奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性，利用奇异目标信号的小波变换模极大值随尺度增大而增大，而随机白噪声小波变换模极大值随尺度增大而减小，进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

一种改进的宽带双曲调频信号检测方法

动物回声定位所用超声波具有双曲调频的形式,充分利用此信号的特性可以提高水下信号处理系统的目标检测性能.利用宽带舣曲调频信号自小波变换域的特性,针对直线形式的回波小波峰脊,将宽带目标回波检测问题转化为小波变换二维平面上的直线检测问题.提出了一种改进的基于小波-Radon变换的宽带仿生信号检测方法及其简化算法,并进行了仿真验证,结果表明检测器性能优于完成匹配滤波的宽带小波检测器,充分利用了宽带仿生信号的特性,同时印证了选择宽带双曲调频信号作为发射信号的合理性.     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性,利用奇异目标信号的小波变换模极大值随尺度增大而增大,而随机白噪声小波变换模极大值随尺度增大而减小,进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

小波奇异性分析在煤厚探测信号处理中的应用

小波变换为信号的多尺度瞬态分析提供了较好的方法。本文将小波分析在模极大值处理中的优势应用到煤层厚度探测的信号分析中，根据信号小波变换模极大值和信号奇异性之间的关系，由小波变换模极大值沿尺度变化趋势分析出信号的奇异点，得到反射渡的初始到达时刻，从而计算出煤层的厚度，取得了比较理想的效果。为信号处理提供了一种新颖的方法。     

小波分析在管道缺陷超声检测中的应用

在管道缺陷超声无损检测中，作为检测基本数据的脉冲反射回波信号受到电子噪声(包括热噪声和量化噪声)和结构噪声的干扰，使材料的缺陷信号变得难以识别。小波变换借助于时．频局部分析特性，已成为现代信号处理中的一种重要方法。在阐述小波变换基本原理的基础上，研究了管道超声缺陷信号的小波分解与重构。利用此方法对超声信号进行分析，可方便地识别是否存在缺陷以及缺陷的位置。     

混响背景下水下目标回声的高斯小波检测

水下目标回声信号的检测是主动声纳目标识别的重要内容.信号背景的混响干扰是目标回声检测的困难所在.本文基于反对称连续高斯小波变换空间上的模极大值传播特性与信号奇异点的关系,提出用小波影响锥锥尖和最佳尺度的自动检索来实现目标回声检测的方法.检测的有效性实验采用大量的海上实测数据进行测试,并与能量检波方法对比.结果表明,由于该方法对目标回声头和尾位置的准确定位,使得本文提出的小波变换模极大值能量分布特征在模糊神经网络分类器上的分类效果较理想,显示了本方法在实现目标回声自动检测上的重要应用前景.     

小波方法在油井液面检测中的应用

油井液面回波检测是石油探测的重要内容，它决定后续石油开采的成功与否。由于信号幅值小，干扰多，因而采用常规时、频域滤波方法往往不能收到良好的效果。针对这一问题，本文利用信号和干扰在小波变换下的不同变化特性及小波变换的变焦特性设计了小波去噪算法，并根据实际要求选定了小波基和分解尺度，给出了使用小波去噪方法前后的实际结果。对这些结果进行的分析比较表明，小波方法在大幅提高信噪比的同时，也保持了信号的位置信息，因而适合此类信号检测问题。     

小波变换在奇异信号检测中的应用

介绍了小波变换的基本概念，阐述了小波变换的奇异性和信号变化剧烈处的关系。通过对实际信号的处理，表明该方法在奇异信号检测和局部化分析方面具有优异特性。     

一种基于组合核函数支持向量机的水下目标小波特征提取与识别方法

准确的模式识别要求提取出的特征尽可能反映分类本质的特征.本文利用同态分析理论对水下声信号进行预处理,从最终接收到经过噪声干扰的目标信号中复原出能反映目标传输特性的原始信号,并在此基础上对信号进行离散小波变换,提取小波变换系数在不同区间上的尺度—过零密度、尺度—平均幅度特征,最终利用组合核函数支持向量机对提取出的特征进行分类识别.实验表明,提取出的特征能反映目标类别特点,该方法能对水下目标进行有效的识别.     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

机载激光水下目标探测中GPS的应用

在机载激光对水下目标探测技术中,如何快速有效的搜索目标并得到目标的精确位置信息是其中的重要内容,为此,研究提出了将全球卫星定位系统（GPS）应用于机载激光水下目标探测的方法,将GPS信号作为探测信号的一个参数,与探测信号同时进行实时的传输与存储。基于此方法可以实现多机协同的高效搜索,并可对每个探测信号实现精确定位,使探测信息在脱线分析中也能得到充分利用。针对上述方法进行了仿真试验,证明了其可行性。     

基于ECA的YOLOv5水下鱼类目标检测

针对水下图像模糊、颜色失真,水下场景环境复杂、目标特征提取能力有限等导致的水下鱼类目标检测精确度低的问题,提出一种基于YOLOv5的改进水下鱼类目标检测算法.首先,针对水下图像模糊、颜色失真的问题,引入水下暗通道优先(underwater dark channel prior, UDCP)算法对图像进行预处理,有助于在不同环境下正确识别目标;然后,针对水下场景复杂、目标特征提取能力有限问题,在YOLOv5网络中引入高效的相关性通道(efficient channel attention, ECA),增强对目标的特征提取能力;最后,对损失函数进行改进,提高目标检测框的准确度.通过实验证明改进后的YOLOv5在水下鱼类目标检测中精确度比原始的YOLOv5提高了2.95%,平均检测精度(mAP@0.5:0.95)提高了5.52%.     

基于前视声呐的水下目标检测算法研究

水声目标检测就是从水声取目标信息并进行识别,而有效的水声标检测在现代化的海洋开发中有着十分重要的作用;首先,介绍了水声目标检测所采用的设备,以及该设备的工作方式,并搭建试验场景进行水声回波的采集;其次,对水声标检测算法进行了研究,比对不同的滤波算法可知,中值滤波方法的去噪效果更佳;进行了灰度直方图分析,对目标的灰度范围进行了增强处理;对图像分割算法进行了研究,设计了一种自适应迭代分割算法,对比其他方法有着更好的处理效果;对分割后的图像进行连通域查找,目标筛选,从而识别出待检测目标;试验结果验证了该水声目标检测算法在对水下目标的检测识别上的有效性。     

基于最佳邻域重构指数的水下高光谱目标检测

水下机器人仅通过传统光学相机获取图像很难在复杂水下环境中或目标物具有保护色的情况下检测到目标,而通过高光谱技术进行水下目标检测可以改善这一情况;由于直接运用传统高光谱检测方法难以满足水下机器人对水下目标检测的要求,提出了一种基于最佳邻域重构指数(ONRIF)的高光谱目标检测方法,该方法通过线性重构的思想进行邻域寻优,选出信息量高且波段相关性低的波段组合,并使用所选波段的融合图像进行目标检测;结果表明,与直接对原始水下海产品高光谱图像进行检测相比,该方法在保证检测效果的前提下,大量减少了检测时间和数据冗余程度;还提出了一种在相同环境下对同类目标物的单波段快速采集检测方法,大大提高了采集数据的速度,可以满足水下机器人对海产品检测的需求.     

基于多AUV间任务协作的水下多目标探测机制

利用自主式水下航行器（Autonomous Underwater Vehicle, AUV）对水下多目标进行协同探测是目前海洋技术领域的研究热点。本文主要研究在水下三维区间内的多AUV任务分配与协作探测机制,建立了以每个AUV能量耗费与能耗均衡为约束条件的水下三维空间中的多旅行商（Multiple Traveling Salesman Problem, MTSP）问题模型,利用遗传算法（Genetic Algorithm, GA）对该NP-Complete问题进行启发式求解,同时设计了考虑巡航总路径及访问目标数的适应度函数以提高多AUV间的能耗均衡性,实现多个AUV对多个水下目标的优化协同探测。最后本文利用Matlab R2014a软件对多AUV任务协作与多目标探测机制进行了仿真,仿真结果验证了该方法能够均衡多AUV多目标探测问题的能量消耗,进而提高巡航速度和生命周期。     

基于偏振成像和显著区域自补偿的水下显著目标检测

在浑浊的水下环境中,受水体多重散射以及噪声的影响,造成水下成像质量大幅下降,现有显著性目标检测算法无法满足目标检测准确性的任务需求。因此,提出一种基于偏振成像和显著区域自补偿的水下显著目标检测算法。提出的算法分为两个阶段：采用基于偏振角估计后向散射光的方法去除后向散射的影响,同时引入引导滤波进行水下去噪,再通过PSF函数去除前向散射造成的模糊效应;利用改进的栅格扫描算法结合局部特征描述符识别前景超像素,根据前景超像素生成显著区域对网络进行优化补偿,再结合DeepLabv3+网络生成最终的分割图。在浑浊水下环境进行了多组对比实验结果表明,所提复原算法可以有效地增强目标,提高了目标的对比度和清晰度,所提显著目标检测算法能够准确地检测出水下显著目标,并且可以保留细节信息。结合偏振成像模型的优点,该算法能够较好地克服水下复杂的光学成像环境,并且能快速准确地检测出水下显著目标。     

基于双目视觉的水下海参尺寸自动测量方法

水下捕捞机器人在进行海参捕捞作业时,需要对海参进行精选分级。然而光视觉系统在水中的折射现象严重影响了海参尺寸的精确测量。因此,利用水下双目标定方法,求解水下相机模型参数,消除水下光线折射造成的图像失真,并在此基础上,提出了一种水下海参自动检测与尺寸测量方法。在左目矫正图像上,利用预先训练的YOLOv3海参检测模型,进行海参自动检测和感兴趣区域定位,并利用双目矫正图像构建当前水下场景深度信息。利用融合颜色和场景深度信息的高斯模型,构建新颖的GrabCut-RGBD图像分割方法,在感兴趣区域上分割二维海参目标。利用凸包与旋转卡壳算法,在海参目标图像上寻找最佳尺寸测量点,通过三角测量获取最佳测量点三维坐标,实现海参尺寸的自动测量。实验结果表明,所提方法在0.5～1.5 m范围内平均误差为1.65%,能较好地实现海参尺寸的水下测量。     

Navigation of an AUV for investigation of underwater structures

There is a great demand for autonomous underwater vehicles (AUVs) to investigate artificial underwater structures such as piles and caissons in harbours, and risers and jackets of deep-sea oilfields. This paper proposes an autonomous investigation method of underwater structures using AUVs that is implemented by initially detecting the target objects, localizing them, then approaching them by taking video images while closely tracing their shape. A laser ranging system and a navigation method based on the relative position with respect to the target objects are introduced to realize this behaviour.     

基于HPI接口的双CPU水中目标探测平台设计

针对水中目标探测平台低功耗和实时性的需求,提出了一种基于HPI接口的双CPU目标探测平台设计方案,并给出了硬件实现.首次将并行的HPI接口应用到水中目标探测平台上,有效地提高了数据交换速度;采用“Sleep/Wake”工作体制进行软件编程,降低了系统功耗.消声水池实验运行结果表明,该平台设计可行,各功能模块均正常工作,...     

面向嵌入式设备的高实时微小目标跟踪检测方法

传统主流目标检测算法在嵌入式平台无法兼具高实时性与高准确性,难以应用于边缘智能等领域。为解决微小目标跟踪检测在嵌入式平台实时应用的瓶颈,提出一种高实时微小目标跟踪检测方法。利用轻量化神经网络的骨干网络和路径聚合网络,对整体网络进行针对化的剪枝优化,同时深度融合相关滤波算法,提升针对微小目标跟踪检测的准确度和速度。在3D物体场景渲染器自建的军事微小目标数据集上的实验结果表明,在100像素的极小目标跟踪识别中,与DarkNet53-CSP方法相比,该方法检测精度大幅提高,在400~10 000像素的微小目标识别跟踪中,检测精度与检测速度优于DarkNet53和ResNeXt50+CSP等算法。