基于DSP的纳机电矢量水听器定向系统设计

利用单个矢量水听器实现水下声目标方位估计,较传统标量水听器估计方法简单且容易实现.纳机电矢量水听器具有灵敏度高、低频特性好、尺度小等优良特性.基于这种新型矢量水听器,采用DSPTMS320F2812处理器实现对水下声目标方位的实时估计和显示.给出了定向系统总体和各个模块设计原理,完成了相应的硬件电路与软件实现.试验结果表明:系统能稳定地对传感器的输出信号进行采集和角度计算,并能实时显示水下声目标的方位角度.角度误差小于2°.     

传感器测量衰减下的水下目标纯方位跟踪算法

为解决多传感器水下目标纯方位跟踪中的传感器测量衰减问题,建立水下目标静态多传感器纯方位跟踪模型,将传感器测量衰减建模为统计特性已知的随机变量,基于融合中心接收到的各水声传感器的原始测量值,设计了一种集中式状态估计器结构,利用最小方差方法推导出最优的集中式目标状态估计增益。通过算例仿真可以得出,所提出的算法能够在水声传感器不做机动的前提下跟踪目标,弥补了单个水声传感器观测性不足的缺点,对比传统的集中式Kalman估计器,具有更高的精度,能够有效解决传感器测量衰减问题。     

水陆三维地形地貌融合应用研究

针对海量遥感数据和海洋测量数据的特点,采用Kriging插值算法和三角网构建高精度水下DEM数据,应用标准偏差算法和侧扫声纳镶嵌技术制作水下地貌影像,实现多元数据处理、融合和三维显示的技术流程.应用像素级数据融合技术实现海量水陆数据的连续、准确无缝拼接,解决海洋测绘信息空间一体化表达的技术难题.     

多传感器组合导航系统研究

为了满足水下航行器高精度导航定位的需求,建立了多传感器组合导航的系统模型。针对信息融合过程中出现的非线性环节,在传统联邦滤波器的基础上,提出了基于粒子滤波的混合联邦滤波器。其中,线性子系统采用卡尔曼滤波算法进行滤波估计,非线性子系统采用粒子滤波算法进行滤波估计。计算机仿真分析表明,该混合联邦滤波算法能够将线性和非线性子系统的滤波结果很好地融合起来,提高了组合导航系统的定位精度。     

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°。     

面向ARV的视觉辅助水下对接方法研究

针对水下机器人作业过程中的近距离引导水下对接问题,以自治缆控水下机器人(ARV)为研究对象,为实现快速、高精度的水下对接,设计了基于反射光源识别的单目视觉辅助水下对接方法。通过在对接口布置反光带并将其作为目标图像,设计了图像处理和特征点提取的算法,经过图像特征信息的分析处理,优化算法的时间复杂度,提高了特征点提取的准确率和识别效率。最后设计了传统的引导灯方案与反光带方案的对比试验,验证算法的可行性,证明在水下环境下识别反射光源的方法极大提升了位置估计的准确率,同时在计算速度上也有显著提高,弥补了传统水下对接方法中精度不足或计算量大的缺陷,更好地满足了ARV水下对接的需求,能为潜水器实现水下自主对接提供参考依据。     

基于分数阶傅里叶变换的水下目标速度估计

在高斯白噪声背景下,匹配滤波器作为线性调频信号的最优检测器,在水声信号处理中被广泛应用。 当发射信号为线性调频信号时,由水下目标径向速度引起的多普勒频移会造成回波和样本之间失配, 使匹配滤波器的检测性能下降,增加了目标速度估计的难度。 利用分数阶傅里叶变换对于线性调频信号的聚焦特性,提出了应用分数阶傅里叶变换的水下运动目标线性调频回波检测算法,完成对目标速度的估计, 推导目标运动速度与分数阶傅里叶变换阶数之间的关系,并对测量结果进行误差分析。 仿真测试表明,该算法可有效地估计混响背景下的目标径向速度,且具有良好的估计性能。     

基于单矢量水听器四种方位估计方法

单矢量水听器能同时拾取声场的声压和振速信息,可以估计目标方位。根据不同的噪声背景和信号形式,单矢量水听器有多种方位估计方法。平均声强器的处理方法能很好地抗各向同性的非相干干扰;线谱方位估计能有效检测辐射线谱信号的目标,并进行目标方位估计。当宽带信号中存在线谱相干干扰,以及线谱信号被宽带相干噪声干扰时,上述两种方法不能检测目标。为解决这个问题,新提出了直方图和加权直方图两种方法,直方图方位估计法能抗强线谱相干干扰,并能区分含线谱的多目标;加权直方图方位估计法能从宽带相干干扰中检测目标,估计目标方位。并着重介绍了后两种方法的原理,对四种方法进行了计算机仿真,并用海试结果验证了上述结论。     

基于MRF场的侧扫声呐图像分割方法

为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性.     

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。