谐波集(HS)检测算法在直升机目标声探测中的应用

利用单个被动声传感器的声信号进行直升机目标检测，介于直升机声信号的功率谱是由一系列强相关的谐波分量叠加于宽带随机分量组成，着重研究在频域中的谐波集(HS)检测并给出详细算法。通过大量实测信号的测试表明，该方法对于不同飞行状态和距离下的直升机均有较强的检测能力，而且可以进一步为直升机目标识别分类提取有效的特征量。     

基于沿海声层析技术的水下目标探测技术

针对难以对水下目标进行快速有效探测的难题,利用声层析的方法观测域内的水下目标尾流分布及其随 时间演变过程,通过流场变化以实现对水下目标的探测。通过沿海声层析(coastal acoustic tomography,CAT)5 站声 同步传输观测试验,获得双向声传播时间数据,进行流场分布反演;利用3 维反演方法观测得到自主式水下潜器 (autonomous underwater vehicle,AUV)潜航所在深度的水平流场演变过程,反演结果与直接计算的路径平均流速基 本吻合;实验过程中,鱼雷型水下机器人经过后流场产生明显波动,声学多普勒流速剖面仪(acoustic doppler velocity profiler,ADCP)与CAT 观测结果分别为1.57, 1.43 m/s。结果表明：利用CAT 方法在小尺度区域内观测探测AUV 目 标取得的成功,为后续的观测实验打下了基础。     

直升机目标被动声跟踪算法及其仿真研究

提出了包含多普勒频移和声传播时间延迟的接收信号模型,提出了在直升机目标做匀速直线运动的条件下,将声基阵获得的测向信息与多普勒频移信息融合,估计目标运动参数的算法,并用蒙特卡罗方法分析了该算法的估计精度;仿真结果表明该算法可实现较高的估计精度,测距精度满足实用要求,最后研究了应用该算法的自适应跟踪问题。     

基于盲源分离和自适应滤波的水下声信号降噪算法

在水下小孔径基阵测向应用中,阵元接收到的连续波（CW）信号质量直接关系到测向误差的大小,由于受到多径效应、信号起伏和水下背景噪声的影响,往往实际检测到的信号信噪比较低,相位估计结果离散性大。本文针对水下CW信号和水下背景噪声特点,提出了一种基于盲源分离和自适应滤波联合降噪的算法,该算法对接收的CW信号波形进行降噪以达到提高信噪比的目的。通过算法仿真和湖试试验证明,经本文算法输出的信号,估计器的输出结果比直接利用信号进行方位估计的结果精度高。     

水下对直升机探测技术研究

直升机辐射噪声是水下探测直升机的基础。讨论了直升机辐射声场指向性、频率特性及空气声向水下传播特性。结果表明,空气声入水折射波在水下传播具有余弦指向性特性,远距离传播损失与海底类型有关,与声源高度关系不大。最后分析了水下对直升机噪声的探测能力,结果表明水下探测直升机可行。     

基于声探测定位算法及精度分析

无源声探测技术是一种重要的军事侦查手段,是防空作战中反电子干扰和反低空突防的一种有效途径.它具有被动接收、隐蔽性好和探测距离远等优点.针对无源声探测中平面声传感器阵对小仰角目标估计精度偏低的问题,提出了立体声传感器阵,推导了该阵列的基本定位算法,并进行了定向误差分析.结果表明,该算法提高了小仰角目标的探测精度,且与目标方位角无关.它克服了平面阵列的固有缺点,在对低空、超低空飞行目标的定位工程实践领域中,更具实用性.     

直升机声信号谐波集及小波子空间能量特征提取与识别

对目标识别中的特征提取技术进行了研究，介绍了两种用于被动声信号特征提取的方法．分别将谐波集(HS）频率和不同尺度小波子空间能量作为特征矢量，给出相应的算法；并利用实测信号将这些技术运用到直升机目标的识别问题中，利用kNN分类器对直升机目标和非直升机目标进行分类。结果表明这两种方法都能达到较高的正确识别率。     

基于特征增强与损失优化的水下遮挡目标检测算法

针对水下探测机器人在海洋作业时由于目标密集、形态重叠等原因容易产生误检、漏检的问题,提出一种基于特征增强与损失优化的水下遮挡目标检测算法。算法以YOLOv4骨干网络为基础,首先在随机通道上引入邻域融合的残差结构模块,通过通道注意力机制,提升通道的信息交互能力;其后,利用α-IoU优化CIoU-Loss损失函数,并采用真值排斥因子与预测排斥因子改进坐标回归损失函数,提高目标位置回归的精度;最后,针对水下图像数据干扰信息多的问题,采用基于密集度引导的自适应非极大值抑制方法完成对输出信息的处理,提升目标检测的召回率。通过对水下海洋生物的检测实验,算法在通用场景与密集遮挡场景下目标探测的mAP值分别提高了1.43%和4.4%,验证了算法的有效性。     

基于改进卷积神经网络的工频水下磁目标探测

针对工频水下磁目标信号特征提取难、目标数据样本少、识别精度低等问题,提出一种基于深度卷积生成对抗网络(DCGAN)与优化卷积神经网络(CNN)相结合的水下工频磁目标识别方法。该方法通过滑动时间窗将信号由一维时序空间映射到二维灰度值图像,将实测水下磁异常信号利用DCGAN进行数据增强,之后构建卷积神经网络并引入DY-ReLU动态激活函数对CNN网络结构进行优化,以达到对目标信号的分类识别的目的。实验结果表明,经由数据增强的网络模型识别率提高了10%;相较于其他常用的静态激活函数,优化的CNN识别率分别提高了4.5%、4%、3%和2.5%,识别精度达到92.5%。验证了该方法的有效性,为水下磁异常检测提供一种新思路。     

低空超声速巡航导弹声探测研究

由于现有的常规雷达探测超低空飞行的来袭兵器有其固有的盲区,作为雷达的必要补充,利用声音的大小、频谱等特征能够反映声源的方位等特征参数的特性,提出了一种被动声学探测悬浮弹理论,并对其定位算法和布阵模式进行探讨,目的是防御拦截低空超声速巡航导弹。     

水声图象目标探测

为实现水声图象中沉底目标的自动探测，提出一种匹配滤波和分形检测相融合的方法。由于匹配模板能够较好地模拟沉底目标的成像特性，而分形模型有助于区分人工目标和自然背景，所以这两种方法的融合可以有效地检测出目标，减少虚警。     

亚音速空中运动目标被动声探测定位系统研究

叙述了空中被动声探测定位系统的工作原理,给出了系统的数据采集电路原理图,并采用了切比雪夫滤波器进行软滤波,得到目标信号。通过相关分析,求取不同传声器间的时延,利用几何关系求解目标的位置。计算机模拟结果表明,此系统能较好地探测低空运动目标,并实现定位。     

双谱幂次水下检测空中高速运动声源方法

提出一种水下检测空中高速运动声源的方法。采用波数积分方法对空气中运动声源激发的水下声场进行建模,仿真分析了水下接收信号的时域波形。并利用信号的时频域临近连续性和高阶谱抑制高斯噪声的特点,以信号的双谱替换DFT得到双谱幂次检测器,利用该检测器在高斯背景下检测空中声源水下噪声。仿真和实测数据处理结果表明,所提出的方法切实可行。     

基于Volterra级数的自适应水声信号预测方法研究

背景噪声和混响干扰是声纳目标探测中的主要干扰源,如何有效地减小它们对声纳工作特性的影响一直是水声信号处理关注的焦点.利用Volterra级数理论,建立水声信号的非线性动力学模型,通过对水声信号的局部预测,实现对背景噪声的降噪和混响干扰的抑制.结合二阶Volterra自适应滤波器和基于奇异值分解的自适应滤波算法,分别采用直接法和迭代法完成了对水声信号的一步及多步预测.仿真结果表明,基于Volterra级数模型的水声信号迭代预测方法比直接法不仅具有更好的预测性能,而且还可以实现多步预测.     

基于梅林变换的宽带水声信号处理研究

根据宽带水声信号的特点,提出了一种基于梅林变换的宽带模糊函数求解方法,研究了基于快速梅林变换算法的宽带信号处理。理论分析和仿真结果表明,对于宽带水声回波信号,该算法具有计算效率高、宽带模糊函数聚集性好等特点,具有一定的应用价值。     

水下主动声引信回波集成检测方法

针对水下主动声引信在复杂的自然干扰下难以准确检测的问题,结合目标回波信号与混响等干扰的各种宏观和微观信息,一方面利用改进的经验模式分解方法对引信系统接收的原始信号进行处理,得到不同模态的本征模式分量,以实现目标回波与混响的分离;另一方面利用本征模式分量得到瞬时频率方差检测统计量和能量检测统计量,将瞬时频率方差检测统计量和能量检测统计量进行组合,构建集成检测器,实现对水下主动声引信的优化检测。试验结果表明,与基于常规能量检测和瞬时频率方差检测方法相比,该方法具有更好的检测性能。     

基于时频面霍夫变换的谐波族检测算法

由声学方法进行直升机等目标的探测时,以往算法大多没有充分利用其谐波性质。针对此问题,提出了基于时频面霍夫变换的谐波族检测方法。使用谐波小波变换方法求得含噪声谐波族信号的时频分布,并进行Hough变换;基于频率分集融合处理技术将各阶谱线在变换域的强度综合,作为对目标的检测量。仿真计算结果表明,该方法能准确检测出谐波族信号基频及其变化率,并在信噪比较低时依然提供幅度较高的检测量,具有较好的应用前景。     

基于贝叶斯网络的水声对抗效能评估方法

水声对抗过程涉及因素众多,随着水声对抗系统向多样化、通用化、体系化的方向发展,对其作战效能的研究也越来越困难;为了更好地评估水声对抗系统的作战效能,提出了应用贝叶斯网络进行水声对抗效能评估的方法,深入分析了水声对抗过程各环节的影响因素,并给出了贝叶斯网络效能评估模型的结构和组成;依据贝叶斯网络的基本原理,建立了水声对抗效能的贝叶斯网络评估模型,并以水面舰对抗来袭鱼雷为例,给出了贝叶斯网络的建立过程和分析方法。