基于主动轮廓的声呐图像水雷识别方法

针对声呐图像具有噪声大、目标边缘模糊等特点,提出了一种基于主动轮廓的声呐图像水雷目标识别方法.首先根据水雷目标在声呐图像中的形状特征,采用水平集思想,得到了引入超椭圆形状约束的水平集函数;然后根据水雷目标在声呐图像中的灰度特征,采用Chan-Vese模型的演化思想,提出了一种基于超椭圆形状约束的多相水平集主动轮廓模型.将该模型用于声呐图像水雷目标的识别实验,实验结果表明,该方法对声呐图像中的水雷目标具有很好的识别效果,而且具有抗噪性和抗变形性能.     

基于单位统计曲率特征匹配的红外目标检测方法

针对机器人在隧道施工环境中,由于阴暗强光等因素导致红外图像中的目标检测失败,提出一种基于单位统计曲率特征匹配的红外目标检测方法;采用最小二乘法对目标的曲面进行拟合,根据拟合曲面计算出目标中各像素的高斯曲率和平均曲率,使用曲率代替梯度构造图像特征描述符并建立曲率平面,根据曲率分布的密度将其划分为多个单位区域,对每个单位中的像素使用统计信息来生成稳定的单位统计曲率特征矩阵,通过计算矩阵之间的欧氏距离得到目标的相似性,识别红外图像中待检测的目标;对该算法与现有其它算法对标准图像数据集和实际施工隧道中的栈桥的检测准确率进行对比评价,结果表明,该算法的检测准确率最高,满足了工程上隧道机器人行进中识别栈桥的使用需求.     

在VC平台下实现多波束相控阵的回波能量计算

回波能量即为发射的声波遇到目标物后反射或散射信号的强度大小。各种水下探测技术,大多数需要计算回波能量,以便分析水下环境。首先要掌握换能器的布阵方式,然后根据布阵方式进行波束形成,进而计算每一个波束的回波能量。而在VC中进行实现,可以清晰的直观的看到结果。     

关于海面目标的声纳回波特性仿真研究北大核心CSCD

在海面目标的声纳探测优化的研究中,由于回波信号受随机界面的干扰影响,主动声纳探测海面目标比较困难。由于传统的解析方法求解回波的过程复杂,根据存在界面时声散射的Kirchhoff近似公式,建立了一种海面目标的声散射模型,导出了目标回波特性的预报公式,并仿真分析了入射波频率和掠射角变化对海面目标回波的影响。结果表明:海面附加回波对直达目标的镜反射波造成不同程度的干扰,合理调整声波掠射角有利于目标探测和特征识别,并对提高声纳探测海面目标的准确性提供了科学依据。     

Contourlet域下基于多尺度特征的声呐图像分割

水下环境复杂多变,导致声呐技术成像后的图像质量差,影响目标识别。为此,提出一种基于Contourlet域下多尺度高斯马尔可夫随机场(GMRF)模型的水平集声呐图像分割算法。采用Contourlet变换及逆变换获取声呐图像各尺度层下的纹理特征,通过GMRF对各层纹理特征建模,以描述局部结构空间信息并降低对噪声的敏感度。根据各层纹理特征模型,对声呐图像进行由粗到细尺度的水平集分割以得到分割结果。实验结果表明,该算法在不同声呐图像中的分割准确度超过90%,优于Otsu算法,且具有较低的复杂度和较强的鲁棒性。     

基于移动散射点模型的雷达回波仿真及分析

针对中段目标宽带雷达回波信号难于获取的问题,进一步研究了目标雷达视线角和中段目标姿态的建模方法,给出了基于移动散射点模型的散射中心位置计算公式,然后基于几何绕射理论计算了各散射中心的散射强度,最后对雷达一维距离像进行归一化处理,提取了散射点的相对距离特征,得到了散射点相对距离变化的特征序列.实验结果显示,对雷达一维距离像进行特征提取,可以得到中段目标的姿态信息,为中段目标识别奠定基础.     

ANLResNet网络的前视声呐图像散斑去噪方法

前视声呐(Forward-Looking Sonar,FLS)使用换能器基阵收发声波,通过回波探测水下物体.在浅海环境,由于水下介质的反射、散射与不均匀波动,前视声呐图像极易引入散斑噪声.本文针对前视声呐图像散斑噪声,结合SRResNet与非对称金字塔非局部块,提出了ANLResNet网络用于前视声呐图像去噪,并针对前...     

水下航行器主动声呐波形生成技术实现与优化

水下航行器在海洋工程与科学领域得到了越来越广泛的应用,针对不同的应用场景和需求,其声呐系统需要具有能够灵活调整发射波形参数的能力。直接数字频率合成(DDFS)技术具有快速的频率切换能力和较宽的信号可产生频率范围,是水下航行器主动声呐波形生成技术的基础。对其核心的相位—幅值数字信号生成电路,查找表方法具有移植性差、精度与容量相关等局限性,故采用FPGA芯片上实时解算结构。本文将区间压缩技术和合并旋转技术融合以加速CORDIC算法,提出了一种新的相位—幅值数字信号生成结构,提高了系统的计算效率且精度符合实际需求,同时在一定程度上摆脱了查找表方法的局限性合理规划。     

舰船尾流中气泡的结构静力分析

舰船尾流具有独特的声学特性,气泡是产生其声学特性的主要原因.气泡对入射声波的散射/反射作用与谐振频率有关,表现在声波压力作用下气泡的变形和表面位移随声波频率的变化.为分析尾流中气泡的主动声学特性,建立尾流中气泡的主动声特性模型,计算气泡属性材料参数,建立尾流中单气泡的有限元结构模型,分析气泡在结构静力作用下的变形,可得出模型表面节点位移变化与载荷频率之间的关系,为有限元方法在分析舰船尾流中气泡声学特性的可行性提供了依据.     

面向可穿戴设备的超声波手势识别方法

针对传统的基于触摸屏和计算机视觉的手势交互方法无法应对智能可穿戴设备逐渐趋向小型化和低功耗等问题,依据声波的Doppler效应和运动物体能够改变声波频率的特性,提出了一种基于超声波的低功耗鲁棒手势识别方法。该方法利用Goertzel算法进行超声波频率特征提取和分析,得到手势的移动方向并形成时间序列,进而利用隐马尔科夫模型实现用户手势识别。在微软移动终端Surface上的实验表明,此方法在安静和嘈杂的环境下都能达到较高的手势识别准确率、更高的鲁棒性、更低的计算成本和功耗,能够满足可穿戴设备发展对于手势识别的需求。     

基于CVI+FPGA的声纳目标回波模拟器研制

在对声纳目标回波模拟器的数学模型、目标回波模型和混响模型研究的基础上，研制了一种基于CVI+FPGA的声纳目标回波模拟器，该模拟器能够产生主/被动声纳测试、定检所需的主/被动声纳回波信号。目标回波信号包括主动声纳、目标发射噪声、海杂波等信号，并以声信号的形式输出。通过性能测试及与实际声纳系统联试，证明该模拟器达到了设计功能和性能指标要求，介绍了声纳目标回波模拟器的数学模型、系统硬件和软件的实现方法。     

Surface acoustic waves investigation with the help of time-average digital holography

Time-average digital holography allows to find standing waves distribution all along the surface against a background of progressive waves. This holography allows also tuning onto resonance by interference fringes in the tasks of surface acoustic wave investigation. The article is published in the original.     

声诱饵回波模拟器仿真研究

随着水声技术的发展，水下武器对抗也日趋复杂。能够模拟目标回波的主动式声诱饵的出现，为对抗主动自导鱼雷及主动声纳提供了非常重要的帮助。着重对声诱饵的回波模拟器的作用机理进行了分析，然后给出了脉冲宽度、多普勒频移、时延与展宽、目标强度：最大回波强度等回波特征参数的估计方法，并对可以同时对抗声自导鱼雷和主动声纳的某声诱饵回波模拟器进行了仿真研究，并给出了仿真结果，对水声对抗技术研究有着重要的参考价值。     

混合单元选择语音合成系统的目标代价构建

合成语音的基元是通过最小化目标代价和拼接代价来选取。由于拼接基元涉及复杂的语言学、声学特性,如何选择能准确描述基元信息的声学特征（或语言学特征）并构建相应目标代价是提高合成语音质量的关键。从声学特征和声学模型两个方面对目标代价构建进行了探究。实验结果表明,经过相似语料训练后微调的深度声学网络模型,预测的瓶颈特征更能表征拼接基元特性,从而指导目标代价筛选理想候选单元,提高合成语音的质量。     

图形电磁计算方法的改进

图形电磁计算方法是计算复杂目标高频区雷达散射截面(RCS)的有效方法之一。而复杂目标的电磁散射主要来源于面元以及棱边。针对传统图形电磁计算方法的特点及其不足之处,提出并实施了相应的改进措施,包括:对面元散射场的离散化计算公式进行了修正,对棱边散射场的计算引用新的等效电磁流边缘分量表达式。计算实例表明,改进后的方法与实验测量值吻合良好,具有更高的计算精度和准确性。该方法对隐身与反隐身技术及仿真技术的研究,具有一定的参考价值。     

基于时频特征的抹香鲸Click与传统声呐信号的分类方法

正确识别与分类鲸类发出的叫声脉冲信号与主动声呐或通信信号,对提高海洋被动声学监测以及水下声呐探测或水下声学通信系统的稳定性和可靠性具有十分重要的作用。本文选取鲸声中具有代表性的Click信号和3类具有代表性的传统声呐信号作为研究对象,提出了一种基于时频特征的抹香鲸Click与传统声呐信号的分类方法。首先,利用滤波、小波去噪和端点检测方法实现鲸声去噪及信号自动摘取;然后,基于4类信号的短时傅里叶变换时频图,对信号时频轮廓进行多项式拟合,并提取多项式的系数作为信号时频特征;最后,分别使用反向传播(Back propagation,BP)神经网络和支持向量机对4类信号进行分类与识别。分类结果验证了所提算法和方法的有效性。     

基于FPGA的高速光谱数据处理系统设计与实现

为了实现对光谱数据的高速采集及对光谱信息的快速提取,研究了一种应用于静态干涉结构的基于FPGA的高速光谱采集系统.通过对静态干涉条纹进行滤波、FFT、光谱标定等得到了其光谱分布信息.开发设计了专用于获取静态干涉条纹的CCD驱动模块,并由 Modelsim进行了仿真分析,结果显示,该模块可以有效地将干涉条纹数据采集至 FPGA,再由FPGA完成对光谱分布数据的反演.实验针对655 nm半导体激光器进行光谱分析,并且对于不同位深条件下傅氏变换产生的频谱情况进行了比较,当定点为12 bit时,光谱数据反演完成且转换速率较高.同时,还将测试数据与MATLAB的仿真数据进行比较,实验结果显示,该系统的光谱反演结果与MATLAB结果基本一致.     

双基地声呐与干扰器对抗效能分析

在双基地声呐几何模型的基础上,从信号能量的角度,对水下目标利用干扰器进行水声对抗时双基地声呐接收端的信噪比进行了仿真计算,通过分析表明：双基地声呐可以利用自身的隐蔽性以及系统配置的灵活性获得优于传统收发合置声呐的检测以及抗干扰效果。     

基于图像频域方向模板的目标检测方法

运用傅里叶分析方法,利用水平方向、垂直方向、45°方向和135°方向直线的频域模板对侧扫声纳图像在4个方向上进行投影分解,根据子图像在4个方向上投影的能量和,设定门限判断有无目标,并粗略估计目标的位置。实验结果证明,该方法对于纹理较强的侧扫声纳图像中感兴趣区域(目标)的检测有较好的效果。     

海底声呐图像智能底质分类技术研究综述

海底声呐图像底质分类技术是指利用多波束、侧扫声呐等设备获取海底图像进行浅表层地质属性信息的反演和预测。综合运用水声学、图像处理以及机器学习的相关理论,声学海底底质分类技术能够快速、准确地识别海底底质类型。通过回顾国内外发展历程,对利用声学图像进行海底底质分类的关键技术进行了总结,从声学海底底质分类的关系模型、海底声呐图像的特征表达和分类模型构建三个方面介绍了领域内的研究进展和主要方法,重点分析了不同模型和方法的原理、技术特点和适用场合,并结合卷积神经网络对深度学习方法在海底底质分类中的应用进行了讨论。最后,对海底声呐图像底质分类技术的研究方向和发展趋势进行了归纳和展望。