用VC++6.0和Matlab编制信号采集和处理程序的方法研究

本文详述了如何运用VC界面及其端口函数-inp()和-outp()编写A／D卡的信弓采集控制程序,以及如何在VisualC 6．0环境下通过Matlab引擎调用Matlab工具箱对采集到的数据进行功率谱分析。     

有限水深船舶水压场的实验研究

对航行船舶在水底引起的压力分布进行了系统实验研究，分析了压力系数峰值大小、位置等参数的变化规律，总结出了亚临界航速和超临界航速条件下的船舶水压场分布特征。     

采用矢量水听器线列阵的二维波达估计

提出了采用矢量水听器线列阵的二维波达估计方法。采用非等距稀疏直线阵,阵元之间的间距任意,不受半波长的限制.每个阵元（矢量水听器）由两至三个空间共点且轴向垂直的振速水听器和一个声压水听器构成。阵列流形可以被划分为几个子阵阵列流形,子阵之间的旋转因子与目标信号的方向余弦有关,而与阵元的间距无关。基于ESPRIT的思想,采用并行TLS矩阵束方法实现对目标信号的方向余弦的估计和自动配对,从而实现二维波达估计。计算机仿真实验结果证明了该方法的有效性。     

电场引信的动作判据分析

讨论了海洋船舶交变电场衰减的基本特征．根据海洋对不同频率电场信号的穿透深度不一样的原理，分析推导了电场引信点火动作的判决依据．引信设计时选择不同的频率信号进行处理，使用电场模量门限、电场上升斜率、不同频率电场上升斜率比及其组合等参数可以简便地控制电场引信，使电场引信具有良好的动作区域性．     

基于AR模型和神经网络的舰船水压信号检测方法

为了有效地从风浪背景中检测舰船水压场信号，根据舰船水压场信号和波浪噪声信号的差异，以时间序列的AR模型理论为依据，采用基于AR模型和神经网络的舰船水压信号检测方法。该检测算法的核心是将检测问题转化为模式识别问题，首先对接收信号建立AR模型并提取AR模型系数作为特征向量，然后利用人工神经网络对信号进行检测。在此基础上，通过不同浪级情况下海浪水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号检测率比较高、虚警率比较低的效果。     

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。     

基于母函数正交化的模型化磁性物体矢量探测和定位

针对传统的模型化检测和定位方法中存在的计算复杂和需解多元非线性最优化问题的缺陷,对模型表达方式中的母函数进行了正交化,使其成为信号子空间中的一组标准正交基,并给出了信号在不同子空间中的逼近,并依据正交化的结果,提出了一种新的模型化目标检测和定位方法。仿真结果表明这种方法有效且简洁。     

水下物体对船舶电场的扰动分析

讨论了海洋船舶腐蚀引起的静电场的基本模型，对Galvanic System电场在水中兵器，电场测量体等实体附近可能产生的电场畸变进行了分析计算，理论计算表明；雷体等水下实体对电场的扰动的大小主要取决于雷体与舰船的距离，雷体材料的电阻率，雷体的尺寸，当距离大于10m时，其引起的电场畸变的相对变化率小于2%，由此得出了利用舰船电场远场作为启动信号时可以不考虑电场扰动的结论。     

扩展交替投影神经网络 ——具备联想记忆功能的充分必要条件

对交替投影神经网络(APNN)的连接权矩阵进行修改,将其应用范围从实数域拓展到复数域,从而得到一种新的神经网络——扩展交替投影神经网络(Extended Alternating Projection Neural Networks).对EAPNN网络进行深入研究后,给出了网络稳态值的通用数学表达式,并从表达式中推出了网络具备联想记忆功能的充分必要条件.最后设计仿真实验对文中的理论分析结果进行了验证.     

基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。