基于深度学习的水声被动目标识别研究综述

被动声呐通过接收目标自身发出的辐射噪声信号进行目标探测。水声目标识别通过分析水声信号来判别目标个体,是水声工程领域的重点研究方向。深度学习作为近年来各领域的研究热点,其在水声目标识别领域中的应用引起了学者的广泛关注。该文以水声目标识别的步骤框架为切入,介绍了典型深度网络模型;总结出了深度学习在水声目标识别领域中的两大内涵：围绕时频谱、梅尔倒谱系数等特征调研了近几年深度学习作为分类器的关键问题以及研究进展,围绕数据增强、数据降噪等信号处理手段调研了近几年深度学习作为信号处理工具的关键问题以及研究进展;并从数据驱动、特征驱动、模型驱动3个方面对该领域的发展趋势进行展望,旨在推动水声目标识别领域的发展。     

基于射线模型的浅海水声传播仿真研究

浅海是我国船只活动的主要区域,在计划海上实验、设计最优声纳系统和预测海上声纳性能时,水声模型被广泛地应用于预报声学环境。用射线模型为浅海声场建模,由于射线理论有足够的准确性,可以用来获得声波在空间传播的重要信息,在一定的条件下,射线声学的数学运算也比较简捷。在此结合仿真结果,证明了由射线理论给出的声线图可以给声场以直观、形象的理解,其建立的水声信道模型在工程应用上具有重要意义。     

浅海水声信道研究与仿真

水声通信是近年来发展迅速、研究相当活跃的通信技术领域之一,它的研究为解决水下信息的可靠传输提供了重要的技术保障。浅海域水声数据传输对于海洋勘探、海洋环境监测、海洋石油开采、海洋空间利用以及海上战争等方面都有着特别重要的意义。本文介绍了浅海水声信道的特点,阐述了如何建立浅海水声信道的模型,并用MATLAB对浅海水声信道进行了仿真和分析。     

基于垂直声强流的水中目标深度分类方法

现有的基于声场干涉结构特征的目标深度分类方法的频率适用范围有限,仅适用于目标线谱频率激发前2阶简正波的情况.针对上述问题,该文提出基于匹配场处理的目标深度分类算法,该算法将垂直复声强无功分量作为匹配量进行目标深度的匹配估计,利用目标深度的粗略估计结果辅助进行目标深度的二元分类.算法适用于线谱频率激发前3阶简正波的情况,有效拓展了算法的频率适用范围.仿真结果验证了算法的可行性和稳健性.该文分析了环境失配情况对算法性能的影响.所提算法具有较高的准确性和稳健性.     

基于垂直声强流的水中目标深度分类方法

现有的基于声场干涉结构特征的目标深度分类方法的频率适用范围有限,仅适用于目标线谱频率激发前2阶简正波的情况。针对上述问题,该文提出基于匹配场处理的目标深度分类算法,该算法将垂直复声强无功分量作为匹配量进行目标深度的匹配估计,利用目标深度的粗略估计结果辅助进行目标深度的二元分类。算法适用于线谱频率激发前3阶简正波的情况,有效拓展了算法的频率适用范围。仿真结果验证了算法的可行性和稳健性。该文分析了环境失配情况对算法性能的影响。所提算法具有较高的准确性和稳健性。     

一种基于深度特征的信号分类方法

针对实际侦测辐射源目标信号交叠、参数灵活多变、波形不完整等特点,以及传统目标分类识别方法准确率不高的问题,提出了一种基于深度特征的信号分类方法.通过数据积累对全脉冲数据进行补全、纠错,综合时域、频域、空域、能量域、调制域等多域参数提取隐藏特征,搭建深度学习网络对侦测数据进行持续训练,实现对复杂目标信号的分类.     

一种基于深度学习的水声信道估计方法

在水下通信领域中,电磁波的传播会受到很大的限制,所以水声通信成为了通信的主要手段。利用正交频分复用(OFDM)调制技术的优势,在复杂且多变的水声信道中进行通信是目前常用的方法之一。为了应对水声信道的不利条件,需要使用信道估计来获取信道的状态信息来进行信道均衡以获得更好的通信效果。文章提出了一种基于深度学习的水声信道估计方法。设计了改进型多层感知机模型进行水声信道估计。与传统方法相比,文章提出的方法在估计性能与鲁棒性方面均获得了提升,同时也证明了残差对于基于深度学习的信道估计性能的提升有所帮助。     

面向原始辐射噪声的水声目标识别研究

水声目标识别是一项利用目标辐射噪声特性对目标属性进行判别的模式识别技术,具有十分重要的经济价值和军事价值。传统水声目标识别方法依靠信号处理技术对目标辐射噪声进行特征提取,进而通过人工识别或设计分类器识别的方法实现目标类别的判别。通过设计特征进行特征提取的过程中,不可避免会造成目标辐射信号中信息的损失,而深度神经网络依靠其多层网络结构,具备强大的特征提取能力。文章以一维卷积神经网络作为构建水声目标识别的基本模型,利用梅尔频率倒谱系数特征的提取思路,创造性地设计了MFCC1D卷积神经网络。结果显示,在ShipsEar数据集与水下目标信号构成的混合数据集上,设计方法的识别准确率达到96.4%。     

基于复值深度神经网络的目标检测方法

针对雷达在检测概率要求严苛的多旁瓣干扰复杂场景下使用传统目标检测方法无法满足需求,性能有待进一步提升的问题,本文提出了一种基于多通道复值深度神经网络的雷达目标检测方法。传统脉冲体制阵列雷达的恒虚警率目标检测通常在和通道进行,在对回波信号进行空域相参预处理过程中获得了相参积累的同时丢失了阵元间的相位信息,而实际上目标回波在阵元间存在着一定的相位关系。本文利用神经网络强大的拟合能力和分类能力,将目标检测视为二元分类问题,设计复值深度神经网络深入挖掘目标与背景在不同阵元间的幅度及相位信息差异,从而在传统目标检测和通道-距离-多普勒空间的更前端更好地区分目标与背景的差异,提升了雷达目标检测性能。实验结果显示,所提方法在存在大量旁瓣干扰的场景下,相较传统方法具有更好的检测性能表现和抗干扰能力,且在杂波环境中也有良好的表现。     

基于改进型神经网络的水声目标声音分类研究

主要研究了采用模式匹配的方法对水声目标进行分类的技术,在模式匹配的过程中,引入了人工鱼群算法对传统神经网络进行改进.通过Matlab仿真试验表明:采用AFSA-神经网络可以大大提高对不同声源信号的分类正确率,并大幅降低检测的时间.     

流形学习在浅海水声通信中的应用

在复杂的浅海环境中,水声信道具有强烈的空变和时变特性,致使水声通信系统的鲁棒性很难得到保证.该文不同于依赖复杂信道编码和信道均衡手段的传统水声通信算法,将流形学习思想应用于高维海洋环境参数空间刻画及信号空间映射中,为水下数据传输提出创新方案.从声场角度出发,结合浅海实验数据,分析通信信号时空起伏特性,研究环境参数空间和...     

基于声强向量法的体积目标定向和缩比实验研究

该文提出和研究了利用小型的菱形声强向量阵进行舰船目标三亮点部位的定向和定位。仿真结果表明了所用方法的正确性。在半消声室中应用自行设计的一套实验装置对体积目标进行了缩比定向实验,实验结果与仿真结果是一致的。     

红外小目标检测的快速并行算法

利用平均灰度绝对差最大测度（ＡＧＡＤＭ）估计目标背景的不相似性,提出了一种红外小目标检测算法,分析了预处理前后图像信噪比增益与目标大小的关系,进而建立了检测概率和信噪比增益的关系,理论上证明了该算法具有优越的性能。接着,在分析了ＭＰＰ并行计算机体系结构的基础上,提出了两种基于ＭＰＰ的小目标检测并行快速实现算法。理论分析表明,基于ＭＰＰ的ＡＧＡＤＭ小目标检测并行快速实现算法运算时间复杂性为Ｏ（Ｌ２ｉ／Ｎ）。     

Target Birth Intensity Estimation Using Measurement‐Driven PHD Filter

The probability hypothesis density (PHD) filter is an effective means to track multiple targets in that it avoids explicit data associations between the measurements and targets. However, the target birth intensity as a prior is assumed to be known before tracking in a traditional target‐tracking algorithm; otherwise, the performance of a conventional PHD filter will decline sharply. Aiming at this problem, a novel target birth intensity scheme and an improved measurement‐driven scheme are incorporated into the PHD filter. The target birth intensity estimation scheme, composed of both PHD pre‐filter technology and a target velocity extent method, is introduced to recursively estimate the target birth intensity by using the latest measurements at each time step. Second, based on the improved measurement‐driven scheme, the measurement set at each time step is divided into the survival target measurement set, birth target measurement set, and clutter set, and meanwhile, the survival and birth target measurement sets are used to update the survival and birth targets, respectively. Lastly, a Gaussian mixture implementation of the PHD filter is presented under a linear Gaussian model assumption. The results of numerical experiments demonstrate that the proposed approach can achieve a better performance in tracking systems with an unknown newborn target intensity.     

一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

雷达目标特性数据建库及其在雷达检验中的应用

就雷达目标特性数据库的建设提出方案构想，并对数据库在雷达检验、目标识别研究等方面的应用展开初步探讨。现代电子装备的设计、研制和发展对目标特性提出了广泛而深入的需求。在检验场建立雷达目标特性数据库，并将目标特性充分运用于雷达检验中，将发挥积极的作用。     

一种新的机载预警雷达地面目标过滤方法

地面目标过滤是机载预警雷达航迹优化的一个重要内容,可以有效地改善航迹质量,该问题实质上是一个空地目标分类问题。在引入联合目标跟踪与分类思想的基础上,研究了一种基于空地目标运动特征差异的目标分类方法。首先,采用包含目标所有可能机动的交互式多模型对目标进行跟踪,然后利用估计的目标运动特征参数和贝叶斯分类器完成两类目标的分类。仿真结果表明,在目标机动条件下,该方法能够对空地目标进行有效的分类。     

一种用于三维空间杂波环境机动目标跟踪的数据互联方法

目标跟踪过程中运动模型不准会导致预测中心不准,而预测中心不准会导致错误关联。为解决三维空间杂波环境下机动目标跟踪过程中数据互联问题,在数据关联时假定目标转弯率在一定范围内变化并且转弯方向是任意的,这样,预测中心为三维空间中的一曲面。在计算测量与目标间的关联度时,依据的是测量点距该曲面的距离。为了减少数据互联的计算量,该文提出了与特定测量相匹配的转弯率和转弯方向的计算方法。仿真实验表明,杂波环境下对机动目标跟踪时,采用该文方法提高了数据正确关联率,降低了航迹丢失率,同时提高了状态估计的精度。