混响背景下基于MTI技术的目标检测

研究了一种基于MTI技术的水下目标检测方法。该方法无需混响干扰的先验知识,利用MTI技术在线性估计并及时跟踪混响功率谱的变化,通过归一化匹配滤波器检测水下目标的回波。仿真数据和实验数据的处理结果验证了本方法的有效性,在信混比较低的情况下检测器仍具有很好的检测性能。     

基于改进FCOS的水下目标检测算法北大核心CSCD

提出一种基于改进全卷积单阶段目标检测(FCOS)算法的水下目标检测算法。针对水下光学图像存在高色偏、低对比度、色彩偏暗、模糊失真而导致现有目标检测算法在水下环境检测效果不佳等问题,将骨干网络中的普通卷积替换为可变形卷积(DCN)进行优化,增强算法在模糊的水下光学图片的特征提取能力。通过神经架构搜索(NAS)改进网络的特征融合网络以及检测网络,提升对骨干网络提取到的特征的利用能力。采用CIoU Loss作为新的损失函数来提高坐标回归的准确率。实验表明:改进的FCOS算法在DUO数据集上,检测的准确率提高了1.8%,召回率提高了2.2%,检测速度为53.4帧/s(相比改进前降低了5.0%)。该算法准确率较高并基本达到实时检测的要求。     

消声瓦声参数匹配与水下目标的回波消声效果

覆盖消声瓦是水下目标隐身的一个主要方法,对敷瓦消声效果的预报是敷瓦工程的一个重要环节。预报的关键是对消声瓦吸声效果的数值分析和目标回波强度的计算方法。本文分析了消声瓦的吸声机理,据此,采用传递矩阵法和参数匹配方法求得敷瓦多层结构在任意方向的反射系数,再通过物理声学方法计算目标回波强度,给出预报值,并同实验结果进行了比较。     

基于注意力与密集重参数化的目标检测算法

针对目标检测任务中背景复杂、目标尺寸差异大等因素导致目标检测结果较差的问题,本文提出基于注意力和密集重参数化的目标检测算法。首先,基于CSP-DarkNet提出高效的特征提取网络,主要包括密集重参数化模块和CASA模块2个设计。前者利用密集连接保留浅层特征,又通过重参数化结构降低网络复杂度;后者CASA模块用于获取需要的目标信息。其次,特征融合在特征金字塔(FPN)和路径聚合网络(PAN)的基础上,引入内容感知特征重组(CARAFE)进行上采样,有效解决了邻近插值法等未能捕捉丰富语义信息的问题;提出更高效的C3-G模块,获取丰富的梯度信息,增强模型表达能力和感知能力;同时,引入深度可分离卷积提升运算效率。最后,检测输出采用在更大范围上跨领域正负样本匹配策略扩充正样本数量,提升检测效果。该算法在MS COCO和PASCAL VOC数据集上的m AP@0.5分别达到了57.5%和83.0%,充分说明了本文算法的先进性。     

新的联合三角形法和经验模态分解的水下目标回波检测

水下目标回波信号的自动检测和识别是水声装备自动化的关键任务之一。大量的混响干扰,一个脉冲周期内有多个目标或没有目标,以及目标边界的模糊性和位置的随机性,是目标检测的难点。对回波信号进行经验模态分解,目标信号的绝大部分信息将集中在某个固有模态函数上,且产生明显的边界,而各种噪声和干扰成分被分解到其他固有模态函数上。基于此,提出在固有模态函数包络上用三角形法定位目标及双阈值检测精确的目标边界的算法;提出目标回波的固有模态函数瞬时幅度方差谱特征。海上实测回波数据的实验,从检测目标个数和识别率两方面来验证算法的性能,并与其它方法进行对比。实验表明该算法能任意定位和准确检测回波中的目标,且不受脉冲噪声的影响,检测效率高。     

基于形状相似度的水下目标识别算法

在水下声纳图像目标检测与识别中,水下目标的识别问题是关键技术之一。基于形状相似度的概念,提出一种新的水下目标形状分类算法。首先对检测到的水下目标阴影区域进行规格化处理,采用改进的形状上下文方法对常见水下目标形状进行分类识别。与传统形状上下文方法相比,改进后的算法具有旋转不变性和模板自适应更新能力。通过对球形、圆柱形和圆台形三类目标的阴影区域进行仿真分类计算可知,该方法具有仿射不变性,分类准确率较高。     

基于多波束系统的水下目标近程回波亮点声图像

模拟多波束系统,仿真得到了水下目标的二维回波亮点声图像。先采用小分置角双基地目标回波特性计算的近场板块元方法,计算得到水下目标的传递函数。再根据多波束系统的理论,建立了水下目标回波亮点二维声图像的基本框架,实现了水下目标回波亮点二维声图像仿真。最后得到了水下目标不同方位角情况下近程二维回波亮点的声图像。     

基于离散分数布朗随机场的水下图像目标检测

采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法.该方法根据分形理论和水下图像的特点,以图像中每个像素点为中心取窗口,计算在该窗口内的分形维数均值,将该均值作为中心像素的分形特征,然后根据分形维数分布图确定分割阈值,从而实现对水下图像分割,并且通过将目标表面不同尺度下的灰度差分平均值进行归一化处理,减少了用于表示不同尺度下的平均绝对值灰度差分的数据,从而提高算法检测效率.实验结果表明,该方法对水下成像条件具有一定鲁棒性,是一种有效的水下图像目标检测方法.     

基于投影感知的水下声呐目标检测方法

现有基于深度学习的水下声呐图像目标检测方法受限于水下声呐图像噪声大、信噪比低,因而检测精度有限。针对该问题,本文提出了基于投影感知和声呐参数信息嵌入的水下声呐图像目标检测方法 SonarNet。提出的非参数化的投影感知对齐模块(PAA)在不引入额外的训练参数且无需额外标注的情况下,通过提取水下目标的投影区域特征与目标本身特征融合来提升目标检测精度。同时为了提升算法在不同声呐工作参数下的鲁棒性,本文设计了一个轻量级的声呐全连接网络SonarMLP,将声呐设备的工作参数信息以嵌入信息的形式引入到目标检测过程中。本文在声呐图像目标检测数据集上对算法的有效性进行了验证,在有效检测出水下目标的同时,比现有常用深度学习方法有更高的检测精度,能够提升3%以上的各类平均精确度(m AP)。     

自适应免疫算法的SVME用于水下目标识别

针对用支持向量机集成提高水下目标识别正确率会使识别系统更加复杂的问题,提出了一种以自适应免疫算法(AIA)的支持向量机选择性集成(SVME)算法(即AIA-SVME算法)进行分类器优化选择,对实测水下目标声信号进行分类识别.与分类器全部集成的识别实验对比证明,该算法在选择9%的分类器后仍可以达到分类器全部集成的识别效果,不仅保证了识别精度,还使得识别系统大幅度精简,节省在线识别的时间.该研究对于水下目标分类决策优化集成的新方法探索具有重要理论价值和实际意义.     

基于EK-NN的水声目标识别算法研究

针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。     

遗传特征选择方法在水下目标识别中的应用

为了改善分类器的性能,提高水下目标识别的正确率,文中研究了遗传特征选择方法在水下目标识别中的应用,设计了一个新的合适度函数作为评价特征子集的准则。对wine数据集和海上实测的舰船辐射噪声数据集的仿真实验之结果表明,该方法可以选择出描述目标的有效特征子集,降低了特征集的维数,从而改善了分类器的性能。     

一种水下多亮点目标模拟器的设计

以物理声学法为基础,推导了典型的多亮点水下目标回波的参数计算公式,利用MATLAB仿真验证了不同的入射角对该多亮点模型的影响,给出了水下目标回波的仿真结果。在此基础上,设计了基于线列阵的多亮点目标模拟系统的总体技术方案,提出了解决系统实时性等问题的具体办法。     

一种基于运动模型的水下目标方位预处理方法

为了改善纯方位目标运动分析方法的性能,提出了一种水下目标方位预处理方法。该方法利用目标运动模型对观测方位序列进行预处理,经仿真验证,与常规的多项式拟合方法相比,能够有效降低水下目标方位观测量的估计误差,提高了目标运动分析的性能,可获得更高的运动参数估计精度。     

用于水声目标识别的近邻无监督特征选择算法

针对水声目标数据的特征冗余问题,提出一种新的近邻无监督特征选择算法。首先利用顺序向后特征搜索算法生成原始特征集的子集,然后利用基于代表近邻选取方法的特征评价机制评价特征子集的优越性。使用实测水声目标数据集和声呐数据集进行特征选择和分类实验,在保持支持向量机平均分类正确率几乎不变的情况下,特征数目分别降低了90%和75%。结果表明,该算法选择出的特征子集,在去除冗余特征后有效地提高了后续学习算法的效率。     

水下声信标信号的多脉冲匹配滤波改进方法

水下声信标信号检测是搜寻黑匣子的重要技术之一。针对水下声信标信号声源级低、脉冲宽度窄所带来的检测难题,充分利用声信标信号周期短、相邻脉冲信号相关性强等特点,提出了一种基于多脉冲积分的改进匹配滤波方法,通过前后脉冲匹配方法克服标准信号匹配处理中因信号畸变带来的匹配处理增益下降,通过多脉冲累积提高积分增益。通过仿真实验验证,当取多脉冲累积数为6时,在理想白噪声环境下,所提改进方法比传统单脉冲匹配滤波检测性能提高约4 dB,特别是在存在明显多普勒影响下,传统方法适应性下降,所提改进方法有9 dB的性能提高。通过对湖上实验数据的处理也验证了所提方法的有效性。     

基于分数阶功率谱熵的未知水声脉冲信号检测方法

水声侦察的核心问题是在无先验知识条件下捕获其他平台发射的脉冲信号,单频(Continuous Wave,CW)信号和调频(Frequency Modulation,FM)信号是常用的水声探测脉冲.功率谱熵算法能有效检测低信噪比的CW信号,但对FM信号性能不佳,分数阶傅里叶变换(Fractional Fourier Tr...