基于分形特征矢量的水下目标识别

讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号时间域波形的基础上,应用随机分形理论,给出基于分形布朗运动的回波信号分维特征矢量提取的理论和方法;提取了回波信号的分形维特征矢量。进而给出了基于BP网络的分类计算方法,计算结果表明,所提的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

基于声学亮点特征的水下目标回波模型

水下目标回波亮点结构是重要的目标特征，目标回波亮点时空特征的提取，是水下主动目标识别的一种有效方法，本文基于数学仿真的方法，研究了水下高频（20－35kHz)主动声学目标模型及仿真性能，建立了水下目标声学亮点数学模型，并给出了仿真结果，仿真表明：该模型反映了目标尺度特征，可用此模型生成的目标回波校验目标尺度识别器的性能。     

基于多神经网络分类器的目标识别仿真实验研究

水下目标识别在国防及国民经济中具有重要的作用，为了提高神经网络分类器分类结果的有效性和可靠性，本文提出了一种利用多神经网络分类器输出向量来实现对各分类器进行加权的算法，舰船目标实测数据分类实验证明：基于该算法的多分类器融合技术能有效地提高目标识别的性能，同时选择适当的表决阈值又可提高分类结果的可靠性。因此，该算法在水下目标识别系统中具有一定的工程应用价值。     

基于拖曳长线阵的水下目标模拟系统

水下目标模拟系统对于水下航行体试验与训练、舰艇水声对抗与安全防御等具有十分重要的意义。基于水下目标声学多亮点回波理论,给出了多亮点目标宽带回波信号模型。通过计算机仿真,验证了目标回波各重要特征和目标回波信号模型的有效性。基于拖曳长线阵和高速数字信号处理技术构建了水下目标模拟系统,根据目标回波信号模型综合模拟了水下分布式多亮点运动目标声散射特性,准确模拟了目标不同部位声学亮点的空间方位分布特征。分别对点源目标、真实大尺度目标、拖曳长线阵目标模拟系统进行了声纳目标识别试验,结果表明,拖曳长线阵目标模拟系统的目标特性明显不同于点源目标,而与实际大尺度目标一致。     

基于舰船噪声线谱特征的ETAM方法仿真研究

拖曳线列阵的方位分辨率是一项重要性能指标,而它被拖曳线列阵的阵列孔径所限制。针对这一问题,文中提出了基于舰船噪声线谱特征的ETAM方法,利用舰船噪声在低频段的稳定线谱成份,采用ETAM被动合成孔径算法扩展拖曳线列阵的孔径,从而达到显著提高方位分辨率的目的。只要ETAM的积分时间小于海洋声信道的时间相关长度,可将拖曳线列阵的等效孔径扩展到不大于海洋声信道的空间相关长度的任意尺寸。经仿真实验验证,该方法是有效的、可行的,且算法简单、易于实时实现,是一种具有良好应用前景的高分辨方位估计方法。     

基于SAR仿真图像的地面车辆非同源目标识别

充分的合成孔径雷达(synthetic aperture radar, SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键, 基于实际测量获取充分SAR数据是不现实的, 基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径。SAR仿真图像与实测图像为非同源数据, 由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异, 会影响识别性能。针对这一问题, 首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像, 再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR实测数据的非同源SAR目标识别性能对比分析。实验结果表明, 直接使用SAR仿真数据无法实现对实测SAR数据有效识别, 而线性/非线性特征变换可以改善非同源SAR目标识别性能, 一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题。     

基于BP神经网络模型的目标属性识别仿真

在地面防空作战中,对空中目标进行属性识别是防空导弹武器发射决策的关键环节之一,可靠及时的识别可有效地避免误伤我（友）机,准确消灭敌机。结合现代防空作战特点,对影响目标属性识别的各种因素进行定性和定量分析,建立了基于BP神经网络的目标属性识别模型,仿真分析表明了模型的有效性和实时性。     

基于目标特征的动态支持向量机研究

研究了将待识别目标特征与SVM相结合的动态SVM。提出一种以目标特征与每个训练样本间的距离度量SVM软间隔优化问题中惩罚参数C的方法,可根据两者间距离大小赋予每个训练样本一个惩罚参数,从而更好地体现了不同训练样本对于待识别目标特征的价值。然后,根据各样本惩罚参数的大小重构动态训练样本集,训练以待识别目标特征的分类为核心任务的动态SVM,寻求以目标特征为中心的局部空间的最优分类面。并对两类水声目标的识别情况进行了比较,实验表明效果好于SVM和k-近邻分类器。     

水下目标亮点结构仿真技术

在研究水下目标亮点结构数学模型的基础上,通过以TMS320C25为核心器件的硬件和软件相结合的方法,实现了水下目标亮点结构的仿真。经在消声水池进行实验,取得了满意的结果。文中主要介绍了水下目标亮点结构的数学模型、硬件结构、软件组成和实验结果     

水下体目标回波空间方位特性仿真研究

分析并给出了水下尺度目标回波的亮点结构模型和稳态反射亮点与随机散射亮点数字时间序列生成方法。提出了一种利用布放在消声水池中的弧形阵同步发射经时变投影矩阵加权变换的多亮点声波时间序列来仿真水下体目标回波特性的方法。将该方法应用于实现自导仿真试验系统,仿真试验结果表明该方法能够较好地模拟目标空间尺度,除了能够模拟普通靶标的多亮点延迟重发,还具备模拟包括平滑连续、阶跳及其组合等在内的复杂目标空间方位变化的能力,并能够用于水下航行体制导系统的半实物仿真。     

基于模拟退火算法的水下航行器流体动力参数辨识

运用模拟退火算法和极大似然准则,对水下航行器流体动力参数进行辨识。辨识结果表明：运用模拟退火处、可以求得水下航行器流行动力参数的极大似然估计;与常规辨识算法相比,模拟退火算法对初值的选取要求较低。     

水下多目标定向高分辨阵列处理的计算机仿真方法研究

应用计算机仿真方法研究了几种的水下多目标定向高分辨阵列处理方法的统计性能，为水下多目标定向研究提供了重要的研究方法和手段。子空间类方法、ESPRIT和WSF是几种典型的高分辨方位估计方法，它们具有良好的统计性能。我们在以往研究的基础上，针对两个目标和三个目标情况，通过仿真研究了这些高分辨方法的分辨能力和估计精度，得到了各方法的分辨概率及均方误差随信噪比变化规律，这些仿真结果为水下多目标定向提供了依据。     

基于稳态自适应技术的水下机器人系统在线辨识

针对水下机器人运动和作业过程中的有效载荷变化使得机器人动态特性也相应地发生变化的特点,以开架式无缆水下机器人为研究对象,在对其动力学模型进行简化的基础上,提出了一种基于稳态自适应技术的在线参数辨识方法,进行了与基于最小二乘法的离线参数辨识的对比实验以及水下机器人特性发生变化时的在线辨识实验,水池实验结果验证了基于稳态自适应技术的参数在线辨识方法对开架式水下机器人进行系统辨识的有效性和可行性.     

听觉感知特征在目标识别中的应用

将听觉感知特征用于声学目标识别,实现对稳态噪声样本的识别,证明听觉感知特征在声学目标识别领域中的有效性.首先通过语音和乐音识别领域的研究成果确定听觉感知特征的提取方法,然后在汽车、飞机、舰船和乐器等不同类型的声目标中进行识别研究.结果显示:对于平稳噪声样本,听觉感知特征中的谱特征具有突出的优越性,其中基于Mel倒谱系数、谱下降值、分段谱质心、分段谱质心带宽和分段谱通量能够识别目标,且具有较高的识别率和稳健性.     

基于复包络的目标回波信号高效仿真方法

目标回波信号是水声探测系统主要的信息来源。在水声对抗仿真系统中，目标回波信号的仿真逼真性和数据量又是制约仿真实时性的关键问题。因此，在仿真中有必要建立一种高效的目标回波仿真模型，既要真实仿真出实际系统中目标回波信号的特征，又要满足仿真实时性的要求。针对这一问题，提出了一种基于复包络的目标回波信号高效仿真方法，它以窄带信号的复包络为基础，综合了实际系统中多普勒频移和频率补偿的影响，更加符合实际目标回波的特征，且实时性好。该方法具有采样频率低，仿真数据量小的优点，能够满足仿真系统逼真性和实时性的要求，并已用于研制成功的水声对抗试验仿真系统，证明了该方法的正确性和有效性。     

基于OPNET的水声通信网络设计与仿真

水声通信网络是实现如海洋数据采集、离岸勘测与战术监测等水下系统无线信息传输的主要手段,但其性能受水声信道特性影响严重.为此,采用oPNET对水声通信网络节点模型与分层协议进行设计与实现,其特征包括基于CDMA的多用户检测以及RTS-CTS-DATA-ACK信道握手流程与网络分配向量(NAV)帧冲突处理机制等.同时建立并测试了一个包含1个主节点与5个传感器节点的水声通信网络,仿真结果表明主节点物理层采用多用户接收技术能够更好的克服冲突,减少数据包重发,从而获得更高水声通信网络的吞吐量,减少端对端传输延时与能量消耗.     

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。     

一种新的连续特征量化方法

对连续特征进行有效量化是水下目标分类中有待解决的一个重要问题。本文提出一种加权距离量化方法。该量化方法使用类别相对频率构造了两相邻区间的加权距离,将加权距离作为特征量化标准,在量化过程中,将加权距离最小的相邻区间进行合并,直到满足终止条件为止。文中使用递归最小信息熵、Chi2、加权距离等五种量化算法对27维水下目标的识别特征进行了量化处理,比较了各量化方法的性能。结果表明,使用加权距离量化算法对水下目标的识别特征进行量化处理之后,所产生的量化区间数目较少,量化时间较短,量化数据较好的保持了原数据的分类能力,且量化数据的分类时间也大大缩短。