深度学习在水声目标识别中的应用研究

水声目标识别技术是水声信号处理的重要组成部分，是水声信息获取与水声信息对抗的重要技术支撑。针对水声目标识别时探测数据量大、自动化程度不高、识别效率低下等问题，研究了深度学习在水声目标识别中的应用。首先，介绍了水声目标识别技术的研究现状及当前形势下面临的挑战。然后，对深度学习的网络结构原理及改进型进行了分析，并分别对深度学习在水声声信号识别领域和水声图像信号识别领域的应用现状做了阐述。最后，指出了由于受当前技术条件和水下复杂环境的制约，此方法尚且存在着不足之处。该方法为进一步优化深度学习算法、拓展深度学习技术应用范畴、提升水声目标识别效率提供了参考。     

基于分数阶傅里叶变换的水下目标速度估计

在高斯白噪声背景下,匹配滤波器作为线性调频信号的最优检测器,在水声信号处理中被广泛应用。 当发射信号为线性调频信号时,由水下目标径向速度引起的多普勒频移会造成回波和样本之间失配, 使匹配滤波器的检测性能下降,增加了目标速度估计的难度。 利用分数阶傅里叶变换对于线性调频信号的聚焦特性,提出了应用分数阶傅里叶变换的水下运动目标线性调频回波检测算法,完成对目标速度的估计, 推导目标运动速度与分数阶傅里叶变换阶数之间的关系,并对测量结果进行误差分析。 仿真测试表明,该算法可有效地估计混响背景下的目标径向速度,且具有良好的估计性能。