水声干扰器干扰效果参数级建模与分析

水声干扰器作为一种水声对抗器材,对声呐具有干扰压制作用。借助声呐方程,针对声呐的主、被动工作方式分别建立了干扰器干扰效果参数级模型,分析计算了探测距离衰减率和压制扇面,最后给出了仿真分析实例。提出的参数级模型分析法是一种快速有效的衡量干扰器对声呐干扰效果的方法,可为干扰器对抗作战策略提供一定指导意义。     

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。     

利用声源级估算目标距离

当确知自噪声级和声呐系统参数时,如能获得目标声源级,可利用声呐方程根据声场计算求出目标距离。本文给出了估距原理,声呐系统时空增益、本艇干扰级、声呐系统输出信噪比的测量方法,实艇试验方法及试验结果。 试验表明,利用目标声源缓通过声场数值预报仪与潜艇声呐系统联机实现目标距离估算是可行的,其性能和精度基本满足武器系统的使用要求。预报仪与声呐系统的配置具有广泛的应用价值。     

阵列信号维纳滤波用于主动声呐图像增强处理

声呐图像的噪声背景抑制是提高水下目标检测能力的重要问题。针对声呐图像背景斑点噪声强、目标轮廓模糊、目标回波对比度低等问题,利用确定性目标回波信号与随机分布的干扰噪声之间的相关统计特性差异,采用基于最小均方差准则的阵列信号维纳滤波器,通过主动最小方差无畸变响应（Minimum Variance Distortionless Response,MVDR）波束形成和后置维纳滤波的两级处理,去除声呐随机噪声背景。试验数据的处理结果表明：在噪声干扰条件下,相比于常规波束形成（Common Beamforming,CBF）,主动MVDR处理提高了目标回波的局部信噪比,后置维纳滤波处理降低了随机分布的斑点噪声,使声呐图像的清晰度得到增强。     

基于空间平滑的多波束测深声呐相干分布源方位估计

在多波束测深声呐的工作环境中,若海底反向散射信号不满足点源假设,方位估计精度将严重下降,而基于分布源模型的方位估计算法可以适应这种环境。目前,大多数分布源算法要求分布源之间不相干,有人提出采用Toeplitz方法估计相干分布源,但该方法精度不高并且忽略了角度扩展参数。为解决多波束测深声呐相干分布源的方位估计问题,提出了基于空间平滑的广义MUSIC方法,公式推导证明了算法的有效性,通过计算机仿真给出算法方位估计的精度以及不同信噪比条件下的性能,最后采用多波束测深系统的实验数据对算法进行了验证。     

波束形成后干扰抵消器的性能改善

采用波束形成后干扰抵消器抵消干扰时，采用常规干扰波束形成必然引起信号对消；采用正交干扰波束形成虽可以消除信号对消现象，但不效地抵消干扰；采胜改进的干扰波束形成时，可以抵消全部干扰。但在信噪比较小时仍存在信号对消现象。本文采用克莱姆－施密特修正递归误差反馈算法，既解决了信号对消问题，又解决了干扰抵消问题，从而大大改善了波束形成后干扰抵消器的性能。     

声纳输出的弱目标信息提取方法仿真分析

针对存在艇外平台强干扰的情况,对波束域MVDR（b-MVDR）和后置波束形成干扰抵消器（PIC）的弱目标提取能力进行了仿真分析。考虑到艇外平台与目标往往处于同一波束的实际情况,提出首先采用密集波束形成,再进行弱目标提取的方法。仿真结果表明：对艇外平台与目标处于同一波束的情况,PIC的目标分辨能力更强;在干扰较强时,PIC方法表现出更强的弱目标提取能力,但随信干比的增加其能力不断降低;而b-MVDR方法则在各种信干比下均具有良好的性能。     

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。     

声呐信号并行处理系统及频域波束形成的实现

提出了声呐号并行处理的体系结构,介绍了自行研制的四C40并行信号处理板的结构及性能,并分析了该板在声呐波束形成中的应用。     

舰载声呐与航空吊放声呐协同双基地搜索范围研究

针对舰载声呐与航空吊放声呐构成的异类传感器双基地工作问题,建立了基于声呐方程的海洋环境噪声背景下双基地搜索范围模型。在舰载声呐与航空吊放声呐双基地协同工作系统中,舰载声呐发射探测信号,舰载声呐和航空吊放声呐均接收水下目标回波信号。根据能量关系建立了扩展面积、扩展距离、等效半径模型,定量分析了声源级、基线长度等因素对系统搜索范围的影响。仿真结果表明,当舰载声呐声源级相对于吊放声呐声源级足够大时,协同双基地工作模式在较大的基线长度范围内不仅在搜索范围上优于舰载声呐和吊放声呐均独立工作时的单基地联合搜潜,而且在搜索宽度上也有优势。     

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...     

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。     

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。     

一种基于跳波束天线的通信方式及其性能分析

提出了一种新的基于跳波束天线(Beam Hopping为Antennas，BHA)的通信方式，并对其在存在强方向性干扰的情况下的平均信干噪声比(SINR)性能进行了初步的分析。结果表明，相对于传统单波束天线(Single Beam．Antennas，SBA)的通信方式，这种新的BHA通信方式能够有效地改善存在强方向性干扰时的通信质量，从而提高系统的性能。     

潜艇深度变化后的声纳跟踪条件

从理论上分析了正在跟踪目标的潜艇在其深度变化后，影响声纳继续跟踪该目标的主要因素，从跟踪条件下的声纳方程中，分析深度的变化引起声传播损失和干扰噪声的变化，给出了声传播损失和十扰噪声的计算方法，得出了潜艇变深后保证声纳得以继续跟踪目标的本艇航速及其预报方法和计算实例。     

噪声干扰对被动声呐系统的影响及仿真分析

在从信号处理的角度,就干扰信号对被动声呐系统的目标信号检测、目标方位估计、接收系统饱和等方面的典型情况进行了仿真分析,定义了噪声掩盖比、方位偏离度、噪声阻塞级等参数,用以表征干扰信号对被动声呐系统的影响,并给出了典型的仿真结果。     

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。     

多波束融合BP神经网络拖船噪声抵消

拖曳线列阵声纳中,拖船噪声常常是影响声纳性能的重要因素之一。由于存在严重的多途效应,仅仅改变自适应结构难以提高拖船噪声抵消性能。因此在实际应用中,固定参考输入自适应干扰抵消技术的抵消效果一般均不理想,本文针对拖船噪声的特性,提出了一种多干扰波束融合的抵消算法,该算法具有抗多途效应效果好,可以较有效地消除拖船干扰,提高声纳的检测性能,试验数据处理结果表明它优于现有的自适应方法,且具有运算量少的优点,可望在实际声纳中得到应用。