基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法.首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰.声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采...     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法。首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰。声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采用Radon恒虚警率(Radon Constant False Alarm Rate,Radon-CFAR)检测声呐历程累积图像中的目标短时运动轨迹,能够检测到低信噪比的目标。分析了空时归一化处理和检测算法的性能,并通过海试数据验证了该算法的有效性,可以检测到低信噪比的蛙人目标回波。     

基于ZYNQ的轻量化YOLOv5声呐图像目标检测算法及实现

针对声呐图像存在的模糊、样本量不足的现象,本文提出一种基于YOLOv5的声呐图像目标检测改进算法。利用几何滤波、垂直翻转等方法,对声呐图像数据集进行数据增强。添加融合注意力机制模块,使算法更好地关注声呐图像小目标的特征。同时,针对目前大多数目标检测算法运行在云端,无法做到实时性声呐图像检测的问题,本文利用替换轻量级网络和NCNN边端移植技术,同时在颈部网络中采用GSConv模块,将算法成功移植到ZYNQ平台,实现声呐图像的嵌入式端实时检测。实验表明,本文提出的算法在降低了56%参数量的同时,在map50和map50-95上分别提高2.2%和2.5%。改进后的算法性能提升明显,证明所提出的方法在轻量化声呐图像目标检测任务上具有一定的可行性与有效性。     

基于粒子群最小二乘支持向量机的前视声呐目标识别

随着声成像技术的日益发展和广泛应用,利用图像声呐进行水下目标识别逐渐成为水声探测领域的重要研究方向之一。根据前视声呐图像的特性,提出了一种水下目标识别的方法。对声呐图像进行去噪和增强处理并分割图像,来获取目标所在区域、提取目标的区域形状特征;利用粒子群算法优化最小二乘支持向量机的正则化参数和核参数,构造出高性能的多分类器;输入待识别目标的特征实现分类。实验表明:优化后的最小二乘支持向量机能够准确、有效地识别出水下目标,并且具有较高的精度。     

基于水平集和支持向量机的图像声呐目标识别

本文对基于水平集和支持向量机的图像声呐目标识别方法进行了介绍,这是一种利用声呐技术获得图像,并对目标进行识别的先进技术。水平集法可以根据声呐图像了解目标的大概轮廓,根据不变矩,找到特征矢量,并结合支持向量机,得到识别结果。这种方法有着较高的识别率,应用的范围也比较广,笔者根据自身经验对这种方法的应用情况进行了介绍,希望对相关工作人员提供一定参考意见。     

基于目标特征的数据压缩预处理方法

随着水下自动监测技术的不断发展,对于数据的实时传输效率和测量精度的要求也越来越高,而高质量无损数据压缩传输技术还存在严重不足。文章利用在广西西江航道上建立的侧扫声呐船舶吃水自动监测系统,提出了一种基于目标特征的数据压缩预处理方法。该方法根据散货船的船体结构和声图成像特点,在进行数据压缩前分别在时间和空间两个维度上实现对目标信号的识别和提取,完成对无关冗余数据的剔除。该预处理方法不仅可以大幅提高数据压缩的压缩比,提高传输效率,节省存储空间,还可以保证用于测量计算的目标关键特征信息不丢失,为进一步突破无损数据压缩的压缩比限制提供新思路。     

基于投影感知的水下声呐目标检测方法

现有基于深度学习的水下声呐图像目标检测方法受限于水下声呐图像噪声大、信噪比低,因而检测精度有限。针对该问题,本文提出了基于投影感知和声呐参数信息嵌入的水下声呐图像目标检测方法 SonarNet。提出的非参数化的投影感知对齐模块(PAA)在不引入额外的训练参数且无需额外标注的情况下,通过提取水下目标的投影区域特征与目标本身特征融合来提升目标检测精度。同时为了提升算法在不同声呐工作参数下的鲁棒性,本文设计了一个轻量级的声呐全连接网络SonarMLP,将声呐设备的工作参数信息以嵌入信息的形式引入到目标检测过程中。本文在声呐图像目标检测数据集上对算法的有效性进行了验证,在有效检测出水下目标的同时,比现有常用深度学习方法有更高的检测精度,能够提升3%以上的各类平均精确度(m AP)。     

被动声呐信号检测技术发展

水声信号检测是被动声呐系统进行目标探测所需的重要支撑技术,信号检测的性能直接影响到被动声呐系统对目标探测的能力。对被动声呐信号检测技术的研究情况进行了梳理,将其归纳为基于时域信息的信号检测技术和基于空域信息的信号检测技术两大类。在分析现有技术不足和应用需求的基础上,指出弱信号、低虚警率和有效利用水声传播信息等是被动声呐信号检测技术可能的发展方向。     

基于声呐图像序列SIFT特征的多目标跟踪方法研究

针对高频成像声呐多目标跟踪中声成像的不稳定问题,在基于检测前跟踪的声呐图像序列尺度不变特征变换（Scale Invariant Feature Transform,SIFT）的基础上,提出了一种结合对数变换的声呐图像序列SIFT特征跟踪方法。该方法利用对数变换进行图像预处理,进而利用声呐图像序列SIFT特征进行多目标跟踪。水池试验数据的处理结果表明：与中值滤波和动态亮度分配的方法相比,结合对数变换的声呐图像序列SIFT特征跟踪方法具有更好的多目标跟踪效果。     

一种主动声呐作用距离指标试验评定方法

针对主动声呐作用距离指标试验评定考核,阐述主动声呐作用距离指标定义,明确主动声呐作用距离是主动声呐满足规定检测概率的作用距离,提出一种主动声呐作用距离指标试验评定方法,即根据主动声呐以重复的单次发射和检测方式工作的特点,首先以滑动窗采样周期的形式检验声呐检测目标的概率,其次规定3次试验航路至少2次达标的标准,以验证基于发现概率的声呐作用距离,进而验证声呐技术规范规定的检测概率,使得海上试验结论可信度高。该评定方法可作为主动声呐作用距离指标评定考核的一种依据,为声呐装备试验、训练提供参考。     

舰船尾流侧向声检测方法

舰船尾流声检测是水下航行体实现自动搜索、跟踪、攻击水面舰艇目标的最有效途径之一,当前工程应用和相关研究主要集中于从尾流下方实施的顶视声尾流检测方法.为了进一步研究水下航行体新型尾流检测技术,提高尾流自导性能及抗干扰能力,研究了舰船尾流的侧向声散射检测方法.分析了舰船尾流的几何特性和声特性,进行了实验室模拟尾流的气幕声散...     

基于卷积神经网络的光学遥感图像船只检测

目的研究无需进行复杂的图像预处理和人工特征提取,就能提高光学遥感图像的船只检测准确率和实现船只类型精细分类。方法对输入的检测图像,采用选择性搜索的方法产生船只候选区域,用已经标记好的训练样本对卷积神经网络进行监督训练,得到网络参数,然后使用经过监督训练的卷积神经网络提取抽象特征,并对候选区域进行分类,根据船只候选区域的分类概率同时确定船只的位置以及类型。结果与现有的2种检测方法进行对比,实验结果表明卷积神经网络能有效提高船只检测准确率,平均检测准确率达到了93.3%。结论该检测方法无需进行复杂的预处理,能同时对船只进行检测和分类,并能有效提高船只检测准确率。     

一种估计船舶线谱的联合分析法

线谱是船舶辐射噪声中重要的特征信息，线谱提取是水中目标识别的关键技术。文章简述了船舶辐射噪声的物理成因和频谱特征，利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点，结合Matlab仿真试验的结果，提出了一种对船舶辐射噪声0．100Hz低频段线谱估计的联合分析法。并用该方法对两艘实船噪声进行了谱分析，提取了A型船在中速航行时5．25Hz的特征线谱，B型船存在65．5Hz和69．2Hz两条特征线谱。实验结果表明该方法对低频段的线谱特征提取有明显的实用效果。     

利用多普勒信息判断单线阵低速目标左右舷的方法研究

采用常规单线拖曳阵列作为双基地主动声呐的接收平台时,会存在左右舷模糊。常规左右舷判决方法需要声呐探测平台进行转弯等复杂机动,目标定位与跟踪的实时性和连续性难以保证。文章对利用回波多普勒效应实时判断低速目标左右舷的方法进行了研究,给出了目标低速运动的条件,并分析了多普勒响应可分辨特性与声呐平台位置、运动状态的关系。通过仿真实验验证了该方法的可行性与有效性。海试数据处理结果表明,声源船仅具漂流速度时即可通过回波多普勒信息有效判别静止浮台目标的左右舷。该方法可以作为双基地主动声呐探测与定位系统中的辅助手段。     

水下小目标合成孔径声呐层析成像技术研究

水下小目标精细成像对于正确识别水下目标具有重要意义。目前,多波束成像声呐和条带合成孔径声呐是获取水下小目标图像的主要手段。水下目标的判别主要利用了目标图像的亮点特征,即使是同一目标从不同方位观测时得到的结果也可能差异较大,这给快速识别确认目标带来了困难。为解决该问题,提出了利用圆周合成孔径声呐对水下小目标进行水声层析成像信号处理方法,提高了声呐的多角度融合观测能力。仿真及试验数据处理结果表明,合成孔径声呐层析成像方法能够获得目标外形轮廓精细特征,有利于水下小目标的正确识别。     

Ship wake detection by Raman lidar

We carried out a remote study of ship wakes by optical methods. Both Mie and Raman scattering signals and their evolution were simultaneously recorded by gated detector (intensified CCD). The Mie scattering signal was detectable within 1?min after water disturbance by a high-speed boat. According to an approximation of experimental data, Raman signal fluctuations can be detected for a much longer time under the same conditions. We have demonstrated that Raman spectroscopy is substantially more sensitive to water perturbation compared to conventional acoustic (sonar) technique and can be used for ship wake detection and monitoring.     

舰船噪声听觉特征增强方法

为改善新声呐兵听音训练效果,强化噪声样本中与目标属性紧密相关的听觉特征,将处理后的舰船噪声用于听音训练,提高舰船噪声样本利用率。提出的舰船噪声听觉特征增强模型及其实现方法主要包括四个步骤:噪声分解、子带分析、子带加权、噪声重建。首先采用多分辨分解将舰船噪声信号划分为若干子带,对子带进行逐个地听音分析和各种谱分析,选择特征信息稳定且丰富的子带进行强化,选取并微调各子带加权系数,采用多分辨分析理论重建舰船噪声,并根据重建噪声的功率谱、包络谱分析和听音分析结果调整加权系数,进而用于听音训练。仿真分析中,采用听音分析和谱分析比对原始噪声和重建噪声,验证了该方法的合理性和实用价值。     

复杂非均匀背景下的鲁棒声呐恒虚警检测算法

针对复杂非均匀水下环境中目标检测问题,提出了一种基于背景统计特性的鲁棒声呐恒虚警(Background Statistical Characteristics based Robust Sonar Target Constant False Alarm Ratio,BSCR-CFAR)检测算法。该算法将自动删除平均级检测(Automatic Censored Mean Level Detection,ACMLD)和排序统计恒虚警(Order Statistic CFAR,OS-CFAR)检测算法引入可变指数恒虚警(Variability Index CFAR,VI-CFAR)检测算法中,并通过评估背景特性,自适应选择更匹配的CFAR检测方法。仿真和声呐实测数据分析结果表明,相比较单元平均恒虚警(Cell Average CFAR,CA-CFAR)、单元平均选大恒虚警(Greatest of CFAR,GO-CFAR)、单元平均选小恒虚警(Smallest of CFAR,SO-CFAR)和OS-CFAR、VI-CFAR等检测算法,该算法在混响边缘、混响区、单/多强离散干扰等典型非均匀背景下的恒虚警检测保持了良好的鲁棒性。     

基于超声相控技术的船舶吃水测量方法

为了解决内河船舶因超吃水引起的通航阻塞以及船舶安全问题,提出一种基于超声相控技术的船舶吃水测量方法。以超声相控技术为理论基础,通过控制一维线型超声相控阵列换能器发射聚焦声波,实现对目标船舶的相控扫描,获取各扫描点的回波信号;利用匹配滤波算法对回波信号进行滤波,改善信噪比;利用阈值法提取回波信号的时延;利用渡越时间法,计算出扫描点到各发射振元中心的距离,利用双曲交汇法计算出扫描点的空间坐标;分析回波信号幅值和扫描点位置坐标即可得到船舶吃水深度。为验证方法的可靠性,搭建了小比尺船模吃水测量实验系统,分析了110~140 mm不同吃水深度下的实验结果,计算了实际吃水与测量吃水间的相对误差。实验结果表明,使用匹配滤波法处理后的回波信号信噪比从15.26 dB提高至36.39 dB,实验时,最大相对误差出现在船舶实际吃水130 mm时,绝对误差为2.3 mm,相对误差为1.7%。