基于宽带相关处理的水下运动目标检测

对于水下运动目标的检测,宽带相关处理是一种有效的方法.为了实时实现的需要,选择一类多普勒宽容信号为发射信号,给出了单尺度宽带相关处理器作为运动目标检测器.仿真结果证明,该检测器性能优良,且能够实时实现.     

被动声呐宽带信号干涉信息提取研究

利用非线性滤波的方法估计目标信号中连续谱,并在此基础上提取出其中的谱峰信息.通过实测数据的处理表明了算法的有效性.     

基于特征直线的目标被动定位方法

提出一种利用导引头图像信息进行飞机目标被动定位的方法.该方法以目标可预知的先验几何特征为基础,并基于摄像系统视场较小且目标距离远大于目标尺寸时,成像模型可用弱透视投影近似的事实,推导出借助特征直线估计目标距离的单目视觉算法.与传统的目标定位方法不同,该算法通过特征直线的成像尺寸以及相互夹角反映目标成像姿态的变化,使得目标定位算法不依赖于对目标姿态的估计,提高了不同的空间姿态下目标定位的准确性.实验结果表明,该算法能够在低信噪比情况下准确定位目标,且算法不受目标姿态的影响.     

一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

基于HOS的被动声呐信号检测方法研究

研究分析了在高斯或非高斯噪声背景下基于高阶统计量(HOS)的被动声呐宽带能量检测和窄带线谱检测．考虑到信号源的特征、节省运算时间、节省计算机内存和比较检测性能，分别选取双谱主域上斜率为1、1/2、1/3的径向切片上的双谱估值来进行信号检测，并通过实测噪声数据相对于常规能量和线谱检测进行了性能比较。     

基于投影感知的水下声呐目标检测方法

现有基于深度学习的水下声呐图像目标检测方法受限于水下声呐图像噪声大、信噪比低,因而检测精度有限。针对该问题,本文提出了基于投影感知和声呐参数信息嵌入的水下声呐图像目标检测方法 SonarNet。提出的非参数化的投影感知对齐模块(PAA)在不引入额外的训练参数且无需额外标注的情况下,通过提取水下目标的投影区域特征与目标本身特征融合来提升目标检测精度。同时为了提升算法在不同声呐工作参数下的鲁棒性,本文设计了一个轻量级的声呐全连接网络SonarMLP,将声呐设备的工作参数信息以嵌入信息的形式引入到目标检测过程中。本文在声呐图像目标检测数据集上对算法的有效性进行了验证,在有效检测出水下目标的同时,比现有常用深度学习方法有更高的检测精度,能够提升3%以上的各类平均精确度(m AP)。     

基于BPSO-KNN算法的被动声呐目标分类识别技术研究

以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法。首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰。声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采用Radon恒虚警率(Radon Constant False Alarm Rate,Radon-CFAR)检测声呐历程累积图像中的目标短时运动轨迹,能够检测到低信噪比的目标。分析了空时归一化处理和检测算法的性能,并通过海试数据验证了该算法的有效性,可以检测到低信噪比的蛙人目标回波。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法.首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰.声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采...     

一种红外图像序列弱小目标的检测方法

针对低信噪比条件下红外弱小目标的相关检测算法存在的局限性,本文提出组合式相关检测算法.基于DBT的相关检测算法运算量小但检测性能较差,而基于TBD的相关检测算法检测性能较高但计算复杂.根据对两者优缺点的分析,采用将两种算法级联的方法,首先使用基于TBD的相关检测算法形成一个过渡帧,再以此为基础使用基于DBT的相关检测算法进行进一步检测.算法性能分析和实验结果均表明,低信噪比条件下该算法具有较高的检测性能并且计算量较低.     

被动声纳目标识别技术的现状与发展

在现代被动声纳系统中，水下目标的自动识别是关键技术之一。文章对被动声纳目标识别的特征提取、特征选择和分类器设计方面进行了回顾。对LOFAR，DEMON和小波变换等特征提取技术进行了讨论，分析了特征优化的重要性和专家系统和神经网络等分类器的优缺点，并简要分析了该领域的过去、现在和未来。     

被动声纳目标识别系统设计研究

目标识别是声纳的主要功能之一,其性能包括识别正确率、泛化能力和识别距离。由于数据样本的保密特性,声纳目标识别系统设计有其自身特色。在设计过程中,应首先降低对数据样本的依赖,把目标辐射噪声的机理分析、组成、运动规律等知识巧妙地运用到系统设计中;其次还应尽可能提高泛化率,以提高声纳目标识别系统对未见过的样本的正确识别能力。讨论了声纳目标识别流程、声纳目标识别系统的设计方法;在声纳目标识别系统的性能评估中,给出了目标识别距离的估算方法。     

基于连续谱特征的被动声呐跟踪方法

针对被动声呐多目标跟踪问题,通过研究目标连续谱特征表征方式和特征更新相似关联机制,提出了一种基于连续谱特征的被动目标跟踪方法。该方法利综合利用频带能量法、排序截断平均算法以及峰值提取实现目标的连续特征表征,利用表征出的特征谱作为输入,通过建立相似度搜索,交叉判断与模板更新机制,实现了多目标的跟踪。经仿真对比分析了该方法的跟踪性能,并利用海上试验数据验证了其有效性。结果表明,连续谱特征可作为辅助特征用于目标的跟踪分辨,该方法能够有效提高多目标交叉情况下的跟踪关联能力,并且具备较低的运算量和较高的精度。     

基于最小均方无失真响应和支持向量机的被动声纳目标识别

为了有效地进行被动声纳识别,研究了一种运用最小均方无失真响应（Minimum Variance Distortionless Response,MVDR）谱系数作为特征参数,用多分类支持向量机作为分类器,进行被动声纳目标识别的方法。实验表明,在不同数目的训练样本情况下,基于最小均方无失真响应谱系数和多分类支持向量机的被动声纳目标识别方法使系统的性能显著提高,具有很好的识别效果和应用价值.其优于传统的神经网络作为分类器的识别方法,尤其是在训练样本较少情况下,识别率具有很大的提高。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合，应用于高海况、低信噪比条件下，水中目标信号的特征提取中．文中首先对信号进行功率谱估计，利用目标信号功率主要集中在低频部分的特点，提取低频信号的能量作为特征，然后利用人工神经网络对目标信号进行检测．利用不同浪级情况下海洋水压场的仿真信号数据，对某型目标舰船的水压信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号检测率比较高、虚警率比较低的效果．     

提高被动声纳宽带检测性能的一种新方法

宽带能量检测是被动声纳实现目标探测功能的常用方法,常规能量检测(Conventional Energy Detection,CED)方法在复杂环境下的检测性能迅速降低.子带峰值能量检测(Subband Peak Energy Detection,SPED)可以有效改善常规能量检测方法的性能,提高时间方位历程显示(BTR...     

一种基于DOA分布信息熵加权的线谱目标检测方法

针对常规宽带能量检测方法对低信噪比线谱目标检测性能较差的不足,文章在分析目标线谱波达方向(Direction of Arrival,DOA)估计分布信息熵的基础上,提出一种基于DOA分布信息熵加权的线谱目标检测方法.通过仿真对比分析了该方法的检测性能,并利用海上实验数据验证了其有效性.结果表明,当目标方位较为稳定时,该...     

倒谱和复倒谱在被动声纳目标识别中的应用

基于声纳员的感受被动声纳可以认为是一个发声体,这个发声体可以表示为激励噪声源与发声体冲激响应的卷积。在这种情况下,使用倒谱和复倒谱的形式分析被动声纳目标噪声的时域特征,得到的目标特征不够明显,因此提出了利用指数倒谱和指数复倒谱的频谱特性来提取目标噪声的特征,进行分类识别。设计了BP神经网络分类器,利用实测数据对三类目标进行分类。分析比较了两种方法的分类结果,验证了基于倒谱和复倒谱的指数运算的被动声纳目标特征提取方法的可行性。     

目标噪声响度特征提取技术研究

考虑声纳员听音判型过程中,目标噪声的响度变化是其判型的重要依据,计算目标噪声信号的响度,提取其响度特征,基于响度特征对三类目标进行分类识别。设计神经网络分类器,实测数据验证了基于响度的目标特征提取方法是有效的,并分析了响度特征和能量特征的区别,说明了三类目标噪声响度特征较能量特征分布的集中度好,有利于提高分类识别的正确概率。