巡航导弹的被动声检测与分类技术

给出了一种基于被动声信号处理技术的巡航导弹被动声检测与分类技术。在检测目标时 ,综合利用目标声信号与环境信号的能量、过零率及线谱对频率的变化量构成多边界判决函数 ,在分类时提取Mel倒谱特征参数 ,利用隐马尔可夫模型进行分类。通过对实际的 4类目标噪声信号进行检测和分类实验 ,结果令人满意 ,证明了该方法的优越性和工程应用前景。     

基于小波能量谱的舰船目标信号特征量建模

为在舰船目标识别、分类中有效选取特征量,采用小波变换获取舰船辐射噪声信号的小波能量谱,然后计算不同类目标信号的类平均小波能量谱之间距离信号的λ水平能量聚点,据此选取能量谱差异显著的频段,最后对各能量谱作聚类分析实现特征压缩并确定特征量。在舰船声场通过特性研究中的应用表明,该方法具有识别与分类准确率高的特点。     

基于自适应高斯核函数时频分布的水声信号处理研究

时频分析被广泛应用于水下目标宽带回波信号以及短时瞬态信号的处理。在水声信号的特征检测和分类方面,时频分析的时变谱提供了区分不同类别目标信号的特征信息。提出一种基于自适应核函数时频分布的水声信号处理方法。与固定核函数时频分布相比,自适应高斯核函数时频分布由于它的核函数随信号而自适应改变,因此对交叉项有很好的抑制效果。计算结果表明,对于多分量线性调频水声信号,采用高斯核函数自适应时频分析不仅对交叉项具有很好的抑制作用,而且对信号的自分量具有较好的聚集作用。     

基于子波变换的水声信号去噪方法研究

针对水声信号的低信噪比、非平稳性等特点，在对采集到的水声信号进行分析处理的基础上，提出了一种水声信号去噪的方法。该方法首先对采集到的低信噪比水声信号进行滑动取值，分别利用子波变换求功率谱，并进行统计平均，确定代表水声信号特征的频谱分量，去除不稳定的随机频谱分量；然后利用子波反变换将处理后的功率谱变换为时域信号；再利用子波软门限去噪方法去噪。通过仿真验证，获得了较好的效果。     

基于直接序列扩频信号的水声信道辨识仿真

提出了基于直接序列扩频信号(Direct sequence spread spectrum,DSSS)的水声信道辨识方法,建立了水声信道仿真模型,用DSSS信号通过已知参量的仿真信道,然后对水声信道进行辨识。通过分析信道的散射函数求得水声信道主要路径的多普勒展宽与多径强度的估计值。在有、无噪声的情况下都比较精确的估计出了信道参量。算例和仿真结果表明所提出的信道辨识方法是有效和可行的。     

基于奇异谱分解的水声信号降噪方法研究

通过对水声信号进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到表征信号能量和噪声强度的奇异谱。对奇异谱进行分析,得到反映噪声强度的噪声平台。对于那些大于噪声平台的特征值,它们具有较大的方差,对应较大的信噪比。利用具有较大方差特征值对应的特征矢量重构状态空间,也就等效于得到了具有较大信噪比改善的重构。通过对3类多个样本的实际水声信号采用奇异值分解进行降噪处理,得到了较为满意的降噪效果,降噪后的信号波形基本上消除了噪声干扰,为水声信号的进一步处理奠定了基础。     

FRFT在水声信道时延频移联合估计中的应用

由于水声信道的复杂性和多变性,信号在水声信道传播中将伴随着多径时延与多普勒频移,二者是水声信道估计中两个重要的参数。基于分数阶傅里叶变换(fractional Fourier transform, FRFT)的时延和频移特性,提出一种采用多分量线性调频(linear frequency modulated, LFM)信号的水声信道估计方法,通过分析分数阶傅里叶域上峰值的偏移,联立不同阶次的时延和频移方程,可得到水声信道的时延和频移值。理论推导及仿真结果表明,该方法计算量小,且随着LFM信号分量数和调频率差值的增大,能在一定程度上减小估计的时延误差和频移误差。水池实验中选用具有相反调频率的双LFM信号作为估计信号,估计出多径时延与运动目标的多普勒频移,并给出了水下目标的运动速度。实验结果表明,FRFT估计法简单有效,在水声信道多径时延与多普勒频移估计上具有较好的实际应用价值。     

全局动力学模型用于水声信号分类仿真实验研究

水下弱信号的检测和分类是水声信号处理领域中的难题。本文研究了一种使用混沌动力学系统理论中全局动力学模型进行水声信号检测和分类的方法，用仿真数据对所建模型的有效性进行了验证。通过将模型拟合到几种舰船辐射噪声，成功地对其进行了分类。仿真结果表明，该方法在高噪声背景下（信噪比为OdB时）仍能对信号进行分类，且分类概率可以从模型系数空间的系统统计特性中直接计算得到。     

一种新的水声目标智能检测模型

为了解决远程微弱的水声目标信号难以准确检测的问题,提出了一种新的基于经验模式分解(EMD)、特征距离评估技术和模糊支持向量数据描述(FSVDD)的水声目标智能检测模型.首先,该模型利用滤波、Hilbert包络解调和EMD等方法提取原始水声信号的时域和频域统计特征,构成综合特征集.其次,通过特征距离评估技术从综合特征集中选取敏感特征集.最后,将敏感特征输入到FSVDD检测器中,实现水声目标的智能检测.将该模型应用于仿真的水下航行器辐射噪声数据的目标检测中,研究结果表明,同常规的支持向量数据描述检测器相比,该模型具有更好的检测性能,目标检测准确率高.     

海洋目标噪声非线性RPT特征提取模型

根据非线性动力学相空间重构理论,分析了基于时延法的重构相空间维数和延迟时间的选择确定方法,比较了Lorenz吸引子、某舰船目标和高斯白噪声三类信号的相似序列重复度(RPT)特征,表明舰船目标噪声的非线性RPT特征具有明显不同于随机噪声和确定性信号的几何特性;通过对非线性RPT特征相轨迹参考点的改进,将其应用于海洋目标噪声的分析与处理之中,建立了提取水声目标信号非线性RPT特征的模型;通过对试验数据非线性RPT特征的提取,表明非线性RPT特征能够有效地区分水下目标和水上目标,水下高速目标和水下低速目标,水上大型目标、中型目标和小型目标.因此,该海洋目标噪声非线性RPT特征提取模型可以有效地区分不同类型的海洋目标,为水声目标识别提供了一种新的思路和方法.     

基于小波变换的Power-Law水声瞬态信号检测研究

水声瞬态信号检测是水声对抗领域的一项关键技术.在分析了传统的Power-Law检测器的基础上,针对水声瞬态信号的特点,提出了一种基于小波去噪的检测方法.该方法利用小波去噪理论抑制信号中的杂散成分,提高信噪比,然后利用Power-Law检测器进行检测.对三种典型水声瞬态信号的仿真结果表明该方法可以在低信噪比条件下有效分辨信号和噪声,检测效果优于传统的Power-Law检测方法.     

#br# 近场宽带LFM信号被动测向和测距方法

提出了一种采用分数阶傅里叶变换的聚焦波束形成被动定位方法,实现了水声近场宽带线性调频(linear frequency modulated, LFM)信号的被动测向和测距。建立了基于球面波模型的近场宽带LFM信号接收数据模型,应用分数阶傅里叶变换(fractional Fourier transform, FRFT)将LFM信号的时变阵列流形矩阵变换为固定阵列流形矩阵,结合近场声源的聚集波束形成技术,利用多重信号分类算法实现了对多个宽带LFM信号的方位与距离联合估计。数值仿真验证了该方法对水声目标方位和距离估计的有效性,并仿真分析信噪比、声源距离、声源个数等对该算法性能的影响。     

基于子波奇异性检测的水声信号去噪方法研究

基于低信噪比、非平稳水声信号中，信号的有效频谱是固定的、噪声的频谱是随机的、信号频谱由代表水声信号特征的各基波和其对应的各次谐波构成的特点，提出了利用子波奇异性检测特性实现水声信号去噪的方法。该方法首先对水声信号进行多分辨分解，求取各尺度上信号的频谱成分；然后，根据最大尺度上最高的频谱幅度，确定该尺度上信号的有效频谱成分，再按照基波与谐波的关系，确定其它各级尺度上的有效频谱成分，去除奇异频谱；最后对去除奇异频谱后的信号进行频域．时域变换及子波重构。经对实测水声信号进行仿真，获得了较好的去噪效果。     

基于OPNET的水声网络信道仿真研究

水声网络是实现海洋监测、数据采集以及战略通信等的重要手段,但其受水声信道特性制约严重。为此,从介绍水声信道的特性出发,采用Thorp经验公式模拟海水吸收特性,在此基础上对路径损耗进行仿真解算,并改进Wenz噪声模型使之更好地接近水声信道的特性。进而,通过改进OPNET平台内置的传播时延阶段、接收机功率阶段、背景噪声阶段设计水声信道OPNET模型,使其适合水声信道,基本实现对真实信道的近似模拟。最后,设计OPNET移动网络模型,将模拟的水声信道加进移动网络进行仿真,分析水声信道特性对网络性能的影响。     

基于分数阶Fourier变换的水声信道参数估计

提出基于分数阶Fourier变换(FRFT)对水声信道参数进行估计。分数阶Fourier变换存在相应的最佳分数阶数使给定的chirp信号能量聚集于一最大值,且具有时移、频移特性,使其可适用于存在多途扩展及多普勒频偏的声信道参数估计。通过计算机仿真验证,当存在较大的多普勒频偏时,拷贝相关器将不适用,而FR-FT具有很好的鲁棒性,可估计存在多普勒频偏的多途声信道参数。