基于宽带稳健STMV波束形成的相关检测方法

采用一种宽带相关结合稳健自适应波束形成的检测方法,来提高弱目标在强干扰背景下的检测能力。宽带相关检测具有多目标方位分辨力高的优点,它基于常规波束形成得到,但由于其旁瓣级有限,存在强干扰时会导致其旁瓣区域的相关检测产生凹陷,因此直接影响弱目标的检测能力。通过分析常规宽带相关检测中目标旁瓣区域产生凹陷原因,利用宽带稳健自适应波束形成的干扰抑制能力,提出了一种将宽带稳健导向最小方差波（Steered Minimum Variance,STMV）与宽带相关检测结合的宽带检测新方法。该方法能有效消除相关检测中强干扰的影响,提高被动声呐的宽带检测性能。仿真和试验数据处理结果验证了该方法的有效性。     

空域反转阵导向最小方差波束形成

文章研究了基于空域反转阵（Spatial Reversion Array,SRVA）的导向最小方差（Steered Minimum Variance,STMV）波束形成方法。根据空域反转阵的原理将均匀线阵列的快拍进行空间反转,再与原阵列快拍卷积,得到孔径扩大近一倍的空域反转阵,提高阵列性能。将同样的方法用于构造空域反转阵的导向向量,实现其导向最小方差（SRVA-STMV）波束形成。仿真和海试试验结果表明,相较于常规的STMV波束形成,空域反转阵STMV波束形成能够获得更窄的主瓣、更低的旁瓣、更高的输出信干噪比以及更好的多目标分辨能力。     

基于干扰抑制方法和引导声源的水平阵被动目标测距

基于引导声源的被动测距由于其对环境参数较少的要求受到了广泛关注。而处于浅海复杂环境下的被动声呐中,目标信号的声场干涉结构可能被邻近方位上的强干扰的旁瓣掩盖或改变,影响最终的测距精度。首先利用基于特征分解的自适应干扰抑制方法对强干扰环境中的接收信号进行干扰抑制,获得更高信噪比和信干比的目标信号;然后采用自适应的最小方差无失真波束形成器方法进行水平阵波束形成,得到更精确的目标声源声场干涉结构;其次基于干涉条纹的波导不变量特点,利用引导声源与目标声源干涉条纹的关系进行目标声源被动测距。实验结果验证了该方法的有效性和应用的可行性。     

有向阵元圆形阵列声纳波束形成原理及实现

有向阵元阵列接收具有区域指定性好和灵敏度高的优点而被广泛应用于雷达、水声信号目标探测。探讨了基于有向阵元圆阵的波束形成原理并设计出基于FPGA的自适应数字波束形成（ADBF）模块,仿真结果表明有向阵元形成的波束图较全向阵波束图有明显改善,LMS自适应算法对干扰能有效抑制,从而提高了系统输出信号干扰噪声比（SINR）。     

一种新的稳健CAB盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种新的稳健CAB（周期自适应波束形成）盲自适应波束形成算法。该算法克服了方向向量失配引起的自适应波束形成器的性能劣化问题。计算机仿真试验表明,较采用传统对角加载技术的R-CAB盲波束形成算法和WCPO-CAB算法而言,该算法进一步提高了稳健性和输出信干噪比。     

强干扰背景下的鱼雷辐射噪声信号检测方法

常规被动声纳利用宽带波束能量进行目标检测,在低信噪比、强目标干扰情况下,宽带能量检测的性能迅速降低。利用鱼雷辐射噪声信号中含有丰富线谱成分的特点,提出了一种针对鱼雷辐射噪声信号的窄带和宽带联合检测方法。通过对预成波束方向信号的窄带处理和线谱提取,利用特定频段的线谱能量对宽带波束输出进行加权,提高了线谱目标的检测能力。该方法能够有效地抑制非线谱强干扰目标,提高低信噪比信号的检测能力。仿真和海试数据处理结果验证了该方法的有效性。     

基于二阶锥规划的稳健低旁瓣自适应波束形成

针对水下成像时圆弧阵常规波束旁瓣级较高,当存在强干扰时容易带来较多虚警的缺点,提出一种基于二阶锥规划的稳健低旁瓣自适应波束形成方法。该方法通过对波束旁瓣进行优化设计,可以将波束旁瓣级进行严格控制,并进一步结合协方差矩阵重构法,使波束形成器的稳健性得到提高,最后将该波束优化问题转化为二阶锥规划问题进行求解。计算机仿真结果表明,相较于其他算法来说,文中算法在波束旁瓣级得到严格控制的同时,可以在存在各类失配的情况下获得更高的输出信干噪比,稳健性更高。水池实验进一步验证了该方法的有效性,该研究成果可以在声呐成像领域应用。     

基于多小区协作分布式波束选择算法

针对多天线蜂窝系统中小区间干扰带来的性能损失,研究了使用多小区协作波束选择来减少小区间干扰,提出了可在各个小区独立实现的分布式波束选择算法。该算法首先使小区之间相互交换用户的信道状态信息,之后每个小区基于本小区以及邻小区用户的信道状态信息来估计所有用户的信干噪比,最后选择能够最大化信干噪比乘积的波束。分析表明,在两小区模型下该算法的性能接近最优波束选择算法,同时复杂度大大降低。经仿真结果验证,在多天线蜂窝系统中使用分布式波束选择算法,可以在不影响用户公平性的基础上显著提高系统平均速率。     

基于SOC规划的稳健盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。     

基于子空间空间谱极值起伏特性加权的未知目标检测方法

针对同一频带中不等强度未知目标检测问题,依据不同目标辐射信号对各子空间空间谱贡献大小的不同,提出一种基于子空间空间谱极值起伏特性加权的未知目标检测方法。对线列阵接收信号协方差矩阵进行特征分解得到各子空间相应子矩阵;对各子矩阵进行波束形成得到各子空间空间谱,并利用各子空间空间谱极值起伏差异形成加权因子;利用该加权因子对归一化的各子空间空间谱进行加权统计得到最终空间谱,以提升弱目标子空间空间谱在最终空间谱的比例。理论分析、数值仿真和实测数据处理结果均证明了,该方法可以有效抑制了噪声子空间对目标子空间的干扰,增强了弱目标子空间空间谱在最终空间谱的比例,使其比例由原先的σ_(s,w)~2/(σ_(s,all)~2+σ_n~2/N变为1/L(N为阵元数,L为目标数,σ_(s,w)~2为弱目标能量,σ_(s,all)~2为目标信号能量和,σ_n~2背景噪声能量);减小了不同强度目标子空间空间谱幅值差异,使强、弱目标空间谱幅度值比由原先的σ_(s,s)~2/σ_(s,w)~2近似变为1(σ_(s,s)~2为强目标能量),改善了常规波束形成和常规子空间重构法对同一频带中不等强度未知目标的检测性能,并在同一波束图中,同时对不等强度未知目标实现有效检测。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法。首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰。声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采用Radon恒虚警率(Radon Constant False Alarm Rate,Radon-CFAR)检测声呐历程累积图像中的目标短时运动轨迹,能够检测到低信噪比的目标。分析了空时归一化处理和检测算法的性能,并通过海试数据验证了该算法的有效性,可以检测到低信噪比的蛙人目标回波。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法.首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰.声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采...     

基于小波域多分辨率MRF的声呐图像目标分割

声呐图像受噪声影响严重,分辨率低,传统算法对其目标分割效果较差,为此,提出了小波域多分辨率MRF模型的声呐图像分割算法。小波域多分辨率分析有利于提取声呐图像弱特征信息;每一分辨率中的观测特征采用高斯混合模型建模,尺度内同标记的观测特征用高斯模型建模,用各向同性的双点多级逻辑(Multi-Level Logistic,MLL)模型建模每一尺度的标记场;最后,用迭代条件模式(Iterated Conditional Mode,ICM)实现多分辨率马尔可夫随机场(Multi-Resolution Markov Random Field,MRA-MRF)中能量函数的最优解,获取标记场,完成声呐图像分割。从视觉效果和定量分析两方面验证。对比实验的结果表明,该文算法能有效地提取声呐图像的弱目标信息,较好地将目标区域和背景区域分割出来,具有较高的分割精度和鲁棒性。     

时间分辨力约束下目标检测的波形优化设计

以最大化检测概率为优化准则，采用基于凸优化和随机化方法的具有相似性约束的相位编码算法（Phase Coding Algorithm with Similarity Constrain，PCA-SC）来设计发射波形，解决了主动声呐系统增大探测目标发射功率却不能提高检测概率的问题。同时，为有效降低PCA-SC算法所设计编码自相关函数的整体旁瓣级，提高其检测微弱目标的能力，在PCA-SC算法的基础上，结合新循环算法（Cyclic Algorithm-New，CAN）多相编码技术，提出了基于CAN的PCA-SC波形优化方法（Cyclic algorithm-new Phase Coding Algorithm with Similarity Constrain，CAN-PCA-SC）。仿真实验结果表明，PCA-SC和CAN-PCA-SC两种波形优化方法获得的发射信号均能够在满足系统所需时域分辨能力的要求下，实现检测概率的最大化，提高了目标检测性能，将时域分辨能力和检测性能有效地统一起来。相比PCA-SC波形设计方法，CAN-PCA-SC波形设计方法在保证获得的发射信号的检测概率优化效果一致的情况下，具有更低的积累旁瓣水平和更好的检测微弱目标的能力。     

一种基于色彩处理的被动声呐宽带目标检测显示方法

针对被动声呐传统宽带能量检测方式难以解决强干扰存在时的弱目标检测问题,着眼于目标、干扰及背景噪声频谱特征差异,提出了一种划分子带,利用颜色合成理论进行宽带融合检测的显示方法。针对弱目标存在稳定线谱或在部分频点能量相对较强的情况,可有效提升对弱目标的检测能力,并增强不同目标方位历程的区分度。     

被动声呐信号检测技术发展

水声信号检测是被动声呐系统进行目标探测所需的重要支撑技术,信号检测的性能直接影响到被动声呐系统对目标探测的能力。对被动声呐信号检测技术的研究情况进行了梳理,将其归纳为基于时域信息的信号检测技术和基于空域信息的信号检测技术两大类。在分析现有技术不足和应用需求的基础上,指出弱信号、低虚警率和有效利用水声传播信息等是被动声呐信号检测技术可能的发展方向。     

水下小目标合成孔径声呐层析成像技术研究

水下小目标精细成像对于正确识别水下目标具有重要意义。目前,多波束成像声呐和条带合成孔径声呐是获取水下小目标图像的主要手段。水下目标的判别主要利用了目标图像的亮点特征,即使是同一目标从不同方位观测时得到的结果也可能差异较大,这给快速识别确认目标带来了困难。为解决该问题,提出了利用圆周合成孔径声呐对水下小目标进行水声层析成像信号处理方法,提高了声呐的多角度融合观测能力。仿真及试验数据处理结果表明,合成孔径声呐层析成像方法能够获得目标外形轮廓精细特征,有利于水下小目标的正确识别。     

多亮点声纳目标轨迹起始技术

高分辨率声纳目标具有多亮点分布特性,传统轨迹起始算法很难有效对其轨迹起始。针对声纳目标多亮点分布特性,设计了基于蒙特卡洛方法的轨迹起始算法,其根据跟踪门内每个分布亮点的特性,估计目标的概率分布,推出目标位置信息。由于轨迹起始算法考虑了声纳目标的多亮点属性和每个亮点的信息,并在轨迹起始过程中没有将速度、加速度、角度等作为轨迹起始的限制条件,而是在确认阶段,作为限制条件,对不符合逻辑的轨迹进行淘汰,对符合逻辑的进行动静分类。所以此轨迹起始算法克服了传统算法容易将多亮点目标起始为多个轨迹或轨迹起始错误的缺点。用不同方法对多亮点分布声纳目标数据进行了轨迹起始,结果验证了该方法的有效性。     

基于纹理特征的合成孔径声纳图像目标检测研究

随着成像声纳技术的发展,声纳图像的目标检测与识别逐渐成为数字图像处理领域的一个重要研究课题。合成孔径声纳图像含有丰富的纹理特征,而灰度共生矩阵具有丰富的特征参数,可以从不同的角度对纹理进行细致刻画。采用灰度共生矩阵可以描述合成孔径声纳图像纹理方面的特征,通过计算灰度共生矩阵在方位向和距离向的能量、相关性、对比度和熵值,并构造特征向量,可以对合成孔径声纳图像中的目标进行准确检测。从实验结果可以看出,基于纹理信息可以准确实现合成孔径声纳图像的目标检测。     

基于声呐图像序列SIFT特征的多目标跟踪方法研究

针对高频成像声呐多目标跟踪中声成像的不稳定问题,在基于检测前跟踪的声呐图像序列尺度不变特征变换（Scale Invariant Feature Transform,SIFT）的基础上,提出了一种结合对数变换的声呐图像序列SIFT特征跟踪方法。该方法利用对数变换进行图像预处理,进而利用声呐图像序列SIFT特征进行多目标跟踪。水池试验数据的处理结果表明：与中值滤波和动态亮度分配的方法相比,结合对数变换的声呐图像序列SIFT特征跟踪方法具有更好的多目标跟踪效果。