MUSIC算法用于低信噪比下的包络分析

1引言 可将水卢目标螺旋桨噪卢建模为一个受窄带调制的宽带随机过程[1],其窄带调制信号(又称包络信号)是本文的分析对象.在声纳信号处理中把通过对接收的宽带信号进行解调(常采用平方律解调)以计算低频解调谱的算法称为DEMON(Detection of Envelope Modulation On Noise)分析,解调后的低频时域信号称为包络信号,其功率谱称为DEMON谱(又称包络谱).实际情况下,我们所期望的包络信号可能会淹没在噪声中而无法检测出来.     

基于EMD的水声目标信号的特征提取

介绍EMD分解这种自适应的信号分解方法,它可以使原信号结构中的很多非线性、非平稳性信息在分解得到的各阶IMF模式中得到保留和体现,将IMF特征和传统的线性目标信号特征相结合可提高目标识别的正确率。     

基于三重数据加密标准的目标数据保密技术

为了确保水声目标辐射噪声数据及其它军事保密数据的安全存储和传送使用,介绍一种基于三重数据加密标准（3DES）的目标数据加密／解密技术,并给出了实现算法。通过对实际声呐目标数据的试验,验证了该保密技术的有效性。     

基于C6678多核数字信号处理器的声纳信号并行处理设计

针对多核并行机制下,共享资源争夺激烈,硬件能力提升难以切实转变成程序效率提高的难题,通过协调存储器访存和核间同步等关键问题,研究了一种基于C6678多核数字信号处理器的声纳信号多级并行处理方法,包括核间流水线设计、数据传输与中央处理器并行设计和指令流线设计。以声纳二维相控方位滤波为例,介绍各级设计的实现方法,逐个测试并行性能,并编制实时处理软件。测试结果表明,该方法能够实现存储器访问和中央处理器运算并行,极大提高程序执行效率。通过采用该方法开发的实时处理系统,具有集成度高和实时性强的优点,获得了高航速下海中浮球和配重条石清晰的实时成像效果,具有工程应用价值。     

基于神经网络的聚类分析

本文介绍了学习向量量化（ＬＶＱ）网络及其改进－－广义的学习向量量化（ＧＬＶＱ）网络在聚类分析和水声目标分类中的应用。通过聚类分布图和分类结果的比较，发现对ＬＶＱ网络进行的改进在一定程度上提高了聚类性能：基于ＧＬＶＱ网络的分类 系统具有更好的分类性能。     

一种利用多路径声线时延差的定位方法

利用射线声学研究了发射信号已知情况下基于时延特征谱匹配的定位方法,首先从测量信号相关谱和模拟信号相关谱中提取出时延特征谱,然后通过特征谱匹配处理来估计目标位置。仿真和实验数据处理结果表明,基于时延特征谱匹配的定位方法对环境参数失配具有较好的宽容性,目标深度和距离的估计精度较高,非相干累积和平均垂直稀疏阵各水听器的模糊度图可以明显降低旁瓣。     

不确实波导环境下基于子空间建模的恒虚警检测方法

浅海主动声纳检测与估计面临的主要问题是不确实浅海信道导致的回波信号不确实和混响干扰。为此,本文提出一种子空间回波信号的恒虚警( CFAR)检测与估计方法：对不确实浅海波导中的回波信号采用子空间信号建模方法;将混响干扰建模为一种类信号干扰,基于广义似然比检验( GLRT)的思想,将混响相关矩阵的最大似然估计代入到似然比检测中,由于GLRT具有恒虚警特性,最终得到子空间回波信号的恒虚警检测器。通过仿真和实际数据处理分析表明,这种子空间回波信号恒虚警检测器对不确实信道具有很好的相干匹配能力,对信道不确实性具有较好的宽容性,能得到较好的脉冲压缩效果,提高目标位置估计精度。较之常规匹配滤波器,其检测性能可提高1—2.5 dB.     

自适应时—频分析在水声目标分类中的应用

本文研究了基于匹配追踪算法的自 适应时－频分析 和基于判别追踪算法的 特征提取,并构成了一个水声分类系统。对实际水声目标辐射噪声的分类结果表明：该系统能有效提取各类信号在时间－频率联合域的主要可鉴别性特征,具有良好的分类能力,分类正确率超过了80％。     

水声目标信号的系统聚类分析

本文简要介绍了基于五种类间距离的系统聚类算法,利用它们实现水声目标的特征提取,并对一些实际水声目标数据进行了分析,最后,利用聚类分布图和分离系数对这些算法的有效性进行了比较评价。     

基于自适应时频分布的瞬时频率估计算法

为了改善噪声条件下信号瞬时频率的估计方差及减少瞬时频率估计的计算量,提出了基于信号自适应最优核时频分布的瞬时频率估计算法及一种改进算法。在改进算法中,计算自适应时频分布时,综合利用线性时频分布（Gabor变换）和正交时频分布（Wigner- Ville变换）的特点生成一种基于信号的自适应时频分布。仿真和实际数据处理结果表明,改进算法同基于信号的自适应最优核时频分布的瞬时频率估计算法相比具有计算量小、方差接近的优点。