高频地波雷达船只目标距离参数估计与评价

高频地波雷达是海上目标大范围连续跟踪探测的有效手段,在其探测结果中,目标的距离是一个重要的参数,其探测精度会影响目标的整体探测性能。本文给出了地波雷达目标距离参数的估计方法和处理流程,并基于地波雷达实测数据开展了目标距离估计及距离-速度耦合补偿处理,将目标距离参数估计结果与实测船舶自动识别系统数据开展了比对,统计分析了目标距离参数在补偿处理前后的误差及其影响因素。结果表明,目标距离参数经过耦合补偿处理之后,测距误差明显减小,测距精度得到了显著提高,最后结合个例分析,给出了距离补偿大小和正负与目标航向的关系。     

基于单水声信标距离量测的匹配定位方法

水声通信和测距能力是实现水下航行器准确定位的重要技术手段。当前基于水声定位的方法主要有利用测距和测向功能的水声定位技术以及水声测距辅助导航技术,二者的系统物理复杂度都比较高。本文提出了一种基于单水声信标距离量测的匹配定位方法,航行器在水声信标测距覆盖范围内,利用航行过程中多次测距信息构建测距圆序列形成位置约束,基于航位推算导航信息,将航行器在连续测距时间段内的相对航迹在圆序列上进行最优匹配,从而获得位置估计,通过对测距误差进行补偿可进一步提升定位精度。本方法所需物理系统结构复杂度低、可操作性强,仿真实验表明,该方法可以独立实现较高精度的定位。     

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。     

一种四阶P-Laplace图像盲复原方法

针对TV图像复原方法中产生的阶梯效应问题,结合传统的差值范数图像复原方法,提出一种四阶P-Laplace图像盲复原算法。该算法将四阶偏微分方程引入P-Laplace图像复原方法中,对图像的边缘和内部平滑区域做了分别处理以缓解TV复原方法中带来的阶梯效应,同时引入参数λ调节复原过程中的保真项,并对偏微分方程做单调灰度变化,进一步改善了图像复原效果,缓解了阶梯效应。实验结果证明,该算法对模糊图像有很好的复原效果,也适用于水下图像和雾天图像的图像复原。     

一种新型水下声学浮标在目标探测中的应用

针对海上目标探测问题, 将矢量水听器和Argo浮标相结合, 可构建一种具有水中目标探测能力的新型水下声学浮标平台。该浮标平台可多次上浮和下潜, 具有在位时间长、隐蔽性能高、成本低等特点, 单台水下声学浮标即可实现海上目标探测, 利用多台水下声学浮标可快速形成大面积区域覆盖能力。为进一步验证水下声学浮标对海上目标探测性能, 2019年8月在南海海区开展了多台水下声学浮标海上试验, 数据处理结果表明: 南海夏季典型声速剖面下, 水下声学浮标对船长42m航速8.4kn的水面航船目标最远探测距离可达13.8km, 目标估计方位均方根误差最优可达5°, 在水面航船距离最近的1.9km处, 目标估计方位标准差可达2°。     

水下图像目标检测研究综述

在海洋开发的环境下,水下物体探测技术得到广泛应用,随着水下机器人与计算机技术的发展,该技术越来越受到研究人员的重视。根据当前的水下图像目标检测研究进展,简要介绍水下图像目标检测流程（即图像采集、图像的预处理、以及图像检测的方法）,对总结发展现状、发现技术的不足及挖掘未来的研究方向有重要意义。针对基于光学图像的水下目标识别问题,论述了图像采集、图像的预处理、以及图像检测等方面的主要进展,阐述了基于深度学习实现水下图像目标识别的技术发展现状。通过对水下目标处理过程的讨论和分析,指出水下图像目标识别领域中需要解决的问题,并预测该领域技术发展趋势。     

水下机械手接近觉系统研究

根据水下机械手的工作需要,设计了一套高精度的水下超声波定位系统.采用超声波检测距离、三探头阵列检测方位的方案,使用超低功耗单片机MSP430精确计算超声波往返时间和控制三探头轮流工作,通过对三个探头的测量数据进行处理,实现目标测距及定位.经过实验室及水池实验表明,该系统在水下工作稳定,精度及灵敏度高,是水下机器人及机械手自主探测目标的有效手段之一.     

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°。     

基于恒虚警检测的图像声呐目标跟踪

无人化、智能化的目标探测与跟踪是未来水下探测的必然趋势。针对水下移动小目标,通过固定位置的声呐接收的角度与距离二维信息,提出了一套自动跟踪方法。首先,对图像声呐进行恒虚警处理,同时引入时域参量,通过在门限计算中增加之前时间的权重,抑制位置恒定的静态强背景干扰。之后,基于空间上目标的连续运动,提出了小目标的自动跟踪算法。湖试数据实验处理表明：该方法能有效抑制干扰,实现水下小目标的自动探测跟踪。     

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。