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。     

随机共振技术在探潜中的应用

潜艇在低速航行时,由于辅机的工作和螺旋桨转动,导致了声频在甚低频段(0~100 Hz)内有较强的线谱。在声源较弱时,由于信噪比太低,传统的Demon谱分析方法无法辨别出线谱成分。这在一定程度上限制了声呐在低信噪比情况下的探潜性能。根据随机共振理论的非线性检测目标手段,运用扫频式随机共振技术,对低信噪比情况下的潜艇线谱噪声进行处理,从而增强了线谱能量,以提高检测信噪比。根据该理论,运用扫频随机共振方法对潜艇甚低频段线谱进行了数据处理,使得检测结果提高了8 dB,实际运用的目标检测距离提高1倍以上。充分体现了该理论的工程实用价值。     

水下小孔径阵列远程目标检测方法研究

匹配滤波器频域自适应线谱增强方法是一种基于递归算法的非线性滤波技术,它大大提高了匹配滤波器的检测性能。针对当前该技术使用窄带信号作为发射信号存在可利用的带宽有限,不能充分发挥自适应线谱增强器性能的问题,文章提出将该技术与宽带信号相结合来检测远程目标。仿真显示,该方法在低信噪比条件下获得了较高的信噪比增益和检测概率。海试数据处理结果表明,该技术的处理增益较传统方法高6.24 dB。该方法的高处理增益适合应用在水下无人平台上,弥补了小孔径阵列空间增益不足的缺点,可以实现远程目标的检测。     

流噪声背景下的细长线阵甚低频弱线谱检测算法

拖线阵声呐在高速拖曳时,目标潜艇的甚低频线谱特征被淹没在背景噪声(以流噪声为主)中,为进一步提升高速拖曳时细长拖线阵声呐检测目标甚低频线谱的能力,在对细长线阵声呐的流噪声特性进行建模分析的基础上,推导出水听器对流噪声的响应函数,并提出最小均方最优滤波和经验模态分解的联合线谱检测算法,通过海试数据进行验证分析。结果表明该算法能够很好地检测出目标甚低频弱线谱,输出信噪比有一定程度的提高。     

一种基于线谱特征函数提取LOFAR图线谱的方法

水声信号被动检测中广泛使用LOFAR图对接收信号进行处理和分析。针对LOFAR图中线谱信号检测问题,根据线谱信号特征设计特征函数,提出频域滑动窗线谱特征累积检测法。该方法在频率轴移动观察窗,用多步决策算法计算每个观察窗的最优解,得到最优路径,如果最优路径特征值大于阈值,则累积LOFAR图像素点被该最优路径经过的次数,次数越多对应点为线谱点的概率越大。仿真研究表明,该方法对频率时变、低信噪比的线谱信号具有良好的检测能力,可实现多根线谱的增强与检测。海试数据处理结果证明了该方法的可行性和稳健性。该算法对于辐射线谱信号的水下目标远距离探测识别有较高的参考价值。     

被动声纳线谱检测技术综述

船舶辐射噪声的功率谱由连续的宽带谱和离散窄带线谱组成。在被动声纳系统中，线谱检测是一个至关重要的问题。本文对线谱检测技术进行了综述。该领域最新进展表明，为了能够在低信噪比下检测和提取线谱，往往采用两种或多种组合方法，并且利用了多个时刻的数据。     

基于过估计信源数的宽带弱信号源DOA估计

为改善MUSIC类DOA估计算法检测弱信源的性能,提出了一种利用过估计源个数和频域峰值统计信息检测宽带弱信号源的MUSIC类DOA估计算法(OSM)。该算法放宽了MUSIC类DOA估计算法过于依赖信源个数质量的限制,OSM把过估计的信源个数输入给MUSIC,提高了正确检测弱信源的概率,同时也增加了虚警概率,但虚假峰值随窄带的变化呈无规则分布。由PPNN和MNT把这一频率域信息引入到信源检测,抑制了虚假峰,提高了OSM的检测性能。其最小可检测信噪比较传统的MUSIC类DOA估计算法降低了6dB。当带宽较窄时,若信号平稳性较好,适当增加一次快拍的采样长度,可提高窄带数目,亦增加了OSM的稳定性。海上实验数据处理得到了和理论分析一致的结果,该数据处理结果也初步验证了OSM算法的良好检测性能。     

一种适用于低信噪比条件的DOA估计方法

波达方向（Direction of Arrival,DOA）估计技术是信号处理中一个非常活跃的研究领域。但是无论传统的波束形成技术还是现代谱估计技术均适应于高信噪比的环境,当信噪比较低时,这些方法的波达方向（DOA）估计性能急剧下降。根据信号在时间上的强相关性和噪声在时间的弱相关性,提出了一种协方差矩阵的重构方法,该方法能够明显地提高协方差矩阵的信噪比。将新的协方差矩阵应用到最小方差无畸变响应（Minimum Variance Distortionless Re-sponse,MVDR）算法进行DOA估计,改善了传统MVDR算法在低信噪比条件下的DOA估计性能。计算机仿真和定向实验均表明在信噪比较低的环境中可以进行高精度的DOA估计。     

谱校正技术在水下信号波达方向估计中的应用

针对具有不稳定强线谱特征的水下目标,提出了一种基于目标线谱校正技术的信号波达方向估计(Direction of Arrival,DOA)方法,该方法结合矩形窗谱校正技术和全相位修正方法对目标线谱参数进行估计,从而计算目标方位.对该技术进行了仿真研究,并应用于实际水下目标线谱方位估计和单频脉冲波(Cw波)的DOA估计中....     

广义自适应相干累积算法改进及其在线谱增强中的应用

文章在广义的自适应相干累积(IGACI)算法的基础上,提出了修正系数的IGACI算法。即在相应原权系数基础上乘以修正系数,修正原则是提升末端权系数的幅值,同时可根据信噪比的变化作适当的调整。并将其用于白色噪声下的线谱增强,理论分析和仿真结果证明了在低信噪比的情况下,其性能要优于IGACI算法。文章还讨论了自适应线谱增强器的两种改进形式,并将IGACI算法应用于其中,仿真结果证明了其优越性。     

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...     

Statistical analysis of split spectrum processing for multiple target detection

This work provides a statistical analysis of the performance of split spectrum processing (SSP) for the detection of multiple targets using data consisting of simulated flaw signals added to experimentally obtained backscattered grain noise. The investigation is performed under two conditions: known a priori target spectral characteristics (i.e., center frequency and bandwidth) which, in turn, identifies the optimal spectral range for processing, and adaptively obtaining the processing frequencies using group delay moving entropy. The group delay moving entropy method was introduced to select the optimal frequency regions for SSP when detecting multiple targets. The effectiveness of this technique is statistically demonstrated in this paper. The performance is measured in terms of normalized signal-to-noise ratio (SNR) and probability of target detection. SSP with known target information yields a slightly higher probability of detection compared to SSP using group delay moving entropy, while both cases achieve comparable SNR enhancement. The SSP results were also compared with the corresponding bandpass filter outputs, which show superior performance for SSP for a wide range of simulation parameters.     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合，应用于高海况、低信噪比条件下，水中目标信号的特征提取中．文中首先对信号进行功率谱估计，利用目标信号功率主要集中在低频部分的特点，提取低频信号的能量作为特征，然后利用人工神经网络对目标信号进行检测．利用不同浪级情况下海洋水压场的仿真信号数据，对某型目标舰船的水压信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号检测率比较高、虚警率比较低的效果．     

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。     

基于时空坐标图像的运动点目标检测方法

针对复杂背景下运动点目标检测方法存在的局限性,提出从时间空间角度检测运动目标的方法.在时间空间域里,背景的复杂纹理表现为无限长直线,运动目标则表现为有限长线段.针对该特点,运用逐点灰度均值将背景与运动点目标分离,并根据投影关系将目标投影到二维空间,获得直观的目标运动轨迹.试验结果表明,该方法能较好地从复杂背景中分离出速度不大于1像素/帧的点目标,且可同时进行多目标的检测,抗噪声能力强.     

一种基于特征分析的强干扰抑制方法

水声环境中微弱目标往往被掩盖在强干扰的旁瓣中而无法检测。研究如何抑制强干扰,提高输出信噪比,对提高声呐探测性能具有重要意义。假设干扰能量远大于目标信号能量。首先,对接收数据协方差矩阵进行特征分解,其中最大特征值对应的特征向量属于干扰特征向量。然后利用正交投影方法将阵列接收数据向干扰子空间的正交子空间投影,将干扰数据去除,从而达到抑制强干扰的目的。数值仿真和海试数据验证结果表明,该强干扰抑制方法能够很好地抑制强干扰,提高目标信号输出信噪比和目标方位估计可靠性,可为后续的目标被动定位创造有利条件。     

Multiple target detection using split spectrum processing and groupdelay moving entropy

The split spectrum processing technique obtains a frequency-diverse ensemble of narrow-band signals through a filterbank then recombines them nonlinearly to improve target visibility. Although split spectrum processing is an effective method for suppressing grain noise in ultrasonic nondestructive testing, its application was mainly limited to the detection of single targets or multiple targets having similar spectral characteristics. In this paper, the group delay moving entropy technique is introduced primarily to enhance the performance of split spectrum processing in detecting multiple targets which exhibit different spectral characteristics (i.e., variations in target signal center frequency and bandwidth). This is likely to occur in complex, dispersive, and nonhomogeneous media such as composites, layered, and clad materials, etc. The analysis shows that the group delay moving entropy method can be used effectively to select the optimal frequency region for split spectrum processing when detecting such targets. Based on an iterative procedure that combines group delay moving entropy and split spectrum processing, multiple targets can be identified one at a time, and subsequently eliminated by using time domain windows. The removal of the dominant target improves the detection of the remaining weaker targets. Simulation results are presented which demonstrate the feasibility of the multistep split spectrum processing technique for detecting multiple targets in such materials