ZL11-1A型重力仪厄特弗斯改正方法讨论

在对国产ZL11-1A型海洋重力仪采集的实测数据进行预处理的过程中,分别采用实测航向、航速数据和航迹拟合后重算的航向、航速数据两组数据计算厄特弗斯改正值,比较两组数据的计算结果,发现由航迹拟合后重算的航向、航速数据计算的结果效果更好,同时对实测航向、航速进行适当滤波后,再按照经典公式计算厄特弗斯改正值也可得到相当的效果,由此为相关技术人员进行ZL11-1A型海洋重力仪数据预处理工作提供一些依据。     

基于北斗短报文的震源船跟踪系统设计与实现

通过在震源船上部署3套GPS接收机,并对3个点的位置信息进行汇总和压缩,利用北斗短报文将压缩后的位置信息推送到陆海联测指挥部,实现对震源船航速、航向的实时监控.根据3个点位信息计算的实时震源船航向,有助于准确把握震源船在进行固定点悬停激发时的航向,克服了以往使用前后两个时刻推算的平均航向代替实时航向等问题.使用我国自主知识产权的北斗短报文进行通讯,大大提高了系统的安全性、可靠性和稳定性;同时陆海联测指挥部可以实时查看震源船是否按事先设定的测线、事先设定的速度和航向进行作业,有效保障了监控平台对震源船的监控,进一步提升安全生产的风险控制能力.     

基于多波束声呐的同时定位与地图构建

对自主水下航行器定位与建图进行了研究。分析了 SLAM 的算法原理,采用 BlueROV2 和声呐、 DVL、IMU 搭建了实验平台,并选择合适的算法框架完成了完整的算法设计。使用声呐为主要感知单元完成自主水下航行器的 SLAM 实验,并对声呐数据的杂波、野值、虚警等进行了滤波处理。最后,在水池、湖泊试验中对所研究的 SLAM 算法的定位与建图进行了验证,取得了良好的试验结果。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

一种多波束声呐回波信号时延的实时特征窗分析方法

本文介绍了一种多波束声呐回波信号时延的实时分析方法。通过实时提取信号的幅度及形状的综合特征计算出信号的时延。该方法具有较强的抗干扰能力,算法快速、准确,适合于多波束声呐系统的回波信号实时分析处理。     

主动声呐舰速补偿的研究

主动声呐系统中,平台运动会导致目标回波信号存在多普勒频偏,目标的径向速度会估计错误.文中推导了本舰运动产生多普勒频偏的原因和两者之间的关系,并结合主动声呐的工作特点,提出在接收机和发射机同时进行舰速补偿的方案,可以实时响应舰船运动状态变化,准确补偿本舰运动引起的多普勒频偏.提出在发射机信号源中采用插值法,通过改变发射信...     

一种微机控制的多通道声呐信号模拟器的研制

本文介绍用于声呐系统中通道信号模拟器的设计方案，采用ＰＣ机进行系统管理和模拟信号的解算，单片机８０Ｃ３１作为其协调处理器用于硬件工作流程的时序控制和信息传送，从而实现模拟多通道声呐信号的效果，该模拟器控制灵活，可靠性高，通用性强，并具有实用价值。     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。     

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。     

PSO-BP网络算法在运动要素解算中的应用

为了改善被测目标运动要素计算精度,提出了采用 PSO-BP 神经网络算法作为运动要素解算的方程。 该算法将粒子群算法作为 BP 神经网络的学习算法,提高 BP 网络的全局收敛性和收敛速度,将观测到的运动目标参数作为 PSO-BP 神经网络的输入,并将运动目标的方位作为主要输出量,将运动目标的方位值与误差期望值进行比较并作为 PSO 的输入修改 BP 网络权值,进而得到高精度 BP 神经网络。 对该算法进行仿真计算,结果表明:基于该算法的运动目标运动要素解算,尤其是运动方位的解算器精度可以达到 0. 128°,提高了运动要素解算的精度和速度。