基于遗传算法的对潜螺旋搜索

针对应召反潜中敌潜艇直线型规避行为,提出了一种基于遗传算法的对潜螺旋搜索方法.首先建立每段搜索路径中的搜索概率模型,再利用遗传算法对此模型进行优化,选取满足搜索概率最大的搜索器转向角.在搜索任务中要利用上一阶段的探测情况来实时地确定下一阶段的搜索路径,不断地排除敌潜艇不存在区域的角度,具有在短时间内搜索范围大、搜索效率高的特点.与传统螺旋搜索法相比,较好地提高了搜索概率.     

模糊聚类的侧扫声纳图像分割算法

针对侧扫声纳图像的特点,利用二维经验模态分解（BEMD）将图像分解成若干固有模态函数（IMF）和1个余量.分析了侧扫声纳图像背景区的图像频率特征,通过增强目标和阴影的特征信息降低噪声的影响.提取图像的高斯马尔可夫纹理（GMRF）,用来表达图像像素点间的空间关系,以减少图像的误分割.利用BEMD和GMRF改进模糊C均值聚类算法,提出了新的聚类准则和距离函数,形成一种新的模糊聚类算法.利用该算法对不同的侧扫声纳图像进行分割,并将分割结果与其他典型的聚类算法的分割结果进行比较,验证了该算法的抗噪性和准确性.     

分裂波束自适应方位分析目标识别方法研究

主要研究了主动高频声纳(20～35kHz)的体目标识别方法。提出了基于水下分裂波束布阵体制下,目标短时方位特征的自适应提取方法,利用分裂波束双通道的自适应结构,克服了目标回波多卜勒对自适应短时方位(相位)的影响,提高了抗噪声性能。同时利用目标方位走向特征向量,给出了体目标的目标视在张角估计值,做为识别判据。文章给出了目标方位走向的提取方法、试验结果,同时给出了目标视在张角估计方差。     

窄带水声信号的分布式检测融合

研究了分布式检测融合系统的融合算法，及其在水声信号检测中的应用。提出了一种基于软决策融合的水声信号检测融合算法，并结合窄带声呐信号检测系统，给出了融合系统检测性能的计算机仿真结果。仿真结果表明，采用检测融合技术可大幅度地提高水声信号检测系统的检测性能。     

探潜技术的新进展

水下威胁的增长和海洋环境的复杂性为探潜技术的提高创造了机会,然而仅改进一下已往的老技术是不行的,单项技术的突破将不能满足先进声纳系统的要求,只有综合采用神经计算机、先进信号处理机、各种新颖算法以及拖曳线列阵声纳才能迎击现代反潜战的挑战。     

反潜CGF系统中吊声传感器的建模方法

提出一种计算机生成兵力(CGF)系统中传感器模型的建模方法。以声纳方程为基础,综合考虑海洋环境及目标声特性,分别建立主、被动式的吊声传感器模型。利用海洋环境数据训练径向基神经网络(简称RBF网络),实时解算不同环境参数时的噪声级。在主动式吊声模型中,考虑声纳的波束方向,便于对目标进行定向等运动分析。通过MATLAB仿真,验证此模型的性能指标优于现有模型的性能,有效为反潜CGF系统服务。     

混响背景下单、双基地声纳的探测范围比较

收、发基地分置可以在一定程度上增大声纳的可探测范围，但由于双基地声纳面临较强的前向散射和侧向散射的影响，在基线延长线附近方位范围内其混响干扰强于单基地声纳。同时由于直达波对接收基地的干扰，双基地声纳在近距离上将出现盲区。在建模计算双基地声纳海底混响的基础上，以浅海为例分析了混响限制下不同位置上的目标在接收基地阵元输入端所形成的信噪比，并与单基地声纳做了比较，从而给出双基地声纳的有效探测范围。     

多子阵合成孔径声呐成像研究

针对多子阵合成孔径声呐(SAS)成像运算量大及忽略相位误差导致的成像效果不佳等缺点,该文在深入分析了多子阵SAS的两类系统相位误差基础上,分别提出了改进的逐点和逐线成像算法,形成了新的多子阵SAS系统方案设计。新方法在提高测绘率同时,能够显著降低运算量并改善成像效果,仿真实验也证明了新方法的正确性。     

基于仿生机械云台的声纳图像拼接

分析了声纳图像拼接失真的因素,提出了一种基于仿生机械云台的声纳图像拼接方法. 根据眼球前庭动眼反射机理建立了一个具有主动补偿功能的仿生机械云台控制系统,对扫测艇姿态变化进行动态补偿减小了声纳图像拼接的误差. 使用姿态传感器与GPS以及图像信息对声纳图像进行对准,实现声纳图像的拼接. 不同环境下的仿真实验证明,该系统不仅具有动态补偿能力而且还具备鲁棒性. 最后,经水下声纳图像拼接的实验证明了该方法的有效性,较未使用仿生云台的拼接方法有更好的拼接效果.     

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程. 针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法. 在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.