水下目标回波的块信号稀疏分解方法

基于匹配追踪的稀疏分解方法原理简单,在工程实际中应用广泛,但其计算量大,重构精度也不够理想。针对此问题,利用水下目标回波信号的块稀疏特性,提出了水下目标回波的块信号稀疏分解方法。首先基于水下目标回波和块稀疏信号的基本理论,结合回波信号仿真结果,分析了水下目标回波信号的块稀疏特性;然后,充分考虑回波信号本身的稀疏结构,利用信号分块和原子分块的思想,针对水下目标回波提出了块信号的稀疏分解和块匹配追踪重构算法,并从理论上对其计算复杂度进行了分析;最后,采用仿真实验的方式,与传统方法进行对比。结果表明,该方法大大减少了计算量,提高了重构精度。     

融入频域先验信息压缩感知方法的主动声呐回波信号处理

针对弱信噪比时的水下主动声呐回波信号处理问题,从主动声呐入射信号和目标回波信号的先验信息出发,与压缩感知理论相结合,提出了融入频域先验信息的压缩感知方法（Compressed Sensing based on Fequency Prior Information,CSFPI）。针对主动声呐入射信号,获取其频域先验信息,将其作为“原子”融入信号的稀疏分解过程,构建完备频域先验稀疏矩阵。主动声呐回波信号可以等效为携带目标信息入射信号的线性叠加,将该特性与传统正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法结合,形成基于“块”的正交匹配信号重构算法。采用CSFPI方法处理仿真信号来验证理论方法的正确性。进一步,通过主动声呐发射接收装置获取湖上实测数据,用CSFPI方法进行处理。当压缩比为50%、信噪比低至-5 dB时,重构信号的匹配率高于70%。实验结果表明了CSFPI算法在处理低信噪比声呐信号时的有效性。     

基于曲率和的主动声呐干涉条纹特征表征方法

干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中,声波能量传播特性较为复杂,信号会经过发射源到目标以及目标到接收器这2条不同的路径,目标的散射特性在声波的入射模式和散射模式之间相互作用,使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征,提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值,利用曲率求和的方法刻画条纹的弯曲程度,进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征,通过统计平均值的方式得到平均曲率和为0.6左右,从特征表征结果可以看出,曲率和可通过统计离散点曲率强度描述干涉条纹特征,且在同一环境条件下,发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512,实验与理论结果较为吻合,表明通过该方法可以获取主动声呐干涉条纹特征,进而实现目标识别和探测。     

基于字典学习的主动声呐目标分类方法

主动声呐目标分类在军事和民用方面都有重要的应用和价值。文章基于稀疏表示理论,结合K-奇异值分解和正交匹配追踪算法,提出一种基于学习字典的稀疏表示分类方法（Dictionary Learning Sparse Representation Classification,DLSRC）。首先,利用K-奇异值分解算法训练各个类别目标回波信号,得到带有目标特征信息的类别字典,类别字典对信号具有良好表征能力并且带有目标类别信息;然后,利用正交匹配追踪算法和各个类别字典稀疏分解测试信号,得到各个类别字典下的稀疏系数后重构信号;最后,根据各个重构信号与测试信号的匹配度判定类别,得到分类准确率。结果显示,200个测试数据在信噪比分别为-5、-3、6 dB时,DLSRC法的分类准确率分别达到87%、89%、95.5%。不同信噪比下基于学习字典稀疏表示分类方法的准确率均高于已有的支持向量机（Support Vector Machine,SVM）、K-最近邻（K-Nearest Neighbor,KNN）和柔性最大值分类器（SoftMax）等分类方法,具有较好的分类性能。     

多阶次分数阶傅里叶域特征融合的主动声呐目标稀疏表示分类方法

海洋环境噪声和混响干扰严重、目标可分性差是主动声呐目标分类识别中的瓶颈问题.针对这一问题,该文基于主动声呐目标回波信号模型和分数阶傅里叶变换(FRFT)原理,推导了多阶次FRFT域特征表征形式,建立了FRFT域稀疏表示模型,提出了一种多阶次FRFT域特征融合的主动声呐目标稀疏表示分类方法.该方法通过FRFT的能量聚集性和稀疏分解的残差去除过程,达到了抑制噪声和混响干扰的目的;通过多阶次FRFT域特征的融合,增加目标之间的可分性,进而实现海洋环境中低信混比条件下的主动声呐目标分类.实验结果表明,所提方法在信混比达到0 dB的条件下,分类准确率能够达到90％以上.     

修正共形FDTD技术在声散射中的应用

传统时域有限差分法(UFDTD)将曲面目标边界作为台阶近似来处理,当网格划分不很精细时,计算结果会有很大的误差.共形技术可以解决这一问题,但它要满足一定的共形条件,实现起来比较困难.针对刚性目标的声散射问题,提出一种修正共形技术,它不需要满足任何共形条件就能达到很好的稳定性.文中给出了此共形技术的基本原理和稳定性证明,并针对声散射问题进行数值模拟.仿真结果表明:在同样计算量的情况下,此方法的计算精度明显高于传统方法;在同样计算精度的情况下,此方法的计算量大约比传统方法节省50%.     

多阶次分数阶傅里叶域特征融合的主动声呐目标稀疏表示分类方法

海洋环境噪声和混响干扰严重、目标可分性差是主动声呐目标分类识别中的瓶颈问题。针对这一问题，该文基于主动声呐目标回波信号模型和分数阶傅里叶变换(FRFT)原理，推导了多阶次FRFT域特征表征形式，建立了FRFT域稀疏表示模型，提出了一种多阶次FRFT域特征融合的主动声呐目标稀疏表示分类方法。该方法通过FRFT的能量聚集性和稀疏分解的残差去除过程，达到了抑制噪声和混响干扰的目的；通过多阶次FRFT域特征的融合，增加目标之间的可分性，进而实现海洋环境中低信混比条件下的主动声呐目标分类。实验结果表明，所提方法在信混比达到0 dB的条件下，分类准确率能够达到90%以上。     

基于稀疏分解的水下目标回波信号处理方法

针对超低信噪比的水下弱信号处理问题,基于稀疏分解理论,重点关注入射信号和回波模型等先验信息如何融入稀疏字典（过完备原子库）的构造,并结合匹配追踪方法,提出基于稀疏分解的水下回波信号处理方法。首先建立水下回波信号亮点模型,得到回波模型和入射 信号的关系,对已知的发射信号进行离散化、能量归一化以及移位处理,构造适合回波信号自身特性的过完备原子库;然后基于匹配追踪算法实现水下回波信号的稀疏分解,并将处理结果与常用的匹配滤波方法进行对比分析。仿真结果表明,本文方法不仅能精确重构出原始回波信号,而且在处理超低信噪比水下回波信号时较匹配滤波方法具有明显的优势。     

基于Kirchhoff积分的瞬态声场计算方法

传统时域有限差分(FDTD)法计算远场瞬态声场特性时,通常需要将外推边界上各个时间步的场值都存储下来,占用了大量的内存,影响了计算效率.针对此问题,提出一种新的外推方法,它将柯西霍夫(Kirchhoff)公式应用于FDTD数值计算中,将积分面上每一步的近场都叠加到它有贡献的远场时刻上去,近远场变换可以与FDTD的场分量迭代同步进行,不需要将外推边界上每一时间步的场值都存储下来,减少了存储空间.针对绝对软和绝对硬的圆柱目标进行仿真计算,并与标准FDTD外推结果进行比较,结果表明:与标准FDTD的计算结果基本吻合,在节省内存量的同时不影响其计算精度.     

广义轮换测量矩阵及其在水下回波信号压缩感知中的应用

根据压缩感知中测量矩阵的性质及要求，在轮换确定性测量矩阵的基础上，通过调整测量矩阵每一列元素的系数，增强列与列之间的相关性，得到广义轮换测量矩阵，并将其应用于水下回波信号的压缩感知观测中。通过无噪声下不同测量矩阵匹配度和相对误差随压缩比的变化，以及4、0、-3 dB三种信输入噪比下不同测量矩阵的输出信噪比、匹配度随压缩比的变化，分别对水下回波信号进行处理，比较其性能。仿真结果表明，相比部分哈达玛等确定性测量矩阵和以高斯为代表的随机测量矩阵，广义轮换测量矩阵在输出信噪比、匹配度、相对误差等方面有很大提高。同时广义轮换矩阵为确定性测量矩阵，便于工程实现。