信息化战场下声信号目标识别技术

介绍了信息化战场中声信号的目标特点及应用领域,并对信息化战场中的声信号的目标识别关键步骤和国外发展现状做出了详细阐述, 指出了信息化战场下声信号的目标识别技术的发展趋势.     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数（DWTMFCC）提取方法,该方法将小波分析和Mel倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3．134个百分点,信噪比为5dB时．识别率仍达到93．67％。     

基于神经网络的战场被动声／地震动目标识别方法

目的在于研究人工神经网络在战场声／地震动目标识别应中的有效算法。通过建立战场目标声／地震动特性探测与分析系统,在总结目标特性规律,分析传统BP算法固有缺陷的基础上,采用改进的算法对分类器进行训练,典型战场目标信号样本检验表明,该方法具有良好的识别分类效果,利用基于神经网络的分类来实现对战场声／地震目标的识别分类是可行的。     

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。     

战场目标声信号的合成方法研究

从声学理论及战场声学环境特点出发，利用波动声学的方法，得出声压合成规则，通过合成规则的实验和仿真验证了合成规则的正确性；并详细阐述了不同声信号的具体合成方法，给出了计算机仿真结果。     

基于小波包和HMM的战场声信号识别

针对战场声信号复杂多变的特点,提出了一种基于小波包特征参数(WPFC)和隐马尔科夫模型(HMM)相结合的战场声目标识别方法。该方法利用小波包对信号高、低频段能进行精细划分,从而得到更能反映战场声信号特征的小波包特征参数;并利用HMM具有很强的表征时变信号能力的优点,将HMM作为训练识别模型。仿真结果表明了此方法的准确性和可行性。     

多传感器声目标识别的研究

介绍了声目标的各种识别方法，将Dempster-Shafer证据推理的基本理论应用到声目标的识别中。用质量函数构造基本概率赋值函数，给出了在n次扫描情况下，累积质量函数的融合公式并给出了识别目标的决策方法。通过实例计算可以看出，该方法可以提高对声目标识别的准确性。     

基于被动毫米波目标检测装置

分析了单片集成电路技术的Ka波段直接检波式被动毫米波探测装置的结构和工作原理,并对各个功能模块进行研究。在实验室的条件下对探测装置系统进行了测试,让小金属目标在不同速度时和不同距离时通过探测装置进行检测,由瞬态记录仪记录下相应条件下目标辐射特性,对目标信息进行分析。测试结果证明了探测装置检测目标的有效性,为后续被动毫米波目标识别的研究和相关的探测系统的设计奠定了基础。     

智能雷弹被动声定位精度问题

主要研究反直升机被动声定位的精度问题．建立了定位的计算模型,重点分析了影响定位精度的因素,论证了保证定位精度所需要的采样率和采样分辨率,论证了采用高频窄带信号来提高时延估计计算精度的可行性,使得定位精度可以达到５％ 以上．还分析了一种压缩信号频谱方法来提高相关分析的分辨率,从而提高雷弹的定位精度．并在此基础上设计了实现目标识别和定位的系统结构原理框图．     

被动声探测系统的时间延迟估计技术

综述了被动声探测系统的时延估计方法，分析了现有时延估计方法的优缺点，结合国内外研究现状，评述了被动声探测系统时延估计技术的发展。     

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。     

复杂战场对抗环境下空中目标抗干扰识别算法

针对复杂背景和红外诱饵对抗环境下红外成像攻坚破甲导弹空中目标识别的难题,提出融合强判别性特征的抗干扰识别算法,将区域生成、特征学习和分类识别融合至抗干扰算法中,形成从像素至区域,再到特征识别的逐级抽象的识别框架。首先通过模拟典型战场环境,生成大量不同对抗态势下的目标特性库,作为算法研究的基础;然后由像素相似性聚类形成候选区域,完成区域“粗粒度”定位;再将提取的各区域特征输入至特征选择模块,学习强判别性的特征;最后将选取的特征输入至改进的多分类支持向量机进行目标的分类识别,实现目标区的“细粒度”锁定。通过逐步细化的识别机制,识别复杂战场对抗环境下的空中目标。验证试验表明,算法在不同对抗态势下的弹道图像数据集中的平均识别正确率达到78.63%,可有效完成目标与干扰之间的区分,为工程应用中的算法研制提供支撑。     

沉浸式虚拟战场3 维音效仿真研究

为提高3维音效在虚拟战场仿真中的应用效果,增强系统的沉浸感和真实感,在对声音的静态、空间、同步和运动4种主要仿真属性进行分析的基础上,基于声音的虚拟重发技术,提出了虚拟战场3维音效仿真方案。仿真方案将战场声音划分为：方向性交互声音、碰撞性交互声音、近体声音、方向性背景声、无方向背景声5种类型,随后论述了声源素材采集方法和实现3维音效的技术手段,最后设计仿真实例进行分析验证。仿真结果表明：该方案实现的3维音效可有效提高虚拟战场的沉浸感和逼真度,减少大脑对视觉的依赖性,为此类虚拟现实系统的研发提供一定参考。     

基于小波包分析的战场被动声目标特征提取

针对战场环境存在噪声干扰的情况,提出了一种基于小波包分析的声目标特征参数提取方法.该方法将小波包分析和Mel倒谱分析相结合,提高了特征参数的鲁棒性.实验结果表明,在噪声条件下,基于小波包分析的平均识别率比MFCC参数提高6.78%,在信噪比为5dB时,识别率仍能达到94.5%.     

基于声音振动信号分析的产品品质测试

以生产线产品品质测试为背景,简述了基于声音振动信号分析方法对产品品质进行测试的架构和典型技术应用.介绍了基于计算机技术来进行动态信号采集及分析的优势和特点.同时,结合实际应用案例,展示了该方法在产品品质测试方面的应用状况.     

水中高速小目标被动检测模型及其应用

针对水中高速小目标难以准确检测的问题,结合3D超波束形成(3D-HBF)方法具有灵活控制窄波束和低旁瓣的特性,以及模糊支持向量数据描述(FSVDD)检测器具有优良的目标检测性能这两者的优势,构建了水中高速小目标被动检测模型和具体实施方法。在该方法中,高速小目标的辐射噪声信号经过3D-HBF后,将获得的波束响应输出向量输入到FSVDD检测器中,从而实现目标的自动检测和测向。将该方法应用于水下高速小目标检测的实航试验中,结果表明,同基于常规波束形成的检测器相比,其具有更好的检测性能、目标检测准确率和较高的方位估计精度。     

被动声方位估计中消除有效声速影响的方法

基于声传播的平面波模型,采用向量分析方法导出了十字阵和正四面体阵的测向公式,分析了两者在有效声速变化条件下不同的定位性能;结果表明,对正四面体阵,采用合适的算式,可在方位估计中避开有效声速的影响     

改进的噪声对消算法在无源探测中的应用

为了削弱无源探测系统中存在的强噪声,提出了多路参考信号自适应噪声抵消算法.利用目标回波信号与噪声信号的传输通道差异性,通过对接收阵列各阵元接收信号求差得到多路参考信号.仿真结果表明,该算法可以有效抵消噪声,从而提高系统中弱信号的检测性能.     

战场坦克的声特征识别

该文在实验分析的基础上，提出了一种识别战场坦克的声特征方法。确定了被识目标的特征参数和识别算法。为战场坦克的侦察提供了一种新的途径。     

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。