矢量水听器阵波束域MUSIC算法研究

矢量水听器可同时拾取声压和振速信息,成阵后水听器间的相移信息量增大。基于矢量水听器阵的波束形成性能明显由于同条件下的声压水听器阵,但其空间分辨力依然受阵列物理空间的限制。已经有人研究了矢量水听器阵的高分辨谱估计方法（MUSIC算法）,但属于对阵元域信号进行的直接处理,运算量较大。提出一种基于矢量水听器阵的波束域MUSIC算法（BMUSIC）。该算法首先将矢量水听器阵元的空间数据转换到波束空间,然后对转换后的数据再运用MUSIC算法。不但实现了降维处理,减小了运算量,而且可进一步抑制扫描扇面外的噪声。对BMUSIC算法进行了仿真并与常规MUSIC算法进行了比较。结果表明,该方法可得到与阵元域MUSIC算法相当的方位分辨力。     

一种归一化变步长自适应滤波的快速跟踪算法

当LMS算法用于时变系统时,其跟踪性能不佳,常常不能满足应用要求。其主要原因是步长的选取影响收敛速度与稳态失调。而固定步长往往使二者不可兼得。本文提出一种具有快速跟踪能力和允许大输入动态范围的归一化变步长自适应滤波的新算法(NVS).计算机仿真计算表明,新算法的性能明显优于LMS算法,而计算量增加甚少。     

零因子素数傅里叶变换(ZFT)及其硬件实现

从素基数DFT出发,应用数论理论讨论了一种应用二阶递归滤波结构的算法及零因子转换算法(ZFT).由于该算法退化为应用一阶递归滤波器结构,且递归系数为正负1,从而可使在递归循环内不用乘法器,只用廉价的TTL电路进行加法及延时运算便可实现.为提高精度,采用了并联校正网络,在实现高精度转换的同时并不影响运算速度.已在实验室建立了一个31点硬件实验系统,所得到的实验结果令人满意.     

双稳态随机共振系统参数选择快速算法及应用

针对双稳态随机共振(SR)系统参数选择困难的问题,提出了基于龙格库塔数值算法的随机共振参数选择快速算法,并将其应用于目标线谱检测.首先对双稳态SR系统进行参数归一化,在此基础上提出了由输入信噪比来选择系统步长,并根据归一化频率和谐波估计幅值和来计算SR系统参数的参数选择快速算法.该算法能够对不满足绝热条件下的高频或大尺...     

时空相关测速方法理论模型研究

相关测速声呐与多普勒测速声呐相比有很多优点.相关声呐与常规测深仪相似,用单波束垂直向海底发射,回波比多普勒声呐的回波强,而且波束可以很宽,相同大小的发射换能器,可以使用低频发射.早期的声相关计程仪,多采用时间或空间相关法,用常规的相关解算装置确定速度.为提高测速精度,提出了基于声传播机理构造海底回波的理论时空相关函数的方法,该方法通过采集的回波数据构造数据相关函数,利用最大似然等方法估计未知参数.为测出舰船相对于地的绝对速度,较详细地推导了海底回波的时空相关理论函数,从而可利用最大似然方法估计船速.     

一种基于位移相位中心法的合成孔径声呐运动补偿改进算法

位移相位中心法在合成孔径声呐载体运动误差较小时是一种运动补偿的有效方法，然而，当运动误差较大，不能用相位误差描述时，其补偿效果不佳，本文提出了一种基于位移相位中心法的改进算法，改进算法首先估计时延，在估计和修正时延误差的基础上再估计相位误差，从而修正运动误差对SAS回波的影响，改进算法的适用扩大，更适用于SAS各运动误差较大的情况，文中给出了仿真计算结果，验证算法的有效性。     

高分辨图像声纳预成多波束的指向性湖上测量方法

声纳系统的指向性是保证设备完成预定功能的重要指标，在湖上实地测量系统的指向性有很大困难，尤其对于窄波束系统的指向性，则根本无法测量。为此，在分析了湖的实际状况和设备所具有的潜力后，提出了一种行之有效的指向性测量方法，即利用数据采集系统，及距离门控制实现波束测量的方法。该方法不但解决了因湖水的流动、声源与接收基阵之间的位置不断发生相对运动造成波束测量困难的问题，同时也大大提高了测量效率。     

属性直方图及其在声纳图像模糊增强中的应用

提出了属性直方图的概念,分析了一种模糊增强算法的实质,并将它们应用于沉底小目标声纳图像增强过程,给出了模糊增强的实现过程和实验结果。直方图是图像处理中最重要的基本概念之一,该文提出的属性直方图的概念,是对图像处理中直方图概念的发展。     

干涉合成孔径声呐复图像配准

利用干涉合成孔径声呐技术能够获得海底的三维地貌图,而干涉合成孔径声呐复图像之间的精确匹配技术是提高合成孔径声呐干涉测量精度的关键之一.首先讨论了干涉合成孔径声呐复图像配准过程中所要考虑的问题.然后给出了一种复图像配准方法,在该复图像配准过程中,使用的是基于窗口区域的图像配准方法,并把复图像中相应配准窗口之间的相关系数作为评估配准精度的标准,使用该方法能够获得子像素级的配准精度.最后把该数据处理方法应用到了仿真和消声水池试验数据的干涉处理之中,最终取得了令人满意的结果.     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。