基于遗传算法的水面目标识别

目前,新式扫雷具能够精确地模拟舰船磁场信号,使得当前水雷仅依靠磁场时间波形信息,进行识别的难度加大。由于舰船磁场和扫雷具磁场的产生方式有很大区别,可以利用两者的差异,选取各方向磁矩作为特征量,建立相应的目标识别模型,提出一种新的抗扫方法。最后,采用遗传算法作为识别算法,对舰船和扫雷具信号进行识别,得到了满意的结果。     

基于基频提取的舰船目标识别系统设计

随着高性能扫雷具等干扰目标的不断涌现,为了区分舰船目标和扫雷具目标,研究了一种舰船基频提取方法。该方法利用舰船基频在信号的低频段存在多次谐波的特点,通过计算信号低频段的功率谱,提取低频段存在的线谱,并利用差频估计算法提取信号存在的基频信息。通过对大量实测数据的分析,总结了扫雷具与舰船目标在低频段功率谱中存在的不同特征,利用这些特征改进了差频估计算法,并在数字信号处理上实现了相关的线谱提取方法和改进的差频估计算法,设计了一个舰船基频提取系统。经过试验验证,该系统能够有效区分舰船目标与干扰（扫雷具）目标,且功耗很低,识别算法全速运行时仍小于100 mW。     

一种改进的小波阈值降噪算法研究

小波阚值降噪是一种从带噪信号中去除噪声的直观而有效算法,提取降噪后信号的目标特征可以获得良好的识别效果,舰船目标识别通常使用该方法。论述了基于Stein的无偏估计原理的自适应小波降噪阚值选择(rigrsure)算法,利用小波变换分解低信噪比下的Block信号,使用rigrsure算法获得重构后的低频信号和各层细节信号小波降噪阈值。提出了一种改进的处理各层信号的算法,对Block信号去噪,取得了良好的仿真结果,具有很好的工程应用前景。     

一种基于小波分频带统计特征的舰船分类识别方法

为了有效提高舰船目标的识别率,提出了一种基于小波分频带统计特征的舰船分类识别方法。该方法利用小波变换分别提取了舰船辐射噪声带内信号的小波模极大值和带外信号的分频段能量两类特征,并将两类目标特征的联合量作为舰船的目标特征用以识别舰船目标。同时利用实测海录58组舰船的辐射噪声数据对上述舰船目标特征的分类识别方法进行了验证,结果表明,利用联合特征对目标的检测概率可以达到97%以上。     

基于信号小波系数层间关系的线谱信号去噪研究

舰船辐射声中的低频线谱是舰船的一个重要特征量,对声引信的信号检测、识别与分类具有重要的作用。随着现代舰船,特别是潜艇声辐射能量迅速降低和海洋环境噪声级逐年增加,利用舰船噪声中线谱信号对目标的发现距离正在减小。本文利用双树复解析小波变换( DT-CWT)对海洋环境噪声和舰船噪声线谱信号进行小波分解,并对小波系数的层间联合分布进行分析,建立了海洋环境噪声和线谱信号的小波系数的层间联合分布的数学模型,并推导出最大后验概率估计子(MAP)的解析表达式,用于去除噪声干扰,检测淹没在海洋噪声背景中的舰船噪声线谱信号。对实测舰船噪声信号和海洋环境噪声的分析表明,所提出的算法能够明显减弱连续谱干扰成分,捉高舰船噪声中线谱信号的检测效果。     

基于非线性极化变换的目标识别方法研究

舰船目标和箔条假目标具有不同的极化特性,全极化双通道雷达交替发射垂直极化和水平极化波,双极化通道同时接收垂直极化和水平极化回波信号,对双通道回波信号进行放大、非线性极化变换,能有效增强舰船目标和箔条假目标的极化特性差异。利用舰船目标和箔条假目标双极化通道的极化特性差异,能有效识别箔条假目标,仿真结果表明,利用经过非线性极化变换的极化信息比时域、频域信息具有更好的目标识别效果。     

相关证据下的水中目标识别方法研究

研究了基于现代信号处理技术的舰船辐射噪声信号特征提取，提出了基于欧氏距离特征标准化的算法和基本概率赋值的获取方法，给出了相关证据下的信息融合规则。通过对大量实船噪声样本进行实验分析表明，该方法可以提高对水中目标识别分类结果。     

基于多物理场的舰船目标识别方法

针对现有舰船目标识别方法多是基于舰船单一物理场信号,识别性能较差,已不能适应现代战场环境的复杂性、多变性的问题,提出了基于多物理场的舰船识别方法。该方法通过小波分解提取舰船多物理场信号频段能量特征,并分别构建了基于特征层融合和决策层融合的特征融合模型,使不同物理场特征之间得以相互校准、补充和验证确认,实现单一物理场特征无法实现的识别功能。仿真验证结果表明,所提出的方法实现了92.65%的舰船目标识别率,与基于单一物理场的舰船识别率相比,提高了4.12%。     

基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.     

基于1(1)/(2)维谱的舰船辐射噪声低频线谱成分提取

分析了1(1)/(2)维谱具有的几个特殊性质,即抑制高斯噪声和对称分布噪声;加强信号的基频分量以及剔除非耦合相位的谐波分量.通过计算实际舰船噪声的1(1)/(2)维谱,并利用它所具有的特征参数,对舰船信号进行了分类与识别,达到了较好的识别效果, 为进一步开展水下目标探测与识别研究打下了良好基础.     

基于时频分析的雷达目标识别算法

以渔船、军舰、直升飞机和固定翼飞机为研究对象,提出基于时频分析的小波变换目标分类识别算法,并利用外场采集数据进行仿真试验验证。结果表明,该算法能对舰船及飞机类目标进行有效的分类识别。     

风浪背景下运动舰船水压信号滤波的慢跟踪LMS算法

根据舰船水压信号与海浪噪声的特点，用慢跟踪LMS算法对波浪噪声进行白化处理。滤波器的收敛速度经过合理设计，使得既能保证对波浪信号有效白化，同时又保证对目标信号衰减很小。因此，如果输入信号只有波浪干扰，则滤波器输出是白噪声，如果输入信号中含有运动舰船水压场信号，则滤波器输出就含有明显的信号波形。为了提高滤波器的初始收敛速度，使用了变步长LMS算法。     

利用MUSIC算法对舰船目标进行精确定位

介绍了一种利用天然阵列对水面舰船目标进行精确定位的新方法,该方法采用了高精度、高分辨率的MUSIC测向算法,通过精确测向来实现精确定位,并对其性能进行了具体的分析和仿真计算,其理论分析及结论对于工程实现都有一定的参考价值。     

基于舰船电场的目标跟踪方法研究

针对舰船电场跟踪中模型准确度与跟踪模型维度之间的矛盾,以舰船电场点电荷阵列模型为基础,结合舰船电场反演算法,分析点电荷个数、观测点水深对建模精度的影响。明确观测点位置对点电荷数量的最少需求,在保证建模精度的同时降低跟踪滤波器的维度,保证滤波算法的稳定性。设计了舰船电场跟踪渐进更新扩展卡尔曼滤波器,并进行了仿真分析和试验验证。结果表明：用少量点电荷模型代替复杂舰船电场点电荷阵列模型,在舰船电场跟踪中是可行的,具有较高的跟踪精度;渐进更新扩展卡尔曼滤波方法对少量点电荷电场模型,能够有效提高初始误差容错范围,具有很高的滤波稳定性,定位误差在500 m范围内小于10 m,且计算代价较低,适合舰船电场跟踪的工程应用。     

基于二次分割的港口舰船目标检测方法

针对光学遥感图像中港口舰船的纹理、灰度特征与码头十分接近,直接分割相对困难的问题,提出了基于二次分割的港口舰船目标检测方法。该方法首先将Top-hat算子引入分水岭分割算法中,解决了分水岭算法过分割现象,同时获得较完整的海陆分离结果;其次对分割后的陆地区域使用Freeman链码进行轮廓描述,并结合改进的Hough变换进行目标区域的分离,通过二次分割有效地将码头与舰船分开;最后,计算各区域的面积实现港口舰船的识别。实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以解决港口舰船目标的检测问题。     

基于阵列模型的窄带信号盲解卷积方法

在水声技术中,鱼雷对多目标进行被动检测时,需要对多目标源信号进行分离、定位,而雷体传感器阵列接收的信号通常为纯时延卷积混合信号.本文针对这种卷积混合只考虑窄带信号情况,把盲分离与阵列信号处理结合起来,将实数的卷积混合转化为复数的瞬时混合,从而在盲分离阵列模型的基础上,通过复数盲分离的手段完成盲解卷积.解卷积恢复的多目标源信号十分有利于多目标特征识别与定位.文中所构建的正弦信号盲解卷积仿真试验取得了令人满意的结果,表明方法是正确有效的.     

基于頻段能量归ー化处理的自适应波束形成方法

给出了一种基于频段能量归一化处理的宽带最小方差无失真响应算法。该算法首先将宽带信号的各窄带快拍向量进行能量归一化处理,然后计算窄带输出功率,最后通过对各窄带输出结果进行平均或求和得到最终空间能量谱。它不需要阵列噪声和目标信号的任何先验信息,只要阵列噪声的频谱幅度在频段间的起伏较为剧烈,而目标信号的频谱幅度起伏较为平缓,该方法就能取得较常规处理方法更优的信号检测性能。利用最优信号检测理论证明了该算法的有效性,利用仿真和实际数据进一步验证了算法的性能。仿真结果表明：文中算法较常规处理方法的处理增益提高约4 dB.     

基于模糊c-均值增量更新的脉冲多普勒引信干扰与目标信号识别

针对脉冲多普勒（PD）引信在复杂战场电磁环境中对目标回波信号识别效率不足问题,提出了一种具有自适应增量更新功能的模糊c-均值(FCM)聚类算法,以有效地提高引信对干扰和目标信号的识别率。在对引信距离门选通输出信号分析的基础上,利用信号时域与频域熵特征,借助FCM算法对干扰与目标信号进行分类识别,并针对信噪比不断恶化的情况,通过改进的增量更新算法实现引信FCM分类模型自适应更新调整,从而保持引信对干扰和目标信号的高识别率。仿真实验结果表明：改进的增量更新算法在降低更新耗时的同时,可使引信在-15 dB信噪比条件下对干扰与目标信号识别正确率达到96.43%,显著地提高了PD引信抗有源噪声干扰能力。     

基于轴频电场线谱特征的目标检测及识别

为有效地从海洋环境电场信号中检测出舰船轴频电场信号,在对大量实测数据分析的基础上,提出一种基于轴频电场线谱特征的目标检测与识别方法。对接收信号进行傅里叶变换计算频谱图,并对其进行归一化处理以提高其动态范围;采用浮动门限与固定门限相结合的方法对疑似线谱信号进行检测;采用积分累计的方法对疑似线谱特征进行目标确认,并利用长时间积分特征均值实现对目标信号的识别;通过海上实测数据对方法的有效性进行检验。结果表明,该方法能够有效检测到目标信号,并可实现对目标信号的识别分类。     

基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.