共查询到18条相似文献,搜索用时 134 毫秒
1.
2.
分析了几种目标尺度识别方法的机理,针对其特性和传统声诱饵的不足,研究了一种基于潜艇亮点模型的线列阵声诱饵,并对其参数进行了选取.仿真结果表明,该声诱饵对基于目标尺度识别的鱼雷具有干扰能力. 相似文献
3.
现代"智能"鱼雷的一种对抗手段是发射诱骗编码寻的信号,因此需要相应发展"智能"的对抗器材。边发、边收声诱饵在发射应答信号时,不关闭接收机,从而可以不受诱骗编码的欺骗,在发射强干扰的同时测量鱼雷寻的信号的频率,来控制发射频率自动跟踪鱼雷寻的频率的变化,增强声诱饵的对抗能力。对于悬浮式声诱饵,边发、边收的关键技术是抗发射声串漏、界面反射声及混响的干扰。讨论了悬浮式矢量边发、边收声诱饵的组成和信号处理方法,利用矢量传感器的零点指向性抑制强干扰,可以使诱饵发射时也能探测微弱的寻的信号,并能测量鱼雷寻的信号的频率。 相似文献
4.
鱼雷防御是从对来袭鱼雷的识别报警开始的,所有鱼雷防御系统的基础是其对鱼雷的检测、分类和定位能力。为了有效地对抗鱼雷攻击,各国海军正在努力提升其声纳的鱼雷目标检测、定位和识别性能。文章对国外鱼雷报警系统的现状和发展趋势进行了分析和评述。鱼雷报警功能可以利用专门的鱼雷报警声纳来实现,也可以集成在一个被动拖线阵里。但通常由一个主被动联合拖曳阵声纳和舰壳声纳构成一个完整的系统,共同完成鱼雷辐射噪声的被动检测、分类和主动回波信号的分析,每个声纳都为鱼雷这个高速小目标的检测定位进行了优化。这样的系统由于可以采用基元数众多长线阵、更好地利用声场条件等,可以实现对鱼雷目标的远距离识别、定位和全方位覆盖。系统部分组成通常也是反潜战能力的组成部分,而将鱼雷检测和水声对抗结合正成为一种新的发展趋势,一些拖曳阵可以作为软杀伤对抗措施欺骗其检测到的鱼雷目标。 相似文献
5.
鱼雷防御可以采用软杀伤和硬杀伤两种对抗手段。现在大多数鱼雷防御系统还是软杀伤型的系统--使用诱饵或干扰器干扰潜艇的目标指示,去误导或打断鱼雷的制导机制。但软杀伤并不能对抗某些类型的鱼雷,加上大部分先进的现代鱼雷都具有反对抗措施,导致软杀伤防御的有效性在降低,需要开始更多地关注能够消除威胁的硬杀伤系统。现代水面舰艇鱼雷防御系统中正在不断增强对来袭鱼雷的硬杀伤能力。反鱼雷鱼雷、火箭深弹、拦截网、爆炸式声诱饵等都是用于鱼雷防御的硬杀伤手段,对相关硬杀伤技术进行了分析和回顾。 相似文献
6.
7.
8.
9.
边收边发技术可提高声诱饵对智能鱼雷的对抗能力,增强信号适应性。实现此技术的关键在于要降低声诱饵自身发射系统对水声对抗器材接收端的影响,避免器材自身发射系统发射的信号被接收机接收,因此有必要针对边收边发技术进行水声器材声隔离度获得方法的研究。研究利用发射和接收换能器的指向性和自适应噪声抵消技术可为器材带来的隔离度,并给出了仿真结果与水池试验结果。结果表明:利用发射、接收换能器指向性可获得30dB左右的隔离度,利用自适应抵消技术可获得15dB左右的隔离度,以满足边收边发的指标要求。 相似文献
10.
正横布置的潜艇发射装置在发射鱼雷诱饵时,由于受潜艇航行带来的水流作用力的影响,鱼雷诱饵出管后将向潜艇的尾部方向回转,如果潜艇发射鱼雷诱饵时的航速较高,则这种回转将十分严重,有可能与发射艇的尾部相碰撞,这将给发射艇及鱼雷诱饵带来安全性问题.文中提出了一种鱼雷诱饵发射装置在艇上作向前倾斜的斜置式布置结构.数值仿真结果表明,此种布置方式可以削弱鱼雷诱饵出管以后的回转趋势,从而可以避免较高航速时鱼雷诱饵与发射艇的回转碰撞。 相似文献
11.
高分辨波束形成器比常规波束形成具有更好的方位分辨力与干扰抑制能力。该波束形成器能够提高阵列输出信干噪比,从而提高声呐的探测性能。与多重信号分类、旋转不变子空间等方法相比,最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)波束形成器输出真实反映了观察方向的信号功率,同时可提供波束时间序列做后置处理,在水声阵列处理领域得到了快速发展和深入研究。对高分辨MVDR技术在水声阵列处理中的研究进展进行了回顾,重点介绍了其宽带处理、稳健性、运动补偿、解相干等国内外的研究热点和最新成果,同时给出其在各种水声阵列处理领域的应用前景。 相似文献
12.
13.
水下目标识别是潜艇在海战中,先敌发现并有效进行水声对抗的关键技术。然而,如何根据声纳接收到的舰船辐射噪声对三类目标进行分类识别是长期困扰人们的问题。研究了四种语音识别中常用的方法——线性预测系数(LPC),线性预测倒谱系数(LPCC),美尔倒谱系数(MFCC)和最小均方无失真响应(MVDR),在水下目标识别中的应用效果,并比较了这四种方法在无噪声情况下的识别概率,以及在不同信噪比下的识别概率,并通过比较找到在无噪声和有噪声情况下的最佳方法。实验表明,在无噪声的情况下,MFCC方法总体识别率最高,第一类目标MFCC方法的识别率最高,第二类目标MFCC和MVDR方法识别率相似,好于其他两者,第三类目标MVDR方法识别率最高。在加入噪声的情况下,MVDR方法对三类目标的识别和抗噪声性能明显好于其余三者。 相似文献
14.
15.
16.
17.
水声目标智能识别是水声装备智能化的重要组成部分,深度学习则是实现水声目标智能识别的重要技术手段之一。当前水声目标智能识别经常面临数据集较小带来的训练样本量不足的情况,针对小数据集识别中存在的因过拟合导致模型泛化能力不足,以及输入的水声信号二维谱图样式不统一的问题,文章提出了一种基于VGGish神经网络模型的水声目标识别方法。该方法以VGGish网络作为特征提取器,并在VGGish网络前部加入了信号预处理模块,同时设计了一种基于传统机器学习算法的联合分类器,通过以上措施解决了过拟合问题和二维谱图样式不统一问题。实验结果显示,该方法应用在ShipsEar数据集上得到了94.397%的识别准确率,高于传统预训练-微调法得到的最高90.977%的准确率,并且在相同条件下该方法的模型训练耗时仅为传统预训练-微调方法的0.5%左右,有效提高了识别准确率和模型训练速度。 相似文献