CN114460587A - 一种主动声呐全景接触目标快速辨识方法 - Google Patents

一种主动声呐全景接触目标快速辨识方法 Download PDF

Info

Publication number
CN114460587A
CN114460587A CN202210370965.4A CN202210370965A CN114460587A CN 114460587 A CN114460587 A CN 114460587A CN 202210370965 A CN202210370965 A CN 202210370965A CN 114460587 A CN114460587 A CN 114460587A
Authority
CN
China
Prior art keywords
motion characteristic
target
panoramic
active sonar
characteristic spectrum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210370965.4A
Other languages
English (en)
Other versions
CN114460587B (zh
Inventor
王青翠
王方勇
杜栓平
李帝水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Original Assignee
Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp filed Critical Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Priority to CN202210370965.4A priority Critical patent/CN114460587B/zh
Publication of CN114460587A publication Critical patent/CN114460587A/zh
Application granted granted Critical
Publication of CN114460587B publication Critical patent/CN114460587B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种主动声呐全景接触目标快速辨识方法，包括步骤如下：首先接收主动声呐阵元数据，预处理生成全波束时域数据；然后将全波束时域数据分成L段，分别进行FFT处理得到L幅运动特征谱，对运动特征谱进行谱线搬移和二维归一化处理；接着在归一化后的运动特征谱上进行运动特征孤立点检测，根据运动特征孤立点的坐标位置，换算得到目标的方位、距离和径向速度值；最后重构全景接触目标快速辨识画面。本发明提供的主动声呐全景接触目标快速辨识方法，利用目标与静态混响在运动特征谱上的分布差异性，可有效抑制全景静态混响/杂波，实现对水下感兴趣目标的快速辨识，大幅缩短了感兴趣目标发现时间，显著提高了探测效率，处理方法简单，可靠性高。

Description

一种主动声呐全景接触目标快速辨识方法
技术领域
本发明涉及一种声呐信号处理方法，属于水声工程、声呐技术、主动声呐信号处理领域，主要是一种主动声呐全景接触目标快速辨识方法。
背景技术
主动声呐通过发射信号，接收并分析水下目标的反射回波来进行水下目标探测、跟踪、识别等，在反蛙人、海洋生物、水下航行器主动监测等领域有重要应用。现有主动声呐信号处理方法一般先对目标回波进行能量检测，得到接触级数据，再进行水下感兴趣目标跟踪、识别。然而，现有的主动声呐信号处理方法存在两个问题：
一是随着主动声呐检测技术发展，主动声呐作用距离不断增加，声呐可发现的目标数量日益增多，混响盲区也逐渐变大，而蛙人等目标的水下散射回波强度较弱，大量的杂波、强干扰和混响为感兴趣弱目标检测带来了大量虚警。传统的主动声呐信号处理方法以能量检测为主，无法解决弱目标漏检和高虚警之间的矛盾。
二是传统的主动声呐信号处理方法先对回波进行能量检测，得到目标点迹，再利用连续多批点迹数据进行目标跟踪，最后再对稳定跟踪目标进行识别，从接触到得到可靠识别结果的时间长，而水下航行器、蛙人或需要监测的海洋生物往往处在运动中，需要接触即快速辨识，传统主动声呐信号处理方法严重制约了对水下感兴趣目标的发现和探测效率。
发明内容
本发明的目的在于克服现有技术存在的不足，而提供一种主动声呐全景接触目标快速辨识方法，利用目标与静态混响在运动特征谱上的分布差异性，可有效抑制全景静态混响/杂波，实现对水下感兴趣目标的快速辨识，大幅缩短了感兴趣目标发现时间，显著提高了探测效率，处理方法简单，可靠性高。
本发明的目的是通过如下技术方案来完成的。一种主动声呐全景接触目标快速辨识方法，包括步骤如下：首先接收主动声呐阵元数据，预处理生成全波束时域数据；然后将全波束时域数据分成L段，分别进行FFT处理得到L幅运动特征谱，对运动特征谱进行谱线搬移和二维归一化处理；接着在归一化后的运动特征谱上进行运动特征孤立点检测，根据运动特征孤立点的坐标位置，换算得到目标的方位、距离和径向速度值；最后重构全景接触目标快速辨识画面。
作为优选的技术方案，具体步骤如下：
步骤一：接收主动声呐阵元数据
Figure 124981DEST_PATH_IMAGE001
，N为阵元数，对阵元数据进行 波束形成预处理，得到全波束时域数据
Figure 838859DEST_PATH_IMAGE002
，其中，l为波束号，NB为 总的波束数，n为时间采样点数；
步骤二：将全波束时域数据分成L段，每段采样点数为
Figure 884176DEST_PATH_IMAGE003
，对每段数据进行FFT变 换，得到L幅运动特征谱
Figure 76123DEST_PATH_IMAGE004
，其中l为波束号，k为频点数；
步骤三：对每幅运动特征谱按照公式
Figure 670921DEST_PATH_IMAGE005
进行谱线搬移，其中，
Figure 24542DEST_PATH_IMAGE006
为 主动声呐发射的单频信号中心频率，
Figure 822733DEST_PATH_IMAGE007
为主动声呐所在平台的运动速度，
Figure 552792DEST_PATH_IMAGE008
为波束扫描角， 使得运动特征谱中的混响能量分布由呈现的曲线结构变为水平直线结构，得到
Figure 956092DEST_PATH_IMAGE009
；
步骤四：对步骤三得到的运动特征谱
Figure 231346DEST_PATH_IMAGE010
分别沿方位维和频率维进行二 维归一化处理，得到归一化后的运动特征谱
Figure 516834DEST_PATH_IMAGE011
；
步骤五：在归一化后的L幅运动特征谱上进行运动特征孤立点检测；
步骤六：根据归一化后的运动特征谱上运动特征孤立点的坐标位置，换算得到目标的方位、距离和径向速度值；
步骤七：重构全景接触目标快速辨识画面；在方位-距离维全景探测画面上绘制检测到的J个运动特征孤立点，其中每个运动特征孤立点的颜色按其径向速度值的大小进行设置。
作为优选的技术方案，所述的运动特征孤立点检测采用基于深度学习的目标检测模型或采用常规图像处理方法进行检测。
作为优选的技术方案，所述根据运动特征谱上运动特征孤立点的坐标位置，换算 得到目标的方位、距离和径向速度值，包括步骤如下：假设检测到J个运动特征孤立点，其 中，第j个运动特征孤立点位于第
Figure 50584DEST_PATH_IMAGE012
幅运动特征谱上的
Figure 105127DEST_PATH_IMAGE013
点，
Figure 338835DEST_PATH_IMAGE014
，则根据运动特 征谱的空间映射关系，换算得到该运动特征孤立点对应的目标方位
Figure 111619DEST_PATH_IMAGE015
、距离
Figure 917901DEST_PATH_IMAGE016
和径向速度
Figure 295793DEST_PATH_IMAGE017
，如下所示：
Figure 162118DEST_PATH_IMAGE018
，
Figure 172930DEST_PATH_IMAGE019
，
Figure 782903DEST_PATH_IMAGE020
其中，
Figure 812039DEST_PATH_IMAGE021
为每段数据采样点数，
Figure 114844DEST_PATH_IMAGE022
为采样率，c为声速，
Figure 111488DEST_PATH_IMAGE023
为0Hz多普勒对应的频点 索引数，
Figure 525152DEST_PATH_IMAGE024
为生成运动特征谱时的FFT点数，
Figure 408794DEST_PATH_IMAGE025
为主动声呐发射的单频信号中心频率。
本发明的有益效果为：本发明提供的一种主动声呐全景接触目标快速辨识方法，利用全景运动特征谱差异，可有效抑制全景静态混响/杂波，并通过运动特征检测实现对水下感兴趣目标的快速辨识，处理方法简单高效，可靠性高，具体体现在：
（1）本发明通过利用静态混响、杂波与目标在全景运动特征谱上的分布差异性，可以有效抑制海洋界面散射、水体散射等引起的静态混响、杂波，大大降低主动声呐目标检测虚警率，提高对运动目标的探测能力。
（2）本发明通过运动特征检测，接触即可实现对水下动目标快速辨识，大幅缩短了水下感兴趣目标发现时间，显著提高探测效率。
附图说明
图1是本发明工作流程图；
图2是传统主动声呐信号处理得到的探测画面示意图；
图3是运动特征谱示意图；
图4是经过谱线搬移后的运动特征谱示意图；
图5是经过二维归一化后的运动特征谱示意图；
图6是利用本发明方法进行全景接触目标快速辨识结果示意图；
图7是重构的全景接触目标快速辨识画面示意图。
具体实施方式
下面结合附图及具体的实施例对本发明进行说明。
图1是本发明工作流程图。
步骤一：接收主动声呐阵元数据
Figure 882501DEST_PATH_IMAGE026
，N为阵元数，对阵元数据进行 波束形成等预处理，得到全波束时域数据
Figure 602326DEST_PATH_IMAGE027
，其中，l为波束号，NB 为总的波束数，n为时间采样点数。
图2为传统主动声呐信号处理方法得到的探测画面，可以看到，方位-距离维的全景探测画面存在大量的混响、杂波点，如何在众多干扰中快速辨识感兴趣的目标难度巨大。
步骤二：将全波束时域数据分成L段，每段采样点数为
Figure 757364DEST_PATH_IMAGE028
，对每段数据进行FFT变 换，得到L幅运动特征谱
Figure 761092DEST_PATH_IMAGE029
，其中l为波束号，k为频点数。运动是区分水 下航行器、蛙人或海洋生物等目标和自然存在的混响散射体的重要特征，由海洋界面、水体 等静止物体引起的静态混响/杂波与水下运动目标回波在运动特征谱上存在分布差异性， 这就为抑制静态混响/杂波和检测目标提供了重要前提。当本平台以
Figure 405700DEST_PATH_IMAGE030
速度航行时，假设主 动声呐发射的单频信号中心频率为
Figure 862089DEST_PATH_IMAGE031
，则由本平台运动引起的实际混响接收频率为
Figure 866823DEST_PATH_IMAGE032
，即混响接收频率在全空间中呈余弦曲线结构。
图3为得到的单幅运动特征谱，可以看到静态混响在运动特征谱上具有曲线结构，而目标回波则呈孤立点状结构。
步骤三：对每幅运动特征谱按照公式
Figure 459479DEST_PATH_IMAGE033
进行谱线搬移，抵消本平台 运动引起的混响多普勒频移，其中，
Figure 540567DEST_PATH_IMAGE034
为主动声呐发射的单频信号中心频率，
Figure 484252DEST_PATH_IMAGE035
为本平台 （主动声呐所在平台）运动速度，
Figure 794142DEST_PATH_IMAGE036
为波束扫描角，使原运动特征谱中的混响能量分布呈现 的曲线结构变为水平直线结构，得到
Figure 710145DEST_PATH_IMAGE037
。
图4为经过谱线搬移的运动特征谱，可以看到静态混响在运动特征谱上的曲线结构变成了直线。
步骤四：对步骤三得到的运动特征谱
Figure 430977DEST_PATH_IMAGE038
分别沿方位维和频率维进行二 维归一化，抑制静态混响/杂波，得到归一化后的运动特征谱
Figure 658696DEST_PATH_IMAGE039
。
图5为对图4经过二维归一化后的运动特征谱，可以看到，运动特征谱上静态的混响/杂波对应的直线全部被抑制掉了，运动特征谱上仅剩下呈孤立状态的点，即为对应的目标运动特征。
步骤五：在归一化后的L幅运动特征谱上进行运动特征孤立点检测。孤立点检测可以采用基于深度学习的目标检测模型进行检测，如Faster RCNN、Fast RCNN、RCNN、YOLO、SSD等；也可以采用常规图像处理方法，如聚类分析、图像分割等。
步骤六：根据运动特征谱上孤立点的坐标位置，换算得到目标的方位、距离和径向 速度值。假设检测到J个运动特征孤立点，其中，第j个运动特征孤立点位于第
Figure 959227DEST_PATH_IMAGE040
幅运动特征 谱上的
Figure 41321DEST_PATH_IMAGE041
点，
Figure 933054DEST_PATH_IMAGE042
，则根据运动特征谱的空间映射关系，可以换算得到该运动特 征孤立点对应的目标方位
Figure 116911DEST_PATH_IMAGE043
、距离
Figure 17871DEST_PATH_IMAGE044
和径向速度
Figure 190357DEST_PATH_IMAGE045
如下所示：
Figure 518570DEST_PATH_IMAGE046
，
Figure 658565DEST_PATH_IMAGE047
，
Figure 363215DEST_PATH_IMAGE048
其中，
Figure 108318DEST_PATH_IMAGE049
为每段数据采样点数，
Figure 856700DEST_PATH_IMAGE050
为采样率，c为声速，
Figure 483990DEST_PATH_IMAGE051
为0Hz多普勒对应的频点 索引数，
Figure 726753DEST_PATH_IMAGE052
为生成运动特征谱时的FFT点数，
Figure 123099DEST_PATH_IMAGE053
为主动声呐发射的单频信号中心频率。
图6为对图2中的探测画面对应的数据，利用本发明提供方法得到的全景接触目标快速辨识结果，共检测到2个目标。图6右侧部分为检测到的2个运动特征孤立点所在的两幅运动特征谱的局部放大，换算得到这2个目标的方位、距离后，在传统的探测画面进行标示，如图6左侧部分所示。可以看到，通过利用水下目标与静态混响在全景运动特征谱上的分布差异性，可以有效抑制静态/混响杂波，并通过检测全景运动特征谱上的运动特征，即归一化后的运动特征谱上的孤立点，可以得到目标的方位距离，实现对动目标的快速辨识。
步骤七：全景接触目标快速辨识画面重构，在方位-距离维全景探测画面上绘制检测到的J个点，其中每个点的颜色按其径向速度值的大小进行设置。
利用步骤六得到的目标方位、距离和径向速度进行全景接触目标快速辨识画面重构，在方位-距离维全景探测画面的对应位置绘制检测到的2个目标，其中每个目标的颜色按其径向速度值的大小进行设置。图7给出了重构后的全景接触目标快速辨识画面，可以看到2个亮点，对应检测到的2个运动目标，左侧目标的径向速度值比右侧目标小，所以在重构的全景接触目标快速辨识画面上颜色更暗。相比于图2，重构的全景接触目标快速辨识画面可以清晰直观地展示当前检测到的目标在全景探测范围内的位置及其径向运动速度大小。
可以理解的是，对本领域技术人员来说，对本发明的技术方案及发明构思加以等同替换或改变都应属于本发明所附的权利要求的保护范围。

Claims (4)

1.一种主动声呐全景接触目标快速辨识方法，其特征在于：包括步骤如下：首先接收主动声呐阵元数据，预处理生成全波束时域数据；然后将全波束时域数据分成L段，分别进行FFT处理得到L幅运动特征谱，对运动特征谱进行谱线搬移和二维归一化处理；接着在归一化后的运动特征谱上进行运动特征孤立点检测，根据运动特征孤立点的坐标位置，换算得到目标的方位、距离和径向速度值；最后重构全景接触目标快速辨识画面。
2.根据权利要求1所述的主动声呐全景接触目标快速辨识方法，其特征在于：具体步骤如下：
步骤一：接收主动声呐阵元数据
Figure DEST_PATH_IMAGE001
，N为阵元数，对阵元数据进行波束 形成预处理，得到全波束时域数据
Figure 745543DEST_PATH_IMAGE002
，其中，
Figure DEST_PATH_IMAGE003
为波束号，NB为总的 波束数，n为时间采样点数；
步骤二：将全波束时域数据分成L段，每段采样点数为
Figure 202806DEST_PATH_IMAGE004
，对每段数据进行FFT变换，得 到L幅运动特征谱
Figure DEST_PATH_IMAGE005
，其中l为波束号，k为频点数；
步骤三：对每幅运动特征谱按照公式
Figure 553717DEST_PATH_IMAGE006
进行谱线搬移，其中，
Figure DEST_PATH_IMAGE007
为主动 声呐发射的单频信号中心频率，
Figure 979013DEST_PATH_IMAGE008
为主动声呐所在平台的运动速度，
Figure DEST_PATH_IMAGE009
为波束扫描角，使得 运动特征谱中的混响能量分布由呈现的曲线结构变为水平直线结构，得到
Figure 234283DEST_PATH_IMAGE010
；
步骤四：对步骤三得到的运动特征谱
Figure DEST_PATH_IMAGE011
分别沿方位维和频率维进行二维归 一化处理，得到归一化后的运动特征谱
Figure 731123DEST_PATH_IMAGE012
；
步骤五：在归一化后的L幅运动特征谱上进行运动特征孤立点检测；
步骤六：根据归一化后的运动特征谱上运动特征孤立点的坐标位置，换算得到目标的方位、距离和径向速度值；
步骤七：重构全景接触目标快速辨识画面；在方位-距离维全景探测画面上绘制检测到的J个运动特征孤立点，其中每个运动特征孤立点的颜色按其径向速度值的大小进行设置。
3.根据权利要求1或2所述的主动声呐全景接触目标快速辨识方法，其特征在于：所述的运动特征孤立点检测采用基于深度学习的目标检测模型或采用常规图像处理方法进行检测。
4.根据权利要求2所述的主动声呐全景接触目标快速辨识方法，其特征在于：所述根据 运动特征谱上运动特征孤立点的坐标位置，换算得到目标的方位、距离和径向速度值，包括 步骤如下：假设检测到J个运动特征孤立点，其中，第j个运动特征孤立点位于第
Figure DEST_PATH_IMAGE013
幅运动特 征谱上的
Figure 286607DEST_PATH_IMAGE014
点，
Figure DEST_PATH_IMAGE015
，则根据运动特征谱的空间映射关系，换算得到该运动特征 孤立点对应的目标方位
Figure 758171DEST_PATH_IMAGE016
、距离
Figure DEST_PATH_IMAGE017
和径向速度
Figure 563054DEST_PATH_IMAGE018
，如下所示：
Figure DEST_PATH_IMAGE019
，
Figure 660323DEST_PATH_IMAGE020
，
Figure DEST_PATH_IMAGE021
其中，
Figure 368516DEST_PATH_IMAGE022
为每段数据采样点数，
Figure DEST_PATH_IMAGE023
为采样率，c为声速，
Figure 843271DEST_PATH_IMAGE024
为0Hz多普勒对应的频点索 引数，
Figure DEST_PATH_IMAGE025
为生成运动特征谱时的FFT点数，
Figure 417341DEST_PATH_IMAGE026
为主动声呐发射的单频信号中心频率。
CN202210370965.4A 2022-04-11 2022-04-11 一种主动声呐全景接触目标快速辨识方法 Active CN114460587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210370965.4A CN114460587B (zh) 2022-04-11 2022-04-11 一种主动声呐全景接触目标快速辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210370965.4A CN114460587B (zh) 2022-04-11 2022-04-11 一种主动声呐全景接触目标快速辨识方法

Publications (2)

Publication Number Publication Date
CN114460587A true CN114460587A (zh) 2022-05-10
CN114460587B CN114460587B (zh) 2022-07-19

Family

ID=81417813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210370965.4A Active CN114460587B (zh) 2022-04-11 2022-04-11 一种主动声呐全景接触目标快速辨识方法

Country Status (1)

Country Link
CN (1) CN114460587B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243302A (zh) * 2011-04-15 2011-11-16 东南大学 一种水声目标辐射噪声的线谱时间累积特征提取方法
US20140036631A1 (en) * 2012-08-02 2014-02-06 Nec Corporation Active sonar apparatus, active sonar signal processing method, and recording medium storing signal processing program thereof
CN103809170A (zh) * 2012-11-12 2014-05-21 中国科学院声学研究所 一种多普勒频偏修正方法及系统
CN105388481A (zh) * 2015-10-16 2016-03-09 哈尔滨工程大学 一种吊放式小目标探测声呐系统及探测方法
CN105445723A (zh) * 2015-12-22 2016-03-30 中国船舶重工集团公司第七一五研究所 一种基于背景噪声频谱起伏特性的宽带阵列信号处理方法
US20170082739A1 (en) * 2015-09-17 2017-03-23 Navico Holding As Adaptive beamformer for sonar imaging
US20180011190A1 (en) * 2016-07-05 2018-01-11 Navico Holding As High Ping Rate Sonar
CN111198374A (zh) * 2020-01-13 2020-05-26 哈尔滨工程大学 基于时空频联合干扰抑制的多普勒敏感信号动目标水声探测方法
CN113095113A (zh) * 2019-12-23 2021-07-09 中国科学院声学研究所 一种用于水下目标识别的小波线谱特征提取方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243302A (zh) * 2011-04-15 2011-11-16 东南大学 一种水声目标辐射噪声的线谱时间累积特征提取方法
US20140036631A1 (en) * 2012-08-02 2014-02-06 Nec Corporation Active sonar apparatus, active sonar signal processing method, and recording medium storing signal processing program thereof
CN103809170A (zh) * 2012-11-12 2014-05-21 中国科学院声学研究所 一种多普勒频偏修正方法及系统
US20170082739A1 (en) * 2015-09-17 2017-03-23 Navico Holding As Adaptive beamformer for sonar imaging
CN105388481A (zh) * 2015-10-16 2016-03-09 哈尔滨工程大学 一种吊放式小目标探测声呐系统及探测方法
CN105445723A (zh) * 2015-12-22 2016-03-30 中国船舶重工集团公司第七一五研究所 一种基于背景噪声频谱起伏特性的宽带阵列信号处理方法
US20180011190A1 (en) * 2016-07-05 2018-01-11 Navico Holding As High Ping Rate Sonar
CN113095113A (zh) * 2019-12-23 2021-07-09 中国科学院声学研究所 一种用于水下目标识别的小波线谱特征提取方法及系统
CN111198374A (zh) * 2020-01-13 2020-05-26 哈尔滨工程大学 基于时空频联合干扰抑制的多普勒敏感信号动目标水声探测方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
QINGCUI WANG ET AL.: "Underwater target recognition method based on multi-domain active sonar echo images", 《2021 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATIONS AND COMPUTING (ICSPCC)》 *
ROGER F. DWYER ET AL.: "Sequential Classification of Spherical Acoustic Objects in Motion", 《PROCEEDINGS OF OCEANS"94》 *
YUE LI ET AL.: "Target Detection and Target Type & Motion Classification: Comparison of Feature Extraction Algorithms", 《2014 AMERICAN CONTROL CONFERENCE》 *
向志军等: "ZOOMFFT频谱细化分析方法在声反馈抑制中的应用", 《电声技术》 *
张振华等: "基于Zoom-FFT频谱细化的水声目标螺旋桨轴数提取技术", 《指挥信息系统与技术》 *
强超超等: "水声目标识别技术现状与发展", 《指挥信息系统与技术》 *
方世良等: "水声目标特征分析与识别技术", 《中国科学院院刊》 *
邵鹏飞等: "基于序贯蒙特卡洛与概率假设密度滤波的主动分布式声纳多目标跟踪", 《兵工学报》 *

Also Published As

Publication number Publication date
CN114460587B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN109633598B (zh) 基于特征分析的阵列雷达目标检测方法
CN110658514B (zh) 一种水下静态目标的分类识别方法
WO2022166097A1 (zh) 一种侧扫声呐的水下目标多模式成像方法
CN107656255A (zh) 基于多径回波的超宽带雷达动目标二维定位方法
CN112255607B (zh) 一种海杂波的抑制方法
CN112098938B (zh) 一种基于六元锥矢量阵的水声目标降维匹配声场定位方法
CN106646466B (zh) 一种基于主成分分析的加权后向投影算法的成像方法
CN112987004A (zh) 一种浅海环境下基于水平阵列的水面水下目标分类方法
CN112987003A (zh) 主动声纳中的hfm信号分离方法及系统
CN107229040B (zh) 基于稀疏恢复空时谱估计的高频雷达目标检测方法
CN112198487A (zh) 一种风电场杂波背景下的目标检测方法
CN109061654A (zh) 一种深海环境下单圆环阵主动三维定位方法
CN111650591B (zh) 一种主动声纳宽带空间谱回波亮点增强及自动提取方法
CN113419238A (zh) 基于毫米波雷达的山体滑坡监测方法、电子设备、存储介质
CN114460587B (zh) 一种主动声呐全景接触目标快速辨识方法
CN111679248A (zh) 一种基于海底水平l型阵列的目标方位和距离联合稀疏重构定位方法
CN116520303A (zh) 一种基于自适应波束rdt的船载地波雷达目标检测方法
CN113138365B (zh) 一种基于深度学习的单矢量水听器方位估计方法
CN115032601A (zh) 一种基于空时联合滤波技术抑制图像序列中海杂波的航海雷达目标检测算法
CN110837085B (zh) 一种用于水底目标判别的波动指数计算方法
CN114638262B (zh) 基于时频二维特征学习的雷达对海杂波智能抑制方法
Lei et al. A TD-CF preprocessing method of FMCW radar for Dynamic Hand Gesture Recognition
CN113589300B (zh) 一种基于压缩感知的合成孔径声纳沉底目标成像增强方法
CN112835006A (zh) 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
Wang et al. Research on imaging methods of single-beam mechanical scanning sonar

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant