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.     

基于高阶谱净化的水声目标宽带调制信号检测

针对水声目标解调谱轴频提取中低信噪比和低频信号干扰严重的问题,给出了一种检测水声目标辐射噪声宽带调制信号的方法。首先利用希尔波特变换解调出信号包络,进而计算出解调谱;根据螺旋桨桨叶旋转产生的调制线谱存在明显的谐波关系,利用高阶累计量对角切片对解调谱进行净化;根据线谱波形特征进行线谱检测识别得到比较干净的线谱成分。通过实际舰船噪声检验分析,该调制信号检测方法能够较好的检测出水下目标辐射噪声中调制线谱的基频以及谐波成分。     

水下无载波窄脉冲相关特征检测

广泛应用于超宽带雷达的无载波窄脉冲信号具有较高的距离和角度分辨率、超近程探测能力、便于目标识别、抑制混响起伏等独特优势.现将其应用于水下声纳系统,水下窄脉冲信号具有宽低频特性,从相关方法出发,讨论无载频窄脉冲对体目标信号的检测.根据窄脉冲信号脉宽内相关特征不变特性,体目标信号经过相关器和特征判决器,可明显减小虚峰出现的概率.数值模拟和实验均验证并证明单次检测即可检测到目标信号,精确检测峰值出现时间.     

基于Hilbert变换的包络解调法在鱼雷电磁引信中的应用

分析了鱼雷电磁引信的目标信号及其低频调制包络的特性,阐述了Hilbert变换的原理,提出了一种基于Hilbert变换的包络解调法并对其解调原理进行了推导.在Matlab/Simulink环境下,对上述的包络解调法应用于电磁引信目标信号的解调进行了仿真.结果表明,相比传统的电磁引信检波方法,Hilbert 变换法具有解调输出信号波形失真小和解调稳定性高的优点.     

低频弱目标检测方法研究

低频工作状态的声纳波束指向性模糊、噪声干扰背景强,致使探测中空间分辨力差、弱目标易被噪声掩盖。因此,针对突破瑞利限、抑制干扰的需求,运用对空间指向更敏感的方位检测来解决该问题。理论推导了任意阵型下窄带信号的方位概率密度函数,数值分析了均匀线列阵方位检测的虚警概率和检测概率。海上试验数据的实际运用结果表明:该检测方法具备波束超分辨能力、对低频高噪声抑制效果明显,有利于发现低频弱目标,具有较高的实用价值。     

基于AR预测模型的船舶轴频电场实时检测方法

船舶的腐蚀和防腐电流经螺旋桨转动的调制后会在海水中产生极低频的轴频电场,并成为一种重要的目标特征信号源,但其在海洋环境中衰减较快的特点给目标检测带来了困难.通过对船舶轴频电场以及海洋环境电场噪声与测量电路自噪声的分析,提出了一种能够在低信噪比下检测船舶轴频电场的方法.从对噪声信号的预测入手建立AR模型,以该模型对电场噪...     

基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.     

随机共振在微弱信号检测中的数值仿真

对基于非线性双稳系统随机共振的微弱信号检测技术进行数值研究,利用随机共振机制,浸入在噪声中的微弱信号可以得到有效的放大与增强。给出了基于Runge Kutta算法的双稳系统随机共振模型的求解方法,提出了利用随机共振检测微弱非周期信号的一种新思路。数值仿真结果表明,该方法不仅可以检测出强噪声极低频的微弱周期信号,而且可以对非周期信号进行有效的检测。     

一种基于磁偶极子模型的潜艇信号检测方法

针对航空磁探中目标矢量信号受到污染严重的情况.提出了远场磁性目标偶极子标量模型,将目标信号表示为三个非线性函数的线性叠加,给出了具体数学表达式,为了克服噪声影响,提高目标信号的检测概率,提出了一种基于信号子空间信号检测和参数估计新方法.该方法把实测信号向各个信号子空间投影,利用投影长度大小检测目标信号.最后,进行了计算...     

基于滤波与BP神经网络的水下探测信号检测算法

针对水下探测系统探测船舶磁场信号时信噪比较低的问题,首先根据磁异常信号的频域特征,设计了约束最小二乘FIR滤波器,通过对含噪信号进行带通滤波,滤除高频噪声;再采用BP神经网络对低频分量进行学习,提取船舶目标特征信号。将该算法应用于船模实测实验,结果表明:该算法可以显著提高信噪比,增强对船舶磁场信号的检测能力。     

离散小波变换在被动声目标识别中的应用

研究了战场被动声目标鲁棒特征参数的提取,分析了战场声信号与语音信号特征的相似性,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数(DWTMFCC)提取方法,该方法将小波分析和MEL倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明:在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3.134个百分点,信噪比为5dB时,识别率仍达到93.67%。     

基于高阶谱分析的机械故障特征识别

在分析高阶累积量与高阶谱的理论基础上，利用高阶谱可以抑制加性高斯噪声的性质，研究了基于高阶谱分析的机械故障特征提取方法，提出了基于双谱估计的齿轮故障诊断的方法。通过对齿轮信号的双谱特征图谱进行分析比较，成功地对齿轮的正常稳态振动信号、正常瞬态振动信号以及磨损瞬态信号进行了识别，效果十分显著。     

基于时频分布的弹道导弹目标识别方法

在弹道导弹目标识别中,微动特征是重要的识别手段。从弹道导弹微动特性时频分析出发,提出一种基于时频分布的弹道导弹目标识别方法。该方法将时频分布图的伪Zeinike不变矩特征作为识别特征。首先对回波信号进行时频变换以获取时频图像;然后为了降低噪声的影响,对其进行图形预处理;最后给出了伪Zernike不变矩提取步骤及识别特征的选取原则。通过仿真实验,分析了不同特征组合对识别率的影响,评估了不同信噪比下识别方法的稳定性。实验结果表明,该方法具有一定稳定性,可用于弹道导弹目标识别。     

一种鱼雷辐射噪声的线谱估计方法

基于鱼雷辐射噪声的物理特性和线谱特征,探讨了一种鱼雷目标特征提取方法。该方法结合经典谱与现代谱估计,提取水下目标辐射噪声线谱特征。通过两次估计采集数据的功率谱,得到估计算法功率谱图,然后分析功率谱图,先确定线谱存在的大致区域,再估计精确线谱。进行仿真研究,得到了较好的效果,证明该方法对低频段的线谱特征提取有很好的实用性。     

基于非负矩阵分解的电磁超声系统优化研究

针对孤立脉冲群电磁超声系统信号特征容易被噪声淹没的问题,提出基于改进的非负矩阵分解（INMF）优选特征的支持向量机（SVM）方法．首先,用3种不同的方法提取高维特征;其次,用NMF方法实现特征降维,并保证降维结果的唯一性,避免对特征的直接选择;最后,应用支持向量机方法对降维特征进行分类．对孤立脉冲群电磁超声系统采集的4种信号特征进行提取、选择和分类,实验结果表明：INMF方法能有效提取微弱信号的特征,减少运算量,提高电磁超声系统特征采集的准确率．     

基于目标特征的光学遥感图像舰船检测方法

针对在大场景、高分辨率的光学遥感图像舰船目标检测中,传统的阈值检测方法效果不佳,而恒虚警法计算量大的缺点,研究一种根据检测舰船目标的特征,对每个可能的目标区域,快速计算检测阈值的方法。同时,研究基于RNN网络及信噪比的特征选择方法,对目标的特征进行优选并对候选目标进行鉴别。实验结果表明,采用本文方法进行舰船目标检测能获得较好的检测结果.     

基于激光雷达的高炉回旋区深度探测研究

炼铁高炉回旋区深度的直接探测存在较大困难,提出了一种基于激光雷达的回旋区边缘探测方法。探测得到的回波信号存在较大噪声干扰,为提取边缘回波信号,首先对噪声特点进行分析,判明噪声包括白噪声和1/fγ非平稳随机噪声;由此采用多小波平移不变算法进行滤波处理;采用H ilbert-Huang变换对滤波后的信号进行处理,对其瞬时能量进行分析。由于回旋区边缘表现出较为强烈的局部能量,从能量谱中可较好地提取回旋区边缘信号。试验表明,采用激光雷达探测回旋区的深度,能较为真实地反映高炉回旋区的真实状态,其值较计算建模方法更可靠。进一步的研究可望得到回旋区的二维或三维形貌。     

一种新的舰船辐射噪声特征提取方法

提出了一种基于Dopplerlet变换的舰船辐射噪声特征提取方法,给出了Dopplerlet变换分解流程。使用此种方法及基于小波变换、波形结构、自然尺度等的特征提取方法对收集到的舰船辐射噪声进行了识别试验,试验结果证明基于Dopplerlet变换的舰船辐射噪声特征提取方法更加有效。     

平稳随机干扰中低信噪比确定性信号的检测

讨论了一种低信噪比条件下 ,从平稳随机信号中检测确定性信号的方法 .其基本思想是利用信号与噪声在时间相关性上的不同 ,构造时间相关函数作为一个统计量 ,进行目标检测 .通过计算机仿真 ,证明了其有效性 .     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题，提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解，得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数，并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明，该方法可以实现对舰船辐射噪声的特征提取，与已有方法对比，该方法具有较高的识别率。