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。     

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。     

基于网格编码调制(TCM)技术的水声通信系统及DSP实现

阐述了网格编码调制(TCM)的原理及其在水声通信中的应用。采用TI公司的高性能DSP芯片TMS320C542实现了一个可以进行字符传输的水下无线通信系统。试验结果表明，网格编码调制技术能够使水下无线通信系统的性能得到明显改善。     

水下彩色图像传输的信号调制及信道压缩编码设计研究

就水下彩色图像传输这一研究课题，提供了其调制和传输控制部分的DSP解决方案，详细分析了针对水声信道这一特殊传输介质，所采用的特殊调制方法和传输发送机理，并提供了硬件原理图及相应的软件算法流程。     

水声通信网络的资源分配发展综述

随着陆地资源的枯竭,人类逐渐把目光转向了蓝色海洋。水声通信网络（Underwater Acoustic Communication Network,UACN）能够有效实现水下信息交互,是认识、开发、利用海洋的重要工具,并在推动“智慧海洋”建设中发挥着重要作用。但是,水下节点的发射功率、转发中继、通信信道等通信资源严重受限,这将无法满足UACN长期且有效作业的需求。资源分配技术能够在不提升网络硬件成本的情况下有效改善网络能量效率、抗干扰性等相关性能,在水下信息交互需求激增的背景下具有极高的研究意义与应用价值。因此,如何对有限的网络资源进行合理分配已成为UACN领域的研究热点之一。首先对UACN系统进行了简要介绍,然后研究分析了UACN资源分配技术及意义,并重点指出了其资源分配的发展现状、趋势和面临的挑战。     

基于水下三维传感器网络的海洋环境立体监测系统关键技术研究

深入分析了我国海洋环境监测技术的不足与现实需求,提出一种基于水下三维传感器网络的海洋环境立体监测系统,探讨了系统的组成、架构及其涉及的关键技术。设计了可自主沉浮的水下传感器节点,探讨了水下传感器节点间、系统与控制中心间的通信方式,对网络拓扑结构进行了三维仿真,最后对水下三维传感器网络的应用前景进行了展望。     

基于极限学习自编码器的水声信号目标识别方法

传统的机器学习方法在特征提取时容易受到主观经验的影响,导致对水声信号目标的识别准确率不高。而一般深度学习算法模型较复杂,通常具有训练耗时、计算复杂度高等缺点。极限学习自编码器具有很强的非线性处理能力,适合针对具有非线性特点的水声信号目标的识别,而且模型具有学习速度快,泛化能力强等显著优势。将极限学习自编码器算法应用于水声信号目标识别中,并与卷积神经网络、自编码器和极限学习机识别方法进行对比,结果表明：提出的方法对水声信号目标识别的准确率最优,且训练时间较短。     

基于BP网络对模拟声呐信号分类

针对常规的主动声呐调查设备,在简单海洋分层模型的基础上,模拟了多波束类单频信号、侧扫类单频信号、Ch irp调频信号和混合信号4类声呐接收信号,并针对接收信号特征构造了3层BP网络模型,将隐藏层神经元数目设为可调节;利用时间域脉冲宽度和水深与频率域功率谱密度相结合的特征参量,成功地对模拟信号进行了分类。采用改进的BP网络模型,用训练成功的BP网络对102个检测信号进行了分类测试,结果表明,分类成功率较高,可达76%~84.6%,因而利用BP网络可以对不同类别设备的模拟声呐接收信号进行分类。     

基于改进生成式对抗网络的水下图像增强

由于水介质的吸收和散射特性会导致雾化、低对比度、颜色退化等各种水下成像失真,严重影响了水下图像的后续利用。为了恢复清晰的水下图像,提出一种基于改进生成对抗网络的深度学习模型。借助图像质量评价技术,将生成的过程样本与高质量样本进行拟合,并将拟合得到的差值信息用于优化网络中的生成器。改进的生成式对抗网络有效改善了由真假训练逻辑带来的图像质量提升限制的问题。实验结果显示：该方法有效的恢复了水下图像的色彩,并改善了图像的清晰度和对比度;相比其他方法,提出的方法在SSIM、UCIQE和UIQM指标上分别提升了2.9%、6.2%和14.3%。     

基于扩频通信的深海水声定位技术研究

深海空间站在母船伴随保障时面对恶劣天气存在安全风险及水下多平台作业低效的问题,传统的单一的保障船模式仅依靠超短基线等水下定位方法,水下平台定位速度慢、误差大、相互感知协作困难,已无法满足要求.提出了一种基于通信信标的深海水声定位方法,采用宽带扩频通信进行时延估计,然后利用已建立的等效声速表查找等效声速,完成声线修正,从...     

基于残余自干扰获取的带内全双工水声通信系统结构方案与仿真

强自干扰抵消是带内全双工(In-Band Full-Duplex,IBFD)水声通信系统工程实现中的最大挑战。 近端接收端需结合模拟域及数字域进行联合干扰抵消才可将干扰强度降低至可接受水平。提出一种基于残余干扰获取的带内全双工水声通信系统结构设计方案,其特征为具备主、辅双采集链路,通过辅助采集链路实现对干扰信号的获取,并利用辅助采集链路与消干扰信号在数字域上的抵消结果作为主采集链路数字域上的线性滤波器的输入参考信号,以实现对残余干扰的抵消。该系统结构方案与现有系统结构方案相比,在有效克服功率放大器非线性影响的同时,可降低模拟域及数字域干扰抵消系统结构复杂度;仿真数据处理结果表明,该方案可实现公里级带内全双工水声通信。     

基于DS-CDMA序列的LADCP水声通信算法研究

下放式声多普勒海流剖面仪(LADCP)是20世纪90年代出现的一种海流剖面测量方式,能够快速获得大范围、全深度的海流剖面数据,在国内外有很广泛的应用。中科院声学所第一次将声通信部分加入LADCP中,完成了LADCP下放的实时监控。文中介绍了适用于LADCP通信特点的一种基于DS-CDMA的通信方法,完成了理论仿真,并通过进行相应的海试,验证了该方法的有效性。     

基于信号处理的水下无线光通信综述

水下无线光通信（UOWC）具有高带宽、低时延和抗电磁干扰等优势,成为水下数据传输的重要手段之一。简述了UOWC的发展史,总结了基于高性能光电器件和数字信号处理（DSP）2种方案的高速率长距离和高可靠性UOWC系统的研究现状。DSP中的调制技术能够实现通信速率和传输距离的折衷;信道均衡技术能够消除码间干扰,增大调制带宽;信道编码技术能够纠正接收信号中的错误;分集复用技术则能够分别提高系统可靠性和通信速率。除了研究高性能的光电器件以外,引入DSP技术能够从软件层面进一步提高系统性能。     

基于TIN模型的水下地形匹配定位算法

针对当前尚无直接利用海图水深构建不规则三角网(triangulated irregular network,TIN)进行水下地形匹配定位的现状,提出了一种基于TIN模型的水下地形匹配定位算法。首先,在经典TERCOM(terrain contour matching)算法的基础上,设计基于TIN模型的匹配搜索区的确定方法;然后,给出待匹配航迹点的水深值计算公式;最后,构建目标匹配定位的地形相关组合算子,实现匹配定位。实验结果表明:(1)本文所提算法可以用海图的原始水深直接构TIN模型作为匹配基准图进行匹配定位,且其定位精度可明显高于基于规则格网模型的经典TERCOM算法;(2)新方法可以有效的降低误匹配的发生;(3)提出的MMD+MSD组合匹配算子能够一定程度上克服水深系统误差对定位精度的影响。     

基于深度学习的水下目标声学识别与定位技术研究

为实现自主水下潜器(Autonomous Underwater Vehicle,简称 AUV)的自主目标探测识别与定位任务,以侧扫声呐数据为依据,考虑到扫描式声呐成像的特点,针对金属球类目标,基于 Darknet 框架设计了一种轻量化深度学习目标识别模型,并结合人工特征进行目标特性分析。同时对声呐图像设计了有效的图像增强方法。实验表明：上述目标识别方法在保证目标识别准确率的同时,具有较高的目标识别速率,适于低功耗嵌入式平台部署。     

基于深度学习的水下光学图像超分辨率重建综述

图像超分辨率重建旨在从低分辨率图像中生成包含高频细节的高分辨率图像。随着近年来人工智能的快速发展,基于深度学习的超分辨率重建算法取得了突破性进展。然而,水下光学图像通常会产生严重的颜色失真、细节缺失、对比度下降与模糊等多种退化问题,重建难度远高于常规的自然光学图像。目前尚未有文献对基于深度学习的水下光学图像超分辨率重建进行系统性综述。首先,对自然图像退化方式和数据集进行分类总结,结合国内外最新研究现状将基于深度学习的单幅图像超分辨率重建算法分为针对一般退化、已知（非盲）多种退化、未知（盲）多种退化3个方面进行详细总结,为水下应用场景提供参考。然后,介绍了水下光学图像退化方式,归纳了常见的公开数据集,总结并分析了水下光学图像超分辨率重建的最新进展。最后,对该领域未来可能的发展趋势进行了展望。     

Underwater Acoustic Communication Based on Pattern Time Delay Shift Coding Scheme

1 .Introduction Underwater acoustic (UWA) communicationis a fast developingfield,and its applicationis notlimitedto military affairs ,but is also extendinginto commercial fields .Catipovic (1990) ,Stojanovic(1996) and Kilfoyle and Baggeroer (2000) pointed…     

基于形态滤波的水声通信信号同步检测方法

针对水声通信过程中拷贝相关同步检测在不同信道环境下相关峰值差距较大,通过单一固定门限同步检测导致信号误检率、漏检率高的问题,设计了一种信号同步检测帧结构,在传统拷贝相关同步检测信号前加入三单音信号,结合形态学滤波技术,提出了一种新的水声通信信号同步检测方法,实现了不同信道环境和通信距离下单一固定门限检测值的水声通信信号同步检测,降低了信号同步检测的误检和漏检概率。实际海试结果表明：在5 km,7 km,10 km不同通信距离和信道环境下该方法均可实现信号同步检测,信号的误检概率和漏检概率均为0。