水声目标识别(程玉胜,李智忠,邱家兴 著)思维导图

水下高速目标声谱图特征提取及分类设计王森;王余;王易川;李海涛【摘要】为了增加水下高速目标的识别特征维度,优化识别效果,该文设计了一种基于目标辐射噪声高速特征量(High Speed Characteristic Quantity,HSCQ)的分类方法.首先,针对水下高速目标辐射噪声的DEMON(Detection of Envelope Modulation On Noise)谱特征进行分析,根据DEMON谱的频率可分性,定义了DEMON谱调制分布比(Modulation Distribution Ratio,MDR).然后,根据水下高速目标辐射噪声的功率谱历程图直纹特征,应用图像边缘检测、线谱生长等理论进行特征提取,并分析了功率谱历程图的直纹特征量(Straight-line Characteristic Quantity of Spectrum,SCQS).最后,根据2种特征量的实测信号分析结果,定义了目标辐射噪声的HSCQ,实现了一种新的水下高速目标分类方法.实测信号分析结果显示,采用MDR或SCQS进行单特征量分类,非高速目标的误报率分别为21.4%和16.3%;采用HSCQ进行分类,非高速目标的误报率仅为4.1%.%In order to improve the result of underwater high speed vehicle classification, a classification method that is based on High Speed Characteristic Quantity (HSCQ) of vehicle radiated noise is designed. Firstly, analysis of Detection of Envelope Modulation On Noise (DEMON) spectrum of actual measured radiated noise is finished. The Modulation Distribution Ratio (MDR) of radiated noise is defined based on the separability of modulation frequency of DEMON spectrum. Then the spectrograms feature analysis and feature extraction of underwater high speed radiated noise are done based on image edge detection and edge growing. The Straight-line Characteristic Quantity of Spectrum (SCQS) of vehicle radiated noise isanalyzed. Finally, considering the analysis results of two types of characteristic quantity, a new classification method of underwater high speed vehicle is realized and HSCQ of vehicle radiated noise is designed. The actual measured radiated noise analysis shows that, the false alarmrate of non-high speed vehicle is respectively 21.4% (only using MDR), 16.3% (only using SCQS), and 4.1% (using HSCQ).【期刊名称】《电子与信息学报》【年(卷),期】2017(039)011【总页数】6页(P2684-2689)【关键词】水下高速目标;声谱图;调制分布比;直纹特征量【作者】王森;王余;王易川;李海涛【作者单位】海军潜艇学院青岛 266000;中国人民解放军31001部队北京100094;海军潜艇学院青岛 266000;海军潜艇学院青岛 266000【正文语种】中文【中图分类】TB56随着水下航行器技术的发展运用，水下航行器的航行速度、航行里程、航行深度、噪音控制等各方面显著提升，其水下高速状态航行对现代海运航行安全的威胁不可避免。

海洋论坛▏水声目标识别技术现状与发展鱼雷和水雷等水下武器呈多样化趋势，海战场环境更为复杂。

水声目标识别是反潜、鱼雷防御和水声对抗的前提，已成为重要研究课题。

现阶段水声目标识别主要通过提取目标特征量区分目标类型和种类信息。

本文针对舰船、鱼雷和干扰等目标，介绍了水声识别方法及目标综合识别的3类算法模型；阐述了国内外水声目标识别技术发展历程与现状；基于现有技术局限和环境影响分析了水声目标识别存在问题并展望了未来技术发展方向。

一、水声目标识别近年来，水声目标身份识别已成为水声目标研究热点。

水声目标识别主要依据目标特征信息。

目标特征信息是目标原始数据中包含或可提取的一种能精确和简化表明目标状态和身份的信息。

水声目标主要包括噪声、运动、尾流和几何结构等特征信息。

不同水声目标的特征信息不同，如潜艇和鱼雷几何结构不同，其声呐探测目标尺度特征不同；潜艇和水面舰船噪声辐射能量差异表现为目标尾流不同。

⒈识别方法水声目标识别方法包括以下7种：⑴噪声特性：水面舰船和潜艇噪声主要包括机械、螺旋桨和水动力噪声；鱼雷和水下潜航器噪声主要是推进系统噪声，声源强度相对较弱。

通常，水声目标辐射噪声能量主要来自螺旋桨和机械噪声，舰艇航行状态（包括深度、速度和加速度等）决定了哪种噪声起主导作用。

同类舰船的辐射噪声具有一定相似性，不同类舰船的动力系统和机械结构不同，其辐射噪声特性存在差异，故利用辐射噪声特性差异可实现水声目标分类。

⑵运动特征：不同水声目标的职能、工作状态和运动状态均不同。

水声目标运动状态（包括航行速度、方位角变化率和加速度等）及突变等行为均与其使命和任务相关。

此外，水声目标的行为、状态和类型具有关联性，通过预估目标运动状态可预测目标任务/职能，从而实现目标分类。

水声目标运动特征物理意义明确，不易受噪声和信道干扰，可分性较好。

利用这些特征作为识别依据可提高识别系统性能，如直航鱼雷与尾流自导鱼雷打击轨迹不同，水下高速目标一般是鱼雷而非潜艇和水雷。

水下目标回波和混响在听觉感知特征空间的分类李秀坤;孟祥夏【摘要】Bottom reverberation is a random process, related to seabed sediment, marine environment and transmit-ted signal parameters. The presence of reverberation causes great difficulties in underwater target detection and rec-ognition. Based on the unique advantage of human listening ability on sound object discrimination, a Gammatone filter was used to construct an auditory model, the time-frequency features and auditory spectrum features were ex-tracted, and the separation of active sonar embedded target echoes and bottom reverberation examined. The features providing good separation performance were selected to construct feature space, and the support vector machine, based on a radial basis kernel function, was used for classification and recognition. The experimental results show that the features of these two kinds of signals have good clustering performance, and can achieve high recognition accuracy. It is demonstrated that this method can effectively distinguish between target echoes and reverberation.%海底混响是一种与海底底质、海洋环境及发射信号参数等多种因素有关的随机过程,它的存在给水下目标探测识别带来很大困难. 鉴于人耳听觉系统在听音辨物方面独特的优越性,利用Gammatone 滤波器构建人耳听觉模型,提取听觉时-频特征和听觉谱特征,并讨论主动声呐掩埋目标回波和海底混响在这些特征下的可分离性,选取分离性好的特征构建特征空间,并利用径向基核函数支持向量机进行分类识别. 实验结果表明,两类信号的特征具有良好的聚类性,能够获得较高的识别准确率,表明该方法能够有效地区分目标回波和混响.【期刊名称】《哈尔滨工程大学学报》【年(卷),期】2015(036)009【总页数】5页(P1183-1187)【关键词】水下目标探测;目标回波;海底混响;Gammatone滤波器;听觉感知特征;特征空间;支持向量机【作者】李秀坤;孟祥夏【作者单位】哈尔滨工程大学水声技术重点实验室,黑龙江哈尔滨150001;哈尔滨工程大学水声工程学院,黑龙江哈尔滨150001;哈尔滨工程大学水声技术重点实验室,黑龙江哈尔滨150001;哈尔滨工程大学水声工程学院,黑龙江哈尔滨150001【正文语种】中文【中图分类】TN911.7在探测水下掩埋或沉底的安静目标时，主动声呐为有效的工作方式，这时，海底混响成为主要干扰，严重影响工作性能。

水声定位算法学习总结一、无线传感器定位技术分类目前定位技术广泛地应用到各个领域，而且出现了很多定位算法，常用的定位方法有：到达角（Angel of Arrival，AOA）定位、到达时间（Time of Arrival，TOA）定位、到达时间差（Time Difference of Arrival，TDOA）定位以及AOA／TOA、AOA／TDOA等混合定位的方法。

选择哪种定位方法要根据定位精度、硬件条件等因素来确定，但是最终目的是要用优化的方法得到满意的定位精度。

在没有时间同步信号时，往往采用TDOA定位方法，TDOA定位法可消除对移动台时间基准的依赖性，因而可以降低成本并仍然保证较高的定位精度，但是需要有较好的延时估计方法，才能保证较高的时延估计精度。

（1）基于测距的定位技术基于测距的定位方法依靠测量相邻节点之间的距离或者方向信息。

现在有很多成熟的算法被用于基于测距的定位。

例如TOA算法通过信号传播时间获取距离，TDOA算法利用接收从多个节点发出信号的时间差估测位置，而AOA算法则通过为每个节点设置天线阵列来测量节点间的相对方向角度值。

（2）无需测距的定位技术无需测距的定位方法不要求距离信息，只依靠有关待定位传感器与种子节点之间连通性的测量数据。

这种定位方法对硬件要求低，但是测量的准确度容易被节点的密度和网络条件所影响，因此不能被对精度要求高的基于WSN的应用采用。

二、三边定位和多变定位（1）信号强度（RSS，Received Signal Strength）通过信号在传播中的衰减来估计节点之间的距离，无线信道的数学模型PLd=PLd0-10nlogdd0-Xσ。

尽管这种方法易于实施，但却面临很多挑战。

首先信道由于受到信道噪声、多径衰减（Multi-path Fading）和非视距阻挡（Non-of- Sight Blockage）的影响[1]，具有时变特性，严重偏离上诉模型；其次衰减率会随外界环境的不同而发生相应改变。