兰州数字遥测地震台网信号传输方式的设计

介绍了地震信号传输的常用方式及各自的优缺点，提出了数字遥测地震台网信号传输方式设计的总原则和基本原则。实际应用表明，兰州数字遥测地震台网信号传输方式的是符合要求的，提出的数字遥测地震台网信号传输方式的总原则和基本原则，对数字遥测地震台网建设有直接的借鉴作用。     

广西"十五"数字测震台网信道建设与系统集成

通过实施广西"十五"数字测震台网建设项目,在保证地震速报能力的前提下,根据广西区域数字测震台的布局,合理选择台站不同数据传输模式和台网集成方案,以取得系统的优良性价比.     

双曲面模型深海三维定位数据模拟及精度分析

结合声波射线传播规律提出了双曲面模型水声定位的数据模拟方法。利用该方法模拟一定浮标网形下声源位于某区域约2 000m水深处10km×10km范围内的声线双曲面模型定位观测数据,进行定位解算,并将截止角的概念引入水声定位中。定位结果显示,大部分区域水下DGPS定位系统的外符合定位精度在水平方向优于5m,垂直方向优于10m;网形中间区域精度较高,三维定位精度为亚米级。引入角度限制后,定位区域内外符合定位精度水平方向优于1m,垂直方向优于4m。     

一种水声组网定位一体化系统设计与实现

水声网络已在海洋信息立体化获取、传输、感知领域中得到广泛研究和应用,水声网络节点的位置是水声网络协议设计、多样化应用中常常需要的重要信息。依托全球定位系统定位、采用常规水声定位技术获取水声网络节点位置等解决方案存在着无法直接水下应用、多节点需多次定位效率低、需要精确时间同步等问题。提出一种水声组网定位一体化方案,该方案利用水声网络运行过程中网络节点互联互通进行的交互可以直接通过应答测距方式进行节点位置解算,从而实现在不影响网络通信的情况下,无需精确同步的通信定位一体化功能。给出了系统组网通信、测距、定位、误差校正等核心环节的设计过程,设计了一套小规模水声网络通信定位试验系统,并开展湖试试验。湖试试验结果初步表明了该系统组网、定位一体化的有效性。     

北极冰下水声通信中改进的最小均方/四次方直接自适应均衡器

本文提出了一种适用于北极冰下水声通信的最小均方/四次方直接自适应均衡器（LMS/F-DAE）。它能处理基带复信号,与LMS相比,具有更好的均衡效果。考虑到均衡器的稀疏特性,在其代价函数中加入自适应范数（AN）作为约束。它能根据均衡器系数的大小自适应变化：对于小系数,此约束项存在以加快收敛速度;对于大系数,此约束项不存在以减小均衡误差。利用第九次中国北极科学考察得到的实验数据验证AN-LMS/F-DAE的性能。结果表明,与传统的LMS/F-DAE相比,AN-LMS/F-DAE能提升均衡器的稀疏性且均衡性能更优。     

基于罗经/DVL/水声定位系统的水下组合导航方法研究

针对基于罗经/DVL航位推算系统位置误差积累的问题,研究基于罗经/DVL/水声定位系统的水下运载体组合导航定位方法,设计了组合导航方案,建立了基于航位推算系统的误差方程,在此基础上引入水声定位系统的位置量测信息,设计了卡尔曼滤波器,实现了罗经/DVL/水声定位系统的信息融合。最后对研究的方法进行了计算机仿真和半物理仿真实验。实验结果表明,该方法抑制了航位推算系统位置误差发散,且减小了水声定位数据波动幅度,实现了水下运载体的高精度导航定位。     

水下无线光通信中关键技术的研究与进展

由于水下无线光通信（Underwater Wireless Optical Communication,UWOC）具有高速率、低延迟和高保密性等优势,成为了水下无线通信的潜在应用。针对UWOC系统的模型及研究现状进行了简要的总结,重点阐述了UWOC系统所用到的关键技术,包括光源的选择、调制编码、探测、信道建模等关键技术,并介绍了一种UWOC系统的设计方案。最后针对实现水下长距离通信和高速率传输等问题,总结了UWOC未来的发展趋势及所面临的挑战,为UWOC将来的发展方向及实用化提供了参考。     

基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

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。     

一种高Q值单频水声信号放大提取电路的设计

针对水声信号所处环境复杂、背景噪声源多的特点,提出了一种基于JFET的超低噪音放大电路,该电路选用两片低噪音的场效应管2SK170作为第一级放大器件,经过CR高通滤波连接到同相放大电路,整体电路增益可达70dB;为进一步提升接收信号信噪比,结合双T滤波器特点优化设计出一种高Q值选频电路;通过Multisim14仿真表明,设计的电路在1 Hz处的电压噪声密度仅为2.4 nV/Hz^0.5,滤波器Q值可达25.6,结合实际电路测试结果表明,设计的电路能够满足水声测量要求。