深度学习在水声目标识别中的应用研究

水声目标识别技术是水声信号处理的重要组成部分,是水声信息获取与水声信息对抗的重要技术支撑。针对水声目标识别时探测数据量大、自动化程度不高、识别效率低下等问题,研究了深度学习在水声目标识别中的应用。首先,介绍了水声目标识别技术的研究现状及当前形势下面临的挑战。然后,对深度学习的网络结构原理及改进型进行了分析,并分别对深度学习在水声声信号识别领域和水声图像信号识别领域的应用现状做了阐述。最后,指出了由于受当前技术条件和水下复杂环境的制约,此方法尚且存在着不足之处。该方法为进一步优化深度学习算法、拓展深度学习技术应用范畴、提升水声目标识别效率提供了参考。     

基于机器学习的声子晶体结构声隐身设计

针对声呐导流罩中低频段振动控制以提高其全频段声隐身性能问题,提出了一种基于条件自编码器的声子晶体结构逆向设计方法,在目标频段逆向设计出的具有带隙的声子晶体结构可作为夹芯结构芯层, 为声呐导流罩声振特性治理工作提供新思路。首先随机生成大量声子晶体周期单元,并提出 2 种策略扩充在目标频段内具有带隙的样本数量。针对有限元软件批量计算声子晶体结构带隙效率较低的问题,训练了卷积神经网络用于识别声子晶体是否具有带隙。最后,将声子晶体结构以及带隙分布作为训练集训练条件自编码器。结果显示：卷积神经网络对结构的带隙具有很好的识别效果,识别准确率可以达到 89%;条件自编码器能学习到人工周期结构的轴对称结构,生成的人工周期结构与原结构仅相差几个像素,且生成结构的带隙与原结构带隙误差小于 1%,说明该方法可以应用于声子晶体结构的逆向设计。     

基于深度残差网络的水下通信调制信号分类

在无线通信中,调制分类是非协作通信的重要组成部分,很难使用常规方法同时兼顾识别准确率和低复杂度对各种调制方案进行高效分类。深度学习方法用来处理这个问题,可以取得良好的效果。在水声通信的环境下,由于通信环境的特殊性,导致信号的调制分类比陆地通信更加困难。创新采用了深度学习网络的改造残差结构形式来区分多种水声通信中的各种常用调制方法,通过合理地选用深度残差网络的超参数,有效克服了模型过拟合问题,取得了良好识别效果。     

BP神经网络在海洋平台桩基轴向承载力中的应用研究

目前海洋石油导管架平台桩基础的轴向极限承载力常用的设计方法为API RP2A(美国石油协会)和静力触探(CPT)的方法.在这两种方法的基础上,提出了用BP神经网络模型对桩的轴向极限承载力进行计算的思路,能够有效地预测桩的轴向极限承载力.根据BP神经网络算法具有较强的非线性映射能力和学习功能的特点,通过对影响单桩极限承载力因素的分析,依据静力触探资料建立了基于BP神经网络的单桩轴向极限承载力预测模型.通过利用API RP2A方法分析成果对该模型进行学习训练和预测检验,证明了预测模型性能良好、具有较高的精度和收敛速度快等特点,验证了神经网络方法的可行性,预测结果能够指导桩基础设计,缩短周期.因而具有较大的工程实用价值.     

一种水下声学探测浮标的设计与实现

介绍了一种水下声学探测浮标的设计及实现。该浮标基于国产北斗 Argo 浮标搭载水声探测载荷,能够在水中自主沉浮,并实现对水声通信信号探测,发现目标后,通过北斗卫星传输目标的相关特征信息。该浮标能够实现设备程控沉浮、自我定位、卫星通信、水声信号检测识别、数据记录、信息显示等功能。 可广泛用于重要航道、演习区域等海域的水下安全排查,掌握水声通信网络布设及分布情况,为我重要军事行动提供决策依据。     

Kraken声场建模下目标辐射噪声模拟技术研究

水面目标辐射噪声模拟技术是测试被动声呐系统、目标识别定向及水声软对抗的关键技术。通过对辐射噪声信号特性的描述及分析,建立了水面目标频域线谱及连续谱分量的数理仿真模型。针对水声信道影响因素,将Kraken简正波声场模型与信号本身特性有机结合。以1/3倍频程滤波带宽算法为基础,完成了对宽带FIR滤波器组的设计。采用现在应用广泛的GPU(Graphic Processing Unit)并行加速平台,实时实现了目标噪声模拟器整体架构,大大降低了系统硬件资源的消耗。通过对模拟器输出信号进行数理分析,证明了该模拟器能较好地实现水面目标的辐射噪声特性,具备良好的科研应用价值。     

基于训练序列的水声信道多普勒频移估计

由于水声通信媒介(声波)速度远远小于陆地通信媒介(无线电波)速度,水声通信多普勒频移比陆地无线通信多普勒频移要大几个数量级,因此多普勒频移估计是水声通信的一个重要问题。文中提出了一种水声通信系统中基于训练序列的多普勒频移估计方法。在接收端先由已知训练符号构造无噪声干扰下的理论接收信号;再根据理论接收信号与实际接收信号之间的误差平方和最小,得到含有信道衰减因子A和多普勒因子Δ的双变量目标函数,根据此目标函数的曲面图以及对其的分析,发现A的不同取值基本不影响Δ的寻优,从而可将双变量目标函数变成单变量目标函数;然后利用全局优化理论中求解有限区间内多峰值函数最值的区间斜率算法,求解多普勒因子的最小二乘估计值,从而得到多普勒频移的估计值。文中还分析了区间斜率算法的收敛性,且仿真结果显示所提算法优于现有算法。     

被动声呐的高分辨率目标方位估计

本文讨论应用高分辨率非线性谱分析技术进行水声目标方位的估计。文中针对水声信号特点，通过主值频谱抽取方法克服宽频带非线性方位估计的大运算量难题，大大简化了计算复杂性，同时还保证了较高的信噪比。经模拟计算表明，该方法实现简单，有较常规波束形成法为高的方位分辨率     

多特征联合水声通信信号调制识别方法

为解决水声信道下通信信号识别困难的问题,对水声CW、LFM、2FSK、4FSK、BPSK、QPSK、DSSS-BPSK和OFDM信号的调制识别技术进行了研究,旨在提出一种适用于这8种信号的调制识别方法。通过对信号的时频特征、二次方谱特征及自相关特征进行分析,并利用基于迁移学习的ResNet网络和线性支持向量机进行分类,最终得到了一种多特征联合水声通信信号调制识别方法。仿真表明：在千岛湖多径信道下,信噪比大于9 dB时,所研究8种信号的识别率均在99%以上;最后,通过海试进一步验证了该方法的可行性,海试数据识别率均在93%以上。仿真及海试验证的结果表明,所提的方法是适用于水声信道的。     

水声信号的一种非线性降噪方法

采用基于非线性动力学系统的局部投影非线性降噪理论,研究了水声信号的非线性降噪问题,并对传统的局部投影算法进行了改进.采用自适应调整邻域大小的方法,改善了传统局部投影算法的邻域选择问题;利用局部投影算法中局部协方差矩阵存在特征值突变的现象,有效地解决了信号子空间和噪声子空间的划分难题.以Henon混沌时间序列为仿真模型,对传统的局部投影算法,以及改进后的算法的降噪性能进行了验证比较,结果表明,改进后的算法更加有效地抑制了噪声.