非合作水声脉冲信号的单水听器匹配场定位研究

该文以非合作水声脉冲信号为对象,研究非合作条件下水声信号的单水听器匹配场定位。首先根据水声脉冲信号的短时瞬态非平稳特性,设计具有自适应径向高斯核函数的时频分布进行频率估计。然后利用声场传播模型计算声场,求解海洋信道脉冲响应。由计算出的信道脉冲响应和水听器上的接收信号,使用时域最小二乘的方法得到搜索网格区域上的拷贝场信号。最后通过建立误差代价函数,获得表征目标位置的模糊表面,实现利用单个水听器对非合作水声脉冲信号的匹配场定位。通过仿真实验和实际海试数据的验证,证明了该方法的有效性。     

一种基于形态滤波的水声信号检测算法

针对水声目标检测中色噪声及近场强干扰导致目标检测概率下降的问题,通过分析实际水声信道特性和水声阵列接收信号的LOFAR谱特征,将导向最小方差波束合成(STMV)与形态学滤波技术相结合,提出一种基于数学形态学滤波的水声目标检测方法。在STMV之后,应用联合形态学滤波估计信号噪声基底,进行常规信号检测。海试数据处理结果表明,该算法能在复杂的噪声背景环境下实现对水下微弱目标的有效检测。     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

基于改进小波降噪的雷达一维距离像识别

针对低信噪比下雷达目标一维距离像质量不高、影响目标识别率的问题,将小波阈值降噪的方法应用到雷达目标一维距离像识别研究中,设计了一种新的小波阈值函数,提出了基于小波阈值降噪的雷达一维距离像识别的方法。利用仿真数据进行实验验证,以LVQ（Learning Vector Quantization）神经网络作为分类识别器,进行目标的分类识别研究。结果表明,将小波阈值降噪用于雷达目标一维距离像识别,在低信噪比时能够有效地降低噪声,提高距离像的质量,从而提高目标一维距离像识别率,同时实验也验证了所提出的新阈值函数相较于原阈值函数能更加有效地降低噪声,提高识别率。     

基于近似小波变换与时频分析的SAR运动目标检测

本文针对地面匀速直线运动的目标，提出近似小波变换与时频分析相结合的检测方法，近似小波变换不仅可以检测出目标信号相位二次项中含有的运动参数，还可以为时频分析提供预处理，滤除杂波及其噪声，时频分析则可以同时检测相位一次项及二次项中含有的运动参数。     

基于谐波小波的弱信号提取

谐波小波作为一类小波,存在确定的函数表达式,时频定位准确,算法实现简单.本文基于谐波小波变换,利用其良好的频域盒形谱特性,对多频信号中的弱信号及强噪声中的弱信号检测进行研究,并与原始的纯信号进行比较,模拟结果表明此方法是有效的.     

低对比度目标探测技术

为了提高联合变换相关器对复杂背景下的低对比度目标的识别能力,提出了小波变换与灰度拉伸以及Canny算法相结合的物面滤波新方法,并设计了新物面处理滤波器.通过计算机模拟和光学实验证明,该方法可以准确地提取目标特征,有效地降低噪声并最终获得明亮的相关峰,成功解决了低对比度复杂背景目标的识别问题.     

基于统计小波模型的信号去噪研究

针对水声目标信号检测与识别中,海洋环境噪声的存在所造成的检测性能下降问题,提出一种基于统计小波模型的信号去噪及原信号波形估计方法.通过对舰船声信号以及海洋环境噪声信号特性的分析,根据信号的概率密度函数,推导出信号小波系数的相邻尺度间关系,从而建立信号的去噪模型,对仿真和实测数据的分析都验证了方法的有效性.     

基于时频单元选择的双耳目标声源定位

针对复杂声学环境下,现有目标声源定位算法精度低的问题,该文提出了一种基于时频单元选择的双耳目标声源定位算法。该算法首先利用双耳目标声源的频谱特征训练1个基于深度学习的时频单元选择模型,然后使用时频单元选择器从双耳输入信号中提取可靠的时频单元,减少非目标时频单元对定位精度的负面影响。同时,基于深度神经网络的定位系统将双耳空间线索映射到方位角的后验概率。最后,依据与可靠时频单元相对应的后验概率完成目标语音的声源定位。实验结果表明,该算法在低信噪比和各种混响环境,特别是存在与目标声源类似的噪声环境下目标声源的定位精度得到明显改善,性能优于对比算法。     

SAR微动目标检测及其参数估计方法

针对机载合成孔径雷达（SAR）系统在环境变化比较剧烈或者载机飞行不稳时噪声较大的问题,提出了基于信号时频分析和逆Radon变换的微动目标检测与参数估计方法。首先对振动目标回波信号作DPCA处理;然后对其进行时频分析,提取微动目标的微多普勒特征;最后对时频分析后的信号进行逆Radon变换,估计振动目标参数。干涉信号的微多普勒频率表现为正弦函数的形式,逆Radon变换对正弦信号聚焦但对噪声不聚焦,整个系统所需回波信噪比使用时频分析时低得多。仿真实验验证了算法的有效性。     

基于最优小波基函数的语音增强研究

小波分析具有时频局部化和多分辨率特性,而小波包分析是在小波分析的基础上对信号高频部分的更精细地分解,选取合适的小波基一直是小波包去噪分析中的关键问题。将熵函数作为选取最优小波基的评价标准,通过计算语音信号小波包分解系数的熵值来确定合适的分解方式,同时采用小波包阈值去噪算法对三种小波基进行小波包去噪仿真实验,并进行对比分析。仿真实验表明,两种熵函数选取的最优小波基都能较好地消除强噪声背景下的噪声,得到信噪比较高的语音信号。     

抗噪声的小波谱压缩特征提取算法在语音识别中的应用

针对语音识别实际应用过程中的噪声问题,给出了一种新的抗噪声的特征提取算法,即先利用小波变换将语音信号进行小波子带分解,再根据人耳的听觉掩蔽效应,由谱压缩的技术,将小波变换后的子带语音信号进行压缩,从而提取其对应的语音特征。通过MATLAB软件建立实验平台,仿真实验结果表明该语音特征可以在噪声环境下得到较高的识别率。新的特征参数即充分利用了小波的抗噪声特性又有效地降低了语音识别中的训练环境和识别环境间的失配,具有抗噪声的特点。     

基于SET和AlexNet的雷达动目标检测方法

针对传统的雷达动目标检测方法在杂波背景下目标识别率低的问题，提出了基于时频分析和卷积神经网络的雷达动目标检测方法。首先，通过同步提取变换将动目标的回波信号转换为时频分布，初步提取回波信号的时频特征；然后，对回波信号时频分布的脊线进行提取，并基于此构建数据集；最后，将数据集输入AlexNet进行训练和测试，实现雷达动目标的识别和分类。仿真实验表明，基于SET和AlexNet的方法在噪声环境下能够有效检测动目标，对匀速、匀减速、匀加速三类动目标都具有较高的识别率。脊线提取的应用增强了低信噪比下回波信号的时频特征，提高了检测方法的准确率和噪声鲁棒性。     

基于小波的SAR图像分析与解译技术研究

小波变换是一种局部细化分析,已被广泛应用到了合成孔径雷达信号处理的诸多方面,并收到了良好的效果.文中在介绍了合成孔径雷达图像解译与目标识别研究背景的基础上,就小波分析在相干斑噪声抑制、特征提取、图像分割与目标识别等方面的应用进行了分类探讨,展望了小波方法在合成孔径雷达图像解译与目标识别领域的应用潜力.     

利用局部匹配进行运动目标识别和定位

提出一种在实际混乱场景的监控中对运动目标快速识别和定位的方法。这种方法结合自底向上和自顶向下两种思路，在带有运动信息的区域内进行局部的模板匹配，从而对运动目标进行识别和定位。匹配采用了简化的相关函数。实验结果证明此方法简单有效。     

小波基对红外目标图像SPIHT算法性能的影响

针对红外目标图像边缘模糊、噪声点多、对比度较低等特点,从分析小波基函数的三个评估指标入手,进行了大量的实验和统计,研究不同的小波基对红外目标图像SPIHT算法性能的影响,通过实验结果的分析与讨论,得出双正交小波D9/7小波和bior4.4小波适于红外目标图像实时压缩的结论,这一结论也有助于将来更好地发挥SPIHT算法的性能。     

基于小波分析的电磁干扰测量技术研究

该文提出了一种新颖的可在开阔场快速测试受试设备的电磁干扰的数字信号处理技术。利用小波变换对测试信号分频滤波处理,可以在被环境噪声污染的地方进行受试设备的电磁辐射干扰测试。基于小波分析的阈值函数滤波方法得到应用。利用小波分析时频都可局部化的特点计算出环境噪声的相关性,提取出噪声的时频特性,并由给出的阈值函数对噪声滤除或者衰减,得到受试设备的实际电磁辐射信号。测试方法使得受试设备不必进入暗室即可进行电磁辐射干扰测量,既节省了测试费用又方便了受试设备的电磁干扰测试。系统运行结果证明此方法在30 Hz~1000 MHz的频段内成功衰减并滤除了环境噪声。     

基于雷达和图像融合的3D车辆定位与识别

本文针对三维车辆的定位和识别问题,提出了一种融合雷达和图像信息的新方法.结合雷达的滤波信息和图像的灰度信息建立视觉窗口,确定车辆的平移参数,并缩小了图像处理区域,降低了环境噪声.以改进的Hausdorff距离为依据建立目标的姿态评价函数,通过全局寻优确定车辆的旋转参数,降低了计算损耗,避免了噪声点对模型匹配的影响.车辆识别以定位技术为基础,各模型在最优姿态下的评价函数值决定了车辆的类型.三维仿真场景实验证明,该方法能有效地实现车辆的定位与识别.     

一种基于联合任务学习的SAR图像目标检测方法

在基于深度学习的SAR图像目标检测中,为了降低SAR图像中噪声等特性对特征学习的干扰,提高检测方法中识别和定位任务的交互性,采用了联合任务检测方法。该方法利用联合任务网络,使识别和定位任务在尽可能共用特征的同时保留各自的特殊性,从而提升两个子任务对特征学习的监督能力。此外,该方法还利用联合任务学习方法,在锚框选择和损失函数计算中,同时考虑识别和定位任务的可靠程度,从而提升训练效果。公开数据集上的实验结果证明了该方法的有效性。     

多点测量提高海底目标定位精度方法

通过分析海底目标的环境特征,结合GPS定位和水声定位,给出了一种实用的海底目标定位方法。详细分析了使用水面多点测量方法时的测量误差,提供了具体的测点选择建议。依据本方法提出的测量方案,在现有的技术条件下对海底目标进行测量定位可达到较高的测量可信度。