听觉外周模型改进了美尔频率倒谱系数( MFCC)的三角滤波器;2）用与频率相关的指数压缩代替固定的对数压缩;3）分析了频率的临界带变换在语音识别中所起的作用,从声目标识别的角度提出在临界带变换中引入与信号相关的自适应机制。通过4组声目标识别仿真对比试验,表明了新的倒谱系数比MFCC在抗噪声能力方面有明显提升。