基于模糊数学的AIS和被动声呐航迹关联算法研究

针对 AIS 系统和被动声呐航迹的关联问题,提出了基于模糊数学的关联算法。该算法引入了 AIS 航迹可靠性的概念,提出了包含船舶与被动声呐间角度、距离、航迹可靠性等3个因素的关联隶属度函数与权重分配。通过实验验证,该算法可以较好地实现 AIS 与被动声呐间的航迹关联,为声呐信号复盘分析和自动化处理提供了借鉴。     

主动声呐目标实时航迹解算算法仿真研究

由于水中声速较低,主动声呐完成量程范围的探测往往需要花费几秒甚至几十秒的时间,这个时间即为主动声呐的扫描周期。 主动声呐对目标的搜索、跟踪等处理都是按扫描周期进行的,目标信息刷新率较低,其上报系统进行目标诸元解算时同样具有这一特点。 为了提高声呐效能及系统解算效率,提出了一种无迹卡尔曼滤波(UKF) 与野值剔除相结合的目标实时航迹解算算法:首先在以声呐扫描周期为间隔获取的目标信息基础上,采用 UKF 预测出目标每秒方位、距离信息,并对野值点进行处理,实时地调整滤波增益或者进行野值计算,最后利用目标的位置信息解算出目标每秒的航速和航向信息。 通过目标在不同航向、 航速下的仿真实验,验证了本文算法的有效性和正确性。     

单舰双声呐对鱼雷交叉定位误差分析

目前鱼雷武器仍是水面舰艇在未来战场上的主要威胁之一,而鱼雷位置信息的获取对鱼雷防御具有至关重要的作用。随着声呐探测系统性能不断提升,舰壳和拖曳式声呐也可在较远距离上探测到来袭鱼雷方位信息,因此基于双声呐测向信息可以对鱼雷位置进行交叉定位。通过建立典型测量误差下的误差空间分布模型,仿真分析了常规交叉定位算法目标定位误差空间分布情况。针对测向方位这一主要定位误差影响因素,提出了基于测向方位滤波的交叉定位算法。动态场景下的仿真结果表明：该算法可以有效提高鱼雷目标定位精度。该研究可为利用单舰双声呐系统对鱼雷目标进行定位提供依据。     

声呐,鲸类的天敌?

正"声呐太强,我屎都喷出来了!"这是《美人鱼》里邓超饰演的地产开发商在亲身体验公司研制的声呐功率后得出的结论。人鱼族因为强功率的声呐而遭受了灭顶之灾。那么,声呐到底对海洋生物有多大的影响呢?声呐系统使用声能来刻画海面下物体的物理性质并且对其定位。声呐应用非常广泛。按照频率分类,可以分为低频声呐、中频声呐和高频声呐;按照工作原理,也可以分为主动声呐和被动声呐。主动声呐主动发射声波"照射"目标,而后接收水中     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点,提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先,根据侧扫声呐图像中水下小目标成像特点,对声呐图像进行滤波及聚类分割,大幅降低图像中噪声;然后,采用斑点检测思想,提取侧扫声呐图像中疑似目标区域;最后,基于自动阈值分割算法对声呐图像进行分割,获取目标区域二值图像,使用二阶矩估计目标尺度,剔除虚假目标,最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高,对侧扫声呐图像中的水下小目标具有良好的检测效果。     

声呐系统的最佳定向精度和最优多目标分辨力研究

定向精度和多目标分辨力是被动声呐系统的重要技术指标.本文从理论上证明,这两个指标都与声呐系统的指向性函数的主瓣特性有内在联系.定向精度的最佳值与时延估计误差的克拉美─罗(Cramer-Rao)下界有关,在一定的信噪比条件下,定向精度与波束主瓣宽度成反比.多目标的分辨力约等于1.3倍主瓣的宽度.文中以线阵与圆阵为例给出定向精度和多目标分辨力的数学表达式,并以实际计算结果与理论作比较.     

本艇机动对鱼雷武器系统攻击效能的影响分析

基于潜艇被动声呐系统跟踪目标,进行目标运动分析后,发射线导鱼雷攻击水面舰艇的作战背景,建立了鱼雷导引方法、声呐目标分辨和目标运动分析的数学模型,通过仿真研究了鱼雷发射后本艇战术机动对线导鱼雷攻击远距离水面攻击效能的影响。根据鱼雷作战效能蒙特卡洛仿真方法,给出在一定目标运动要素误差下,满足线导鱼雷攻击效能指标的鱼雷发射后的本艇战术机动的要求,并给出了武器系统实现这种要求的设计方案。     

反蛙人武器系统发展综述

蛙人由于体积小、噪声强度低,因此探测十分困难,可秘密潜入码头、海港、海上勘探平台、 舰艇锚泊区及岛礁等重点水域实施侦察或破坏,对水下区域安全提出了挑战。首先,指出了水下蛙人的探测难点,随后介绍了国内外反蛙人声呐装备系统的技术发展、蛙人水下目标主被动声学特征的研究进展,综述了反蛙人武器系统的发展现状,最后总结了目前反蛙人声呐系统的技术特点,并对反蛙人声呐系统的发展趋势进行了展望,预期可为我国反蛙人声呐系统的发展提供参考。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

多波束测深声呐成像仿真及作用距离分析

AUV 等无人装备研制过程中如何选择合适的多波束测深系统以满足特定作业场景需求是工程技术人员关心的问题之一。从多波束测深声呐系统与 AUV 等无人系统的匹配角度出发，采用混响背景下的主动声呐方程建立了不同工作频率多波束作用距离计算评估方法，对 100 kHz~500 kHz 的多波束测深声呐作用距离进行了计算对比。在此基础上，采用线性调频、FFT 波束形成、脉冲压缩、样条插值扩充目标角度、Rife 算法优化角度估计技术，建立了多波束测深声呐的成像仿真方法，并通过直线地形、台阶地形对多波束测深声呐的成像特点和测深分辨率进行了分析。主要结论：1）建立了一种多波束作用距离评估的方法，可用于指导无人装备用多波束测深声呐频率参数的选型；2）建立的多波束测深声呐仿真办法可以帮助工程技术人员更直观地理解多波束测深声呐的成像特点；3）通过仿真分析了 CW 信号与线性调频信号下的距离分辨率，可用于指导波束测深作业时的高度、信号参数设置。