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。     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与 GPU 加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时, 采用膨胀算法与 Canny 边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

基于声场模型的猎雷声呐探测成像仿真方法

针对猎雷声呐对水雷目标探测仿真问题,提出一种基于运动学信息与水下声场传播耦合分析的探测成像仿真方法。利用 Bellhop3D 声场分析方法对水下声信道信号冲击响应进行计算,结合信号复分析方法得到信号传播信道参数以构建声散射模型,以运动耦合方式综合分析声呐搭载平台位置、姿态及速度等因素对回波信号的影响,通过综合考虑上述因素来模拟目标回波信号,从而利用较为真实的等效回波信号进行图像重构。 以高频前视声呐为例,对声呐探测沉底水雷目标情况进行了仿真,结果表明,该方法能够得到高频声呐对沉底水雷目标的探测图像,与实际情况具有一致性,可为进一步构建反水雷相关模拟仿真训练系统提供参考。     

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。     

基于声呐图像的水下目标识别研究综述

水下目标识别是水下无人探测的一项核心技术,在军事和民用领域都有重要的应用。根据当前的水下目标识别研究进展,全面阐述基于声呐图像的水下目标识别原理和方法,对总结研究现状、发现存在的问题以及挖掘潜在的研究方向具有积极意义。针对基于声呐图像的水下目标识别问题,论述了图像去噪、 图像分割以及水下目标识别等方面的主要进展,阐述了基于深度学习实现声呐图像目标识别的最新技术发展现状。通过对水下目标处理过程的讨论和分析,指出基于声呐图像的水下目标识别算法中亟需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做了进一步的展望。     

旁侧声呐在海底探测中的应用和工作船动态定位施工技术

随着海洋工程建设及海上事故和海难的增多,日益增加的海底障碍物给海上安全生产和航运带来了前所未有的挑战和安全隐患,需要进行海上搜寻和水下探摸与处理。旁侧声呐和动力定位船的配合使用是处理这类问题的最佳选择,但租用动力定位船费用昂贵,成本很高。而根据工作区的实际情况利用渔船改装的动态定位船操作简单,且费用低廉,被海洋工作者广泛采用。本文介绍了旁侧声呐在海底障碍物探测中的应用和渔船改装的GPS动态定位船进行水上定位的工作原理和施工方法。装备GPS导航软件的渔船可以指示船只的实时位置。通过改变锚绳长度来改变船只位置的动态定位技术适用于水下搜寻和探摸处理工作。     

一种基于方位估计的双站被动声呐航迹关联方法

当探测区域存在多个目标时，双站被动声呐测向系统通过目标方位线交叉定位会产生多个交点，对被动声呐的测量方位进行关联即是剔除虚假交点，选择真实交点。在两被动声呐对目标方位保持连续跟踪的条件下，提出了一种利用方位预关联形成关联航迹对目标的位置和方位值进行估计，根据估计值与传感器实测方位值的偏差大小来判定预关联正确性的决策规则，结合海上实验数据仿真验证了方法的有效性。     

基于深度学习的声呐图像目标检测系统

声呐图像目标检测是实现水下勘探、海底救援、敌对目标侦查等任务的重要环节,深度学习相关技术的突破为该领域的发展带来了新的机遇。基于深度学习的声呐图像目标检测算法性能优于传统方法,然而相关的系统性研究与应用仍然不足。鉴于此,利用深度学习模型数据驱动的优势设计了一种声呐图像目标检测系统,以满足实际应用对系统精度、速度、可移植性、可扩展性、部署环境的需求。该系统由数据集生成、算法模型训练与测试、模型部署应用 3 个子系统组成,应用于水下可疑目标探测任务,实验结果表明：所实现的目标检测系统在测试数据上和实际应用中均具有良好的性能。     

一种基于视觉的水下机器人动力定位方法

以7 000 m载人潜水器的工程需求为背景,以水下单目摄像机为视觉传感器,进行了水下机器人动力定位方法研究。该动力定位方法利用视觉系统测量得到水下机器人与被观察目标之间的三维位姿关系,通过路径规划、位置控制和姿态控制分解,逐步使机器人由初始位姿逼近期望位姿并最终定位于期望位姿,从而实现了机器人的4自由度动力定位。通过水池实验验证了提出的动力定位方法,并且机器人能够抵抗恒定水流干扰和人工位置扰动。同时,该动力定位方法还可以实现机器人对被观察目标的自动跟踪。     

基于稀疏贝叶斯学习的水下电场测向方法

水下电场是一种可用于对水下目标进行探测和识别的重要物理场,通过高灵敏度、低自噪声的水下电场探测系统,可实现对水下目标电场信号的远程测向。针对水下目标测向问题,提出了一种基于稀疏贝叶斯学习的水下电场测向方法。该方法采用多个探测单元同时采集处理水下目标辐射的交变电场信号,再通过稀疏贝叶斯学习方法,实现对目标电场信号波达方向的估计,最终估计出目标与探测系统的相对方位。通过湖上试验,验证了该方法的可行性与鲁棒性。相对于常规波束形成算法,在一定测试场景下,该方法对 16 Hz 频率的正弦波电场信号的测向精度提高了 4.8°。