基于极限学习自编码器的水声信号目标识别方法

传统的机器学习方法在特征提取时容易受到主观经验的影响,导致对水声信号目标的识别准确率不高。而一般深度学习算法模型较复杂,通常具有训练耗时、计算复杂度高等缺点。极限学习自编码器具有很强的非线性处理能力,适合针对具有非线性特点的水声信号目标的识别,而且模型具有学习速度快,泛化能力强等显著优势。将极限学习自编码器算法应用于水声信号目标识别中,并与卷积神经网络、自编码器和极限学习机识别方法进行对比,结果表明：提出的方法对水声信号目标识别的准确率最优,且训练时间较短。     

基于深度残差网络的水下通信调制信号分类

在无线通信中，调制分类是非协作通信的重要组成部分，很难使用常规方法同时兼顾识别准确率和低复杂度对各种调制方案进行高效分类。深度学习方法用来处理这个问题，可以取得良好的效果。在水声通信的环境下，由于通信环境的特殊性，导致信号的调制分类比陆地通信更加困难。创新采用了深度学习网络的改造残差结构形式来区分多种水声通信中的各种常用调制方法，通过合理地选用深度残差网络的超参数，有效克服了模型过拟合问题，取得了良好识别效果。     

基于辐射噪声特征的舰船目标识别分类方法综述

通过舰船的辐射噪声对目标进行识别分类是水声领域的一个重要研究课题。综合介绍舰船辐射噪声数据获取途径、特征提取技术和目标识别技术。首先，介绍了 4 种数据采集类型较为丰富的辐射噪声数据库。其次，从线谱识别、小波分析和非线性特征提取技术 3 个方面介绍辐射噪声的特征提取技术。最后，从支持向量机等传统分类识别技术和深度学习技术 2 个方向介绍辐射噪声领域的识别分类技术。较系统地总结了基于舰船辐射噪声的目标识别分类技术，可以为舰船目标分类识别的研究提供参考。     

基于声呐图像的水下目标识别研究综述

水下目标识别是水下无人探测的一项核心技术,在军事和民用领域都有重要的应用。根据当前的水下目标识别研究进展,全面阐述基于声呐图像的水下目标识别原理和方法,对总结研究现状、发现存在的问题以及挖掘潜在的研究方向具有积极意义。针对基于声呐图像的水下目标识别问题,论述了图像去噪、 图像分割以及水下目标识别等方面的主要进展,阐述了基于深度学习实现声呐图像目标识别的最新技术发展现状。通过对水下目标处理过程的讨论和分析,指出基于声呐图像的水下目标识别算法中亟需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做了进一步的展望。     

一种水下声学探测浮标的设计与实现

介绍了一种水下声学探测浮标的设计及实现。该浮标基于国产北斗 Argo 浮标搭载水声探测载荷，能够在水中自主沉浮，并实现对水声通信信号探测，发现目标后，通过北斗卫星传输目标的相关特征信息。该浮标能够实现设备程控沉浮、自我定位、卫星通信、水声信号检测识别、数据记录、信息显示等功能。 可广泛用于重要航道、演习区域等海域的水下安全排查，掌握水声通信网络布设及分布情况，为我重要军事行动提供决策依据。     

水下图像目标检测研究综述

在海洋开发的环境下，水下物体探测技术得到广泛应用，随着水下机器人与计算机技术的发展， 该技术越来越受到研究人员的重视。根据当前的水下图像目标检测研究进展，简要介绍水下图像目标检测流程(即图像采集、图像的预处理、以及图像检测的方法)，对总结发展现状、发现技术的不足及挖掘未来的研究方向有重要意义。针对基于光学图像的水下目标识别问题，论述了图像采集、图像的预处理、以及图像检测等方面的主要进展，阐述了基于深度学习实现水下图像目标识别的技术发展现状。通过对水下目标处理过程的讨论和分析，指出水下图像目标识别领域中需要解决的问题，并预测该领域技术发展趋势。     

用286微机实现对声散射信号的采集和处理

1 概述在水声技术应用中,经常碰到利用测量目标的散射信号强度来判别目标的特性和参数。例如研究深海散射边界层,倾废扩散,悬浮沉积物的运迁和分布规律等等,都涉及到将声散射信号进行采集、存贮和回放处理,从而可以作出不同深度,不同时间或地点下信号的变化曲线,进一步研究其分布规律,使得研究工作更加直观、快速,并可以提供用户各种最终有用的图表或曲线。一般来讲,要求的技术性能如下:(1)能反映出记录的时间、地点。(2)对原始信号的存贮,并能按一定深度取样和平均。     

基于磁异常信号解析的目标速度特性研究

水下磁性目标产生的磁场成为重要的水下目标非声探测信号源，因此对水下磁性目标的静磁场建模原理开展了研究。实现了均匀磁化的旋转椭球体模型和磁偶极子模型，并对 2 种模型在目标磁异常信号仿真上的适应性进行了分析。研究表明：相比于磁偶极子模型，旋转椭球体模型在传感器与目标距离较近时也能表现很好的适应性。由此，利用旋转椭球体模型，首先通过仿真计算构建了目标在不同运动速度状态下的近距离磁异常信号数据集，然后开展基于深度学习方法的水下磁性目标运动速度识别方法研究，最后识别效果在验证集和测试集上分别取得了 0.17 m/s 和 0.74 m/s 良好的误差精度，为后续目标的航向等状态识别奠定重要基础。     

基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

带内全双工水声通信技术研究现状与展望

近年来,水声通信技术已经被广泛应用于海洋环境观测等方面,但可预见的,在未来发展趋势下,以半双工体制为主的水声通信网络,将会无法满足日益增长的水下信息交互需求。带内全双工水声通信技术可以在相同的通频带内,同时发射和接收通信信号,理论上可将现有的频谱效率提高 1 倍,在水声信道可用频谱资源严重受限、水下信息交互需求激增的背景下具有极高的研究意义与应用价值。因此,带内全双工水声通信技术已逐渐成为了目前水声通信领域的研究热点之一。简要介绍了目前无线电及水声通信背景下的带内全双工技术研究现状,对带内全双工水声通信面临的主要挑战进行了论述,并结合目前现有研究成果与实际工程应用中的难点问题,提出了几种可行的研究方向。