基于Costas信号的声呐目标探测特性分析
基于微波声纳的目标检测与跟踪技术研究
![基于微波声纳的目标检测与跟踪技术研究](https://img.taocdn.com/s3/m/b8ea6452fe00bed5b9f3f90f76c66137ee064f28.png)
基于微波声纳的目标检测与跟踪技术研究近年来,随着科技的不断发展,基于微波声纳的目标检测与跟踪技术已经成为研究的热点之一。
微波声纳技术以其不受光照、云雾等气候条件的限制,具有广泛的应用前景。
本文将针对基于微波声纳的目标检测与跟踪技术进行深入研究,探讨其技术原理、应用领域以及存在的挑战。
首先,我们来了解一下基于微波声纳的目标检测与跟踪技术的原理。
微波声纳技术通过发射微波信号,并接收目标物体反射回来的信号,利用信号的时间延迟和频谱特征来检测目标。
与传统的光学图像相比,微波声纳技术可以在较长距离内实现目标的准确检测,而且对于大气条件的影响较小,具有更好的鲁棒性。
基于微波声纳的目标检测与跟踪技术在许多领域都有着广泛的应用。
首先是军事领域,可以利用微波声纳技术实现对敌方目标的探测和跟踪,提供战场态势感知和战术指挥支持。
其次,在海洋领域,可以利用微波声纳技术实现对海洋生物、岩石、海底地貌等的探测和研究,为海洋资源勘探和海洋环境保护提供数据支持。
此外,基于微波声纳的目标检测与跟踪技术还可以应用于交通领域,用于车辆、行人等目标的识别和跟踪,提升交通管理的智能化水平。
然而,基于微波声纳的目标检测与跟踪技术也存在一些挑战。
首先是分辨率问题,由于微波信号的频率较低,目标的细节信息可能无法被完整地捕捉到,影响检测的准确性。
其次是复杂环境下的干扰问题,微波信号容易受到地形、大气等因素的干扰,可能导致目标的漏检或误检。
此外,目前基于微波声纳的目标检测与跟踪技术在实时性和精确性方面仍有待提高,需要进一步优化算法和硬件设备。
为了解决上述挑战,研究人员正在积极探索新的方法和技术。
首先,可以结合其他传感器技术,如红外传感器、摄像头等,提高目标检测与跟踪系统的综合性能。
其次,可以引入深度学习和机器学习等人工智能技术,通过模型训练和优化算法,提高目标检测与跟踪的准确性和实时性。
此外,还可以利用多波束技术,即利用多个发射和接收阵元,增加系统的分辨率和抗干扰能力。
信息论在声呐自动目标识别中的应用
![信息论在声呐自动目标识别中的应用](https://img.taocdn.com/s3/m/5ebf35c6da38376baf1faeef.png)
据维数与数据量 。
: :
图 1 A R流程图 T
图 1 说明了 A R系统的一般处理流程,该 T A R 系统综合 了多种理论 算法来分级降低数据 T 量。预处理器对整个图像进行 归一化处理。归一
的是 目标 ,哪些是虚警信号。融合继分类之后,
化过程虽不复杂,但因作用于每~象素,其计算 量不可低估。 检测器是 A R过程中主要负责降低 T 数据量的阶段 ,它作用于整个 图像。为了降低数
2 息论的应用 与可行性 分析 信
信 息论提供 了一种数学方法来分 析接收信 号 中所含 信 息 、 以及 信 道特 征对 信 号传 输 的影 响 。
45
维普资讯
楼 菊芳: 信息论在声呐 自 目标识别中的应用 动 信息论回答了通信理论中两大关键问题:一个随 机 变量 的晟 小表 示 是什 么和 一 个传 输信道 的最 大 数据率是多少。这两个问题分别由随机变量的熵 和信道输入输出问的最大互信息来解答I。熵 是 J J 随机变量的不确定性或信息含量 的度量:互信息 则是两个随机变量相关性的一种度量。 自 15 97 年 Jye 提出最大熵 ( x n)原则以来, ans MaE t 信息 论衍生 的性 能准 则开始用 于 自适应学习系统优 化 ,并逐步发展了几种基于信息论度量的训练 自 适应系统 的准则与结构。信息论学习法 ( L I ) T 就 是这样 的范例 ,它把 基 于信 息论 的性 能准 则应 用到了学习系统的 白 适应中。 2 1基于信息论的学习系统 . 21 .. 1通用 学 习系统 结 构 通用的学习系统结构如图 2 所示。 学习系统 或训练系统可看作一个函数映射 Y g W) 其 =( X, , 中x表示系统输入, Y表示系统输出, 表示训 w 练参数集 , D是可选 的外部信号,作为期望信 而 号 J于有 监督 学 习 。学 习系 统常 见有 神经 网络 与 { j 白 适席滤波器。训练此类 系统旨在有监督或无监 督方式下, 通过选取映射参数集 W 优化系统的某 些性能准则。最常见的有监督学习准则是使输 出 信号与某期望信号两者间的均方误差 ( E MS )最 道能力的映射参数 因此, 2的结构可应剧各种 信息论准则来实现系统优化。 21 .2基于信息论 的优化准则 . 虽然 MS E具有众所周知的计算优势, 适用于 许多理论与实践 问题。但在不少应J 中采用 MS 4 j E 所获得的结果并不是最佳 因为 MS E准则来源于 最大似然原理,它假设输 出数据分布由高斯函数 来描述 。因此 ,对 于不是高斯分布但具有相同均 值和方差 的真实分布就会带来误差,这种局限性 给多值 目标数据 的反演造成困难 ,实践证明对于 分类 问题 这 不是 最佳 方法 , 而这促使 采用其 它 J从
基于Costas信号的声呐目标探测特性分析
![基于Costas信号的声呐目标探测特性分析](https://img.taocdn.com/s3/m/8bcfd0fff61fb7360b4c6517.png)
水 声 工 程 响 @0 囿 @0 @ 锄@ 匡响 响@@ 6 , , ⑨凹 ⑨6 响
文 章编 号 :02 8 8 (0 0 0 - 0 0 0 10 — 6 4 2 1 )3 0 5 — 4
基于 C s s ot 信号的声呐 目标探测特性分析 a
谢 植 广 ,王 英 民 。 卢 治强 ,
【 关键词 】C s s ot 信号 ; a 模糊度 函数 ; Q函数 【 中图分类号 】T 5 B6 【 文献标识码 】A
An l ss o t ci e P r o m a c f S n r Ta g t Ba e n Co t s S g a a y i f De e t e f r n e o o a r e s d o sa in l v
模 糊 度 函数 和 Q 函数 , C s s 号 的 分 辨 特 性 、 混 响 能力 等 性 能 进 行 了仿 真 分 析 , 和 C 信 号 、F 信 号 进 对 ot 信 a 抗 并 W LM
行 了 比较 , 到 了 一些 有 益 的结 论 , 后 对 C s s 号 在 小 目标 探 测 声 呐 中 的应 用 进 行 了探 讨 。 得 最 ot 信 a
XI h - u n E Z i g a g ,W ANG Yi g mi 。 L h - in 2 n - n , U Z i q a g
( . o e e o M r e otw s r o t h ia U i ri ,X n 7 0 7 ,C ia 1 C l g f a n ,N r et n P l e ncl nv s y i 1 0 2 hn ; l i h e yc e t a
( .西 北 工 业 大 学 航 海 学 院 ,陕 西 西安 7 0 7 ;2 1 8 部 队 ,广 东 湛 江 1 1 0 2 .9 3 8 542 ) 2 02
基于Costas编码跳频雷达信号分析及成像研究
![基于Costas编码跳频雷达信号分析及成像研究](https://img.taocdn.com/s3/m/8de74dd8a58da0116c1749ce.png)
Signal analysis and ISAR imaging of frequency hopped radar based on Costas coded array
LUO Xian2quan , SHANG Chao2xuan , HE Qiang
( Dept . of Optical and Electrical Engineering of OEC , Shijiazhuang 050003 , China)
∫
- ∞
3 ) ×exp ( j2 π ξ s ( t ) s ( t + τ t) d t
∞
( 2)
图2 顺序步进编码三维模糊图 Fig. 2 Trididimensional ambiguity figure of the stepped frequቤተ መጻሕፍቲ ባይዱncy coding
3 式中 :τ是时延 ;ξ为多普勒频移 ; s ( t ) 是 s ( t ) 的共 轭函数 。将 ( 1) 式代入 ( 2) 式并经过处理得 :
0 引言
Costas 阵列是由 J . P. Costas 在 1966 年提出来
的 ,理论和事实证明 ,在雷达和声纳系统中采用 Cos2
tas 阵列编码可以准确地确定目标的距离和背离的
跳频雷达是一种重要的高分辨力雷达 ,它通过发 射一系列具有一定编码规律的载频脉冲串 ,再对目标 回波进行相关的信号处理实现雷达目标的高分辨力成 像。和其他超宽带雷达相比 ,它具有瞬时带宽窄 ,对接 收前端 AΠ D 采样率要求低 ,在工程上容易实现的优点 , 因此得到了广泛的应用。常用的跳频宽带雷达是频率 [326] 顺序步进雷达 ,目前已有系统投入使用。频率步进 雷达的不足之处在于发射脉冲串周期较长、 数据率较 [7] 低、 对运动目标敏感 ,同时存在距离 - 速度耦合 。而 采用 Costas 阵列编码脉冲的跳频雷达却可以解决这个 问题 ,因为 Costas 阵列具有理想的图钉型模糊函数 ,可 以消除距离 - 速度耦合。
基于反射对称性的极化SAR舰船目标CFAR检测
![基于反射对称性的极化SAR舰船目标CFAR检测](https://img.taocdn.com/s3/m/578f8448302b3169a45177232f60ddccda38e620.png)
基于反射对称性的极化SAR舰船目标CFAR检测牛敏;王肖洋;高贵【摘要】Reflection symmetry is a very importance property in polarization scattering. The correlation between the co⁃pola⁃rization channel and cross⁃polarization channel is described by reflection symmetry detection,it has important application in po⁃larization synthetic apertureradar(PolSAR)target detection. Based on complex Wishart distribution and combined with product model,it is inferred that the statistic model of the reflection symmetry detection quantity obeys K⁃distribution. The measured da⁃ta verified that good fitting effect of the clutter data is achieved by using the proposed model. Ship target detection is implemen⁃ted by the method of constant false alarm rate(CFAR)based on K⁃distribution model,and the experiment results verify the effi⁃ciency of the proposed detection.%反射对称性是极化散射中十分重要的一种性质。
costas编码序列
![costas编码序列](https://img.taocdn.com/s3/m/f0e2b54817fc700abb68a98271fe910ef02dae72.png)
costas编码序列Costas编码序列是一种特殊的二进制序列,它在通信系统和雷达系统中具有重要的应用。
在本文中,我将介绍Costas编码序列的定义和特性,以及它在通信和雷达中的应用。
Costas编码序列是一种具有特定的自相关函数的序列,被用于同步和调制解调的目的。
它的自相关函数有且仅有一个峰值,且除去峰值点外的其他自相关值都为零。
这使得Costas编码序列能够提供可靠的同步信号,并且能够抵抗多径传播等干扰。
Costas编码序列的生成方法可以通过高阶差分方程来实现。
在二进制序列中,每个元素的值只能是0或1。
当某个元素的值为1时,下一个元素的值由一定的逻辑规则决定。
这种逻辑规则可以通过表达式或状态转移图来表示。
通过逐步计算,我们可以得到Costas编码序列。
Costas编码序列的特性使得它在通信领域和雷达领域有广泛的应用。
首先,在通信系统中,Costas编码序列被用于同步信号的生成和检测。
同步信号可以确保发送的数据准确无误地到达接收端,从而提高通信系统的可靠性和鲁棒性。
其次,在雷达系统中,Costas编码序列被用于脉冲压缩的范畴内,通过压缩脉冲信号的宽度,提高雷达系统的分辨率和目标探测能力。
在通信系统中,Costas编码序列通常与调制解调器一起使用。
调制解调器可以将信息信号转化为适合传输的信号,并在接收端将其解码成原始信息。
Costas编码序列可以确保调制解调器在发送和接收过程中的同步性,提高调制解调的准确性和可靠性。
此外,Costas编码序列还可以用于码分多址技术中的扩频序列的生成和检测。
在雷达系统中,Costas编码序列主要用于脉冲压缩和距离测量。
脉冲压缩可以通过压缩脉冲信号的宽度来提高雷达系统的分辨率。
Costas编码序列可以生成具有高度自相关性的脉冲信号,从而实现更精确的脉冲压缩。
此外,Costas编码序列还可以用于测量目标与雷达系统之间的距离,通过测量脉冲信号的到达时间差来计算目标的距离。
基于SAPSO算法的多基地声纳水下目标初始位置估计
![基于SAPSO算法的多基地声纳水下目标初始位置估计](https://img.taocdn.com/s3/m/c27ce79219e8b8f67d1cb971.png)
dT
sin(T ) dx rT
cos(T ) dy rT
(7)
dR
- sin R r rT
dx
cosR r rT
dy
(8)
将式(5),(6),(7),(8)写成矩阵的形式得dV CbdX(9) 其中
dX
dx
dy
cos(T )
二、多基地声纳跟踪系统量测精度 1.多基地声呐定位系统模型 图 1 表示 T/R-R 型多基地声呐系统的定位几何关系,其 中,S 为目标,T/R 为发射站。R 为接收机,系统定位模型 采用直角坐标系。多基地声呐系统可以得到 4 个观测量,分
别为系统发射端到目标的距离 rT ,系统发射端到目标的距离 rT 与系统接收端到目标距离 rR 之和 r ,系统发射端测得的 目标方位角T ,以及系统接收端测得的目标方位角R ,可
定位误差 GDOPR =
2 x
2 y
tr(Pdx )
(12)
角度误仿差真过程R 中=假设T =距2离 ,误xT差0rT
0.1m ,r
,yT 0 ,xR
0.1m,
200m ,
yR 0 。仿真结果如下图所示,图 2 为定位精度几何解释
的伪彩图。
图 2 双基地声纳量测精度伪彩图
收稿日期:2018-10-19 作者简介:黄胜券(1994-),男,浙江海洋大学在读硕士研究生。
92
中国水运
第 19 卷
利用伪逆法得到估计误差
dX (CbTCb )1CbT dV 定位误差的协方差矩阵
(10)
Pdbx E[dXdXT ] (CbTCb)1CbTE[dVdVT ]((CbTCb)1CbT )T(11)
MIMO声呐目标检测性能分析
![MIMO声呐目标检测性能分析](https://img.taocdn.com/s3/m/1c3c11ee9b89680203d825ab.png)
关键 词 : 多输 入 多输 出;接 收机 工作特 性 ;多基 地 声呐
中图分 类 号 : T 5 6 B 6 文献标 识 码 : A d i1 . 4 4 ji n 1 7 — 6 9 2 l . 3 0 3 o :0 3 0 /.s . 6 2 7 4 . 0 2 0 . 2 s 文章 编 号 : 17 - 69 2 1 )3 00 — 5 6 2 7 4 ( 0 2 0 - 1 2 0
M I O s n r wih p l e a c m u a i n c n g t t e s me p r o ma c s t ha e a r y s n r Pe o ma c s M o a t u s c u l to a e h a e r n e a he p s r a o a . r r n e f f
。
( =l YI 。卢。厂卢。d YI ) , _ E H H )( )
J
() 1
过 理论 分析 分别 给 出 了并 列 式 和分 布 式 MI MO声 呐 目标 检测 概 率接 收 机工 作 特 性 ( O 曲线 的计算 公 R C)
式 , 同时 比较 了几 种形 式 的声 呐 系统在 不 同信 噪 比下 的 目标检 测 性能 。
s n r a d diti u e I O o a . p e so s o o a n srb td M M s n r Ex r s i n f ROC u v s u h a h s ra o a , I 0 o a n c r e s c s p a e a ry s n r S M s n ra d
系列 优异 特性 成 为 当前研 究 的热 点 。 。MI 。 。 MO声 呐在军 事 、 民用 等 领域 具 有 广 泛 的应 用 前 景 , 未来 为 声 呐技 术 的发展 提供 了新 的思路 。水声 理论 的 发展 、
舰船反潜声呐信号特征提取算法研究
![舰船反潜声呐信号特征提取算法研究](https://img.taocdn.com/s3/m/dff2cd42bfd5b9f3f90f76c66137ee06eef94e7b.png)
舰船反潜声呐信号特征提取算法研究随着国家经济的快速发展,中国在海洋事务中的重要性日益显著。
海洋争端的矛盾突飞猛进,我国的海洋权益面临着严峻的威胁。
而对于军事领域而言,舰艇作为海军装备的主力,其反潜的水平与能力显得尤为重要。
而声呐作为反潜系统中的重要组成部分,其信号特征提取算法对于反潜战争的胜败具有至关重要的意义。
因此,本文将探讨舰船反潜声呐信号特征提取算法。
一、声呐原理声呐是一种利用水声进行探测和定位的装备。
一般而言, 舰船反潜系统是由主动和被动两个系统组成。
主动系统主要是由声源和接收设备组成,声源发出信号后经过海水传输到目标物表面被反射回来,接受目标回波, 通过信号处理方法便可得出目标信息。
被动系统是利用海水传导声波的特性,借助船艏和机侧两侧各装置一种接收同相器的听音器和声纳式电磁选频器,接受到来自目标的信号, 通过波束合成、空域滤波和信号处理来达到定位和判断目标距离的目的。
二、声呐信号特征提取算法的研究现状目前,国内外对于声呐信号特征提取算法的研究主要集中在以下几点:1. 信号预处理声呐探测主要依赖于船下发射和接收的声波,但是这些信号容易受到海洋环境的影响,如海底地形、水温、水深、海水颗粒大小等因素的影响。
因此,研究者们主要对不同水下环境的声呐信号进行预处理,如滤波、增益控制、归一化等方法来提高信号质量。
2. 目标检测与分类目标检测与分类是声呐信号处理中最重要的一环,也是最复杂的一环。
研究者们在这方面主要运用基于统计特征的方法,如自动相关、功率谱和相关函数等,实现声呐信号分析和识别。
3. 编码识别技术编码技术在舰船反潜系统中起到非常关键的作用,其主要目的是减少信道噪声对信号的影响,使得信号可以更加准确地识别和反演目标。
目前,研究者们主要采用多波形、复杂序列以及Adaptive Pulse Compression等编码方法进行研究。
4. 目标匹配与跟踪目标匹配与跟踪是声呐信号处理中的另外一个重要环节。
基于信号分解的海面微弱目标探测
![基于信号分解的海面微弱目标探测](https://img.taocdn.com/s3/m/e36f446aa36925c52cc58bd63186bceb19e8edb9.png)
电子质量2020年第11期(总第404期)作者简介院何江恒(1992-),男,硕士,助理工程师,研究方向为雷达组网、不明空情识别和海面目标探测。
基于信号分解的海面微弱目标探测Weak Target Detection in Sea Clutter Via Signal Decomposition何江恒,耿明,宁晓峰(中国电子科技集团公司第二十八研究所,江苏南京210007)He Jiang-heng,Geng Ming,Ning Xiao-feng (The 28th Research Institute of China Electronics Technology Group Corporation,Jiangsu Nanjing 210007)摘要:海面小目标的探测对于船舶、港口、海上钻井平台等的安全至关重要,然而由于海杂波具有非高斯、非线性和非平稳特性,导致雷达对于海面小目标的探测变得十分困难,为了有效地抑制海杂波,基于对海杂波特性以及目标特性的分析,该文提出了一种基于形态分量分析(Morphological component analysis,MCA)的方法来分离这两种不同的信号分量,MCA 方法性能的好坏依赖于变换域的选择,该文利用相参积累后目标的稀疏性,从海杂波中有效地提取了目标信号。
最后,利用实测数据验证了该方法的有效性。
实验结果表明,该方法能有效抑制海杂波,提高雷达对海面小目标的检测性能。
关键词:海杂波;形态分量分析;稀疏性中图分类号:TN957.51文献标识码:A文章编号:1003-0107(2020)11-0148-05Abstract:Detection of a small target on the sea surface is very important for the security of drilling platform,ships,and port,etc.Due to the complex characteristics of sea clutter,such as non-Gaussian and non-stationary characteristics,radars can diffificultly detect weak,small targets on the sea surface.In order to suppress a sea clutter,based on the analysis of the sea clutter and target characteristic,this paper presents a method for separation of these two different backscatter signals by using the Morphological component analysis (MCA).A good performance of the MCA relies on the sparsity of different components in different transform domains.Thus,the target signal can be extracted from a sea clutter by using the target sparsity after the coherent integration.The proposed method is evaluated by the sea echo with the weak simulated target and real data.The obtained results show that the proposed method can effectively suppress the sea clutter and improve the performance of the weak target detection.Key words:Sea clutter;Morphological component analysis;sparsity CLC number:TN957.51Document code:AArticle ID :1003-0107(2020)11-0148-050前言由于海面是动态的,其散射特性十分复杂[1]。
cots技术在声呐装备中的应用
![cots技术在声呐装备中的应用](https://img.taocdn.com/s3/m/f1727d2053ea551810a6f524ccbff121dd36c5cb.png)
cots技术在声呐装备中的应用
COTS技术即商用离散元件技术,已经广泛应用于声呐装备中。
声呐技术是利用声波在水中传播的原理来获取目标信息的一种探测技术,常见应用于海洋、水下航行和水下资源勘探等领域。
COTS技术的应用使得声呐装备的研发、制造成本大幅降低,同时也提高了声呐系统的可靠性和性能。
例如,COTS芯片可以用来实现数
字信号处理,加速信号处理过程,提高声呐系统的响应速度和分辨率。
另外,COTS元件技术也可应用于声呐阵列中,通过阵列信号处理可以
实现波束形成、目标跟踪等功能。
除此之外,COTS技术还可应用于声呐装备的通信和控制系统中。
例如,COTS的微处理器可以用于控制声呐系统的整体运行逻辑,完成
信号的调度和控制。
与此同时,COTS的网络通信技术也可以被用于实
现声呐系统和其他水下设备的信息传输和共享。
总之,COTS技术在声呐装备中的应用已成为现代声呐技术中不可或缺的一部分。
它不仅提高了声呐系统的性能和可靠性,同时也为声
呐技术的研发和应用带来了更广阔的发展前景。
基于声呐信号处理的水下目标检测算法研究
![基于声呐信号处理的水下目标检测算法研究](https://img.taocdn.com/s3/m/9c7c61d6846a561252d380eb6294dd88d0d23dca.png)
基于声呐信号处理的水下目标检测算法研究第一章:绪论水下目标检测一直以来是海洋领域中的一个重要问题。
随着现代声呐技术和计算机技术的快速发展,声呐信号成为水下目标探测的主要手段之一。
而声呐信号的处理成为水下目标检测中的关键技术之一。
本文针对这一问题,对基于声呐信号处理的水下目标检测算法进行研究和探讨。
第二章:声呐信号处理技术2.1 声呐系统声呐系统是水下目标探测的基础,它主要由发射、接收、信号处理等三个组成部分构成。
本文重点介绍声呐信号处理的相关技术。
2.2 信号分析声呐信号的复杂性使得对信号的分析必不可少。
本章节介绍常用的信号分析方法,如时域分析、频域分析、小波分析等。
2.3 去噪处理在声呐信号处理中,噪声是影响探测结果的重要因素之一。
本章节介绍去噪处理的相关方法,如中值滤波、小波去噪、卡尔曼滤波等。
2.4 特征提取特征提取是水下目标检测中的重要问题之一。
本章节介绍常用的特征提取方法,如小波变换、小波包变换、离散余弦变换等。
第三章:水下目标检测算法3.1 基于相关性的目标检测算法基于相关性的目标检测算法是最早被研究和应用的一类算法。
本章节介绍基于相关性的水下目标检测方法。
3.2 基于统计学的目标检测算法基于统计学的目标检测算法具有很高的鲁棒性和准确性。
本章节介绍基于统计学的水下目标检测方法,如贝叶斯检测,最小二乘法检测等。
3.3 基于机器学习的目标检测算法机器学习在水下目标检测中得到了广泛的应用。
本章节介绍基于机器学习的水下目标检测方法,如支持向量机、人工神经网络等。
第四章:水下目标检测实验本章节将介绍本文所开展的水下目标检测实验。
实验选用深海胶州湾为实验场景,利用声呐信号采集装置进行采集,并应用前述算法进行目标检测和实验结果分析。
第五章:结论与展望本文研究了基于声呐信号处理的水下目标检测算法。
主要包括声呐信号处理技术、目标检测算法以及针对实际场景所进行的实验分析。
通过对实验结果的分析,本文得出了一些结论并给出了进一步研究的展望。
基于 Costas 编码脉冲串的低截获声呐波形设计方法
![基于 Costas 编码脉冲串的低截获声呐波形设计方法](https://img.taocdn.com/s3/m/075f46ccc0c708a1284ac850ad02de80d4d80605.png)
基于 Costas 编码脉冲串的低截获声呐波形设计方法
冯西安;张杨梅;苏建军
【期刊名称】《西北工业大学学报》
【年(卷),期】2014(000)006
【摘要】针对声呐低截获波形设计,提出了一种基于有限域理论的Costas编码脉冲串跳频信号构建方法。
该方法根据整数集合生成有限域的充分性定理和有限域中本原元的存在性定理,在给定素数p的条件下,构造了包含p个元素的有限域,
给出了该有限域中本原元的求解方法以及递推公式,该方法可以通过大数值模除运算来构造高阶次Costas阵列。
实验结果表明,基于有限域理论的Costas编码脉
冲串跳频信号具有较小的非循环互相关系数和“图钉”状的模糊度函数,具有好的多普勒频率分辨率和时延分辨率,对于低截获声呐设计具有重要的实用价值。
【总页数】6页(P882-887)
【作者】冯西安;张杨梅;苏建军
【作者单位】西北工业大学航海学院,陕西西安710072;西北工业大学航海学院,陕西西安 710072;91388部队,广东湛江 524022
【正文语种】中文
【中图分类】U666.7
【相关文献】
1.M-COSTAS复合编码连续主动声呐信号研究 [J], 吴迪;周泽民;曾新吾
2.LFM-频率编码复合低截获波形信号处理方法 [J], 罗美方;郝志梅;王强
3.一种抗转发式干扰的低截获波形优化设计方法 [J], 顾兵
4.基于复合频率编码的低截获概率波形簇设计 [J], 郝志梅;孙进平;罗美方
5.一种实现低距离旁瓣的四相编码脉冲压缩波形及其处理技术 [J], 张润宁;陈广飞因版权原因,仅展示原文概要,查看原文内容请购买。
基于统计量的声呐图像目标检测算法
![基于统计量的声呐图像目标检测算法](https://img.taocdn.com/s3/m/0c2f3e74a55177232f60ddccda38376baf1fe070.png)
基于统计量的声呐图像目标检测算法
田晓东;刘忠
【期刊名称】《舰船科学技术》
【年(卷),期】2007(029)001
【摘要】水下声呐图像目标检测问题是一项重要而困难的工作,采用滑动窗计算图像中各像素点处邻域像素灰度的统计量,利用最大熵图像分割算法确定检测阈值,并利用均值、标准差、偏态和峰度等统计量对算法进行了仿真验证,对声呐图像中的目标回波区和阴影区域均可实现较好的检测效果.结果表明,该方法具有原理简单、运算效率高、实时性好等特点,具有较强的工程应用价值.
【总页数】4页(P119-122)
【作者】田晓东;刘忠
【作者单位】海军工程大学,湖北,武汉,430033;海军工程大学,湖北,武汉,430033【正文语种】中文
【中图分类】U6;TP3
【相关文献】
1.基于几何特征的声呐图像人造目标检测算法 [J], 邹岗;田晓东;刘忠
2.一种基于Hough变换的声呐对目标航迹检测算法研究 [J], 王尚斌;赵俊渭;张艳萍;白银生;陈华伟
3.基于积分图像的快速ACCA-CFAR SAR图像目标检测算法 [J], 顾丹丹;许小剑
4.基于灰度分布模型的声呐图像目标检测算法 [J], 田晓东;刘忠
5.基于可见光图像和红外图像决策级融合的目标检测算法 [J], 白玉;侯志强;刘晓义;马素刚;余旺盛;蒲磊
因版权原因,仅展示原文概要,查看原文内容请购买。
susan算子角点提取在船舶舷号定位中的应用
![susan算子角点提取在船舶舷号定位中的应用](https://img.taocdn.com/s3/m/9691a10fabea998fcc22bcd126fff705cc175c2a.png)
susan算子角点提取在船舶舷号定位中的应用近年来,船舶安全系统一直是国际航运交通安全的重要课题。
随着科学技术的发展,船舶安全系统也在不断进步。
在船舶安全的技术方面,an算子角点提取技术在船舶舷号定位方面的应用显得越发重要,其在船舶安全系统中的作用越发明显。
an算子角点提取技术是一种基于模板匹配的有效角点检测算法,可以有效检测复杂图像中的角点,具有较高的适应性和精确度。
an算子角点提取技术不仅可以检测复杂图像中的角点,而且还能够定位出角点位置,从而提高定位精度。
在船舶舷号定位中,an算子角点提取技术可以有效帮助船舶安全系统进行装配检测,以便在船舶的安全检查过程中对舷号进行精准定位。
目前,一些国家已经开始使用an算子角点提取技术,来帮助政府审核船舶舷号,以确保船舶舷号安全。
另外,an算子角点提取技术还可以提供船舶安全系统定位目标的能力。
它可以实时定位指定位置的船只,从而更有效地提高船舶的安全性。
在船舶舷号定位方面,an算子角点提取技术可以提高船舶定位的准确度,减少定位错误的机率,更好地检测出船只的实时位置,从而大大提高了船舶安全系统的性能。
随着科学技术的发展,an算子角点提取技术在船舶舷号定位领域中的应用也日益重要,可以帮助船舶安全系统进行精准定位,从而大大提高了船舶安全性能。
然而,随着技术发展,许多不确定性和漏洞仍然存在,这些不确定性和漏洞关乎到船舶安全。
因此,如何更好地利用an算子角点提取技术,以便更有效地进行船舶安全,还需要更多的研究。
综上所述,an算子角点提取技术在船舶舷号定位方面的应用正变得越来越重要,它可以有效帮助船舶安全系统进行定位,更好地保障船舶的安全。
同时,还需要继续深入研究,以便更好地利用an算子角点提取技术,来实现船舶安全系统的有效性。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
归一化幅度
归一化幅度
-3
-2
-1
0
距离 /m
1
2
3
4
图6
5 0 / (m· s -1) -50 -5 0
距 离/
Costas 信号模糊度侧面图
m
Costas 信号对速度很敏感 , 由于匹配滤波器对频
移没有适应性 , 当探测目标存在较大的速度时 , 匹配滤 波器输出峰值会迅速下降 , 难以起到探测的作用 , 如图
1 1 1 1 1 1
式中 ,c 为水中声速 , 一般 c=1 500 m/s 。
1
3.2
仿真分析
多普勒频移
1 1 1 1 8 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3 4 5
CW 信号和 LFM 信号的模糊度函数表达式参考有
(6 )
aj i=1 i=2 i=3 i=4 i=5
2 4 1 6 5 3
6 -3 2 1
3 5 4 2
8
7
5
1 3
4
由式 (5 )~ (6 ) 可见 ,Costas 信号的模糊度函数实际 上是由子脉冲为 CW 信号的模糊度函数经时延和频移 加权叠加而成 。 时延 、 频移分别和距离分辨力 、 径向速度分辨力相 对应 , 即
【Key words 】 Costas Signal ; ambiguity function ; Q function
1
引言
信号波形是主动声呐设计中的主要组成部分 , 直
应用还很少。 笔者利用模糊度函数和 Q 函数 , 对 Costas 信号在声呐中的探测特性进行了仿真分析 。 模糊度函 数是信号回波通过匹配滤波器后的全景输出 , 通过研 究模糊度函数能了解信号的模糊特 性 、 分辨力和抗干 扰能力 。 Q 函数则能从一定程度上表征信号避开混响 的能力 。 分析过程中和 CW 信号 、LFM 信号进行了比 较 。 最后探讨了 Costas 信号应用于小目标探测声呐的 可行性 。
ψ(τ ,ξ )=
-j2π (c -1 )△fτ j2π[ξ- (c -c )△f]nT 1 · e e Σ Σ NT n=1 m=1
m m n r
N
N
χCW[τ-(m-n)Tr,ξ-(cm-cn)△f]
式中 ,
jπξ(T- τ )
2
(5 )
χCW(τ,ξ)=e
·sin[πξ(T- τ )] (T- τ ) πξ(T- τ )
的旁瓣较高 , 越远离主峰旁瓣越低 ; 而 Costas 信号的旁
2010 年 第 34 卷 第 03 期
讂 輯 輩
Underwater Acoustic Engineering
瓣相对较低且远离主峰 。
1.0 0.8 0.6 0.4 0.2 0 50
速度
水声工程
0 / (m· s -1)
5 0 -50 -5
2. No.91388 Army Unit of PLA , Zhanjiang Guangdong 524022 , China )
【Abstract】 Costas signal ,
whose ambiguity function is close to ideal thumbtack shape ,
has high time-frequency
resolution , but it is rarely used in sonar system. Resolution and anti-reverberation performance of Costas signal are analyzed using ambiguity function and Q function , and are compared with those of CW signal and LFM signal , then some conclusions are drawn. Finally , application of Costas signal in small target detection is discussed.
-4 -3 -2 -1 0 1
6 7
CW 信号相对较窄的带宽 , 而 CW 信号的带宽约为 脉
宽的倒数 。 CW 信号的距离分辨力和速度分辨力是根 本矛盾的 , 减小脉宽 , 距离分辨力会增 高 , 相应的速度 分辨力则降低 , 反之亦然 。 LFM 信号可达到距离 - 速度 二维高分辨 , 但存在耦合现象 , 当目标距离和速度均未 知时 , 容易测不准 , 测量误差很大 , 如图 3 所示 。 Costas 信号的模糊度函数接近理想图钉状 , 具有很高的距离 速度二维分辨力 , 如图 4 所示 。 信号自相关函数图如图 5 所示 。 可以看出 ,CW 信 号的测距性能最差 ; 带宽相同的情况下 ,Costas 信号和
速度 / (m · s-1)
自相关函数相当于模糊度函数速度为零截面 。 对 于速度不为零截面 ,Costas 信号的旁瓣相对较高 , 如图
6 所示 。
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -4
(b ) CW 信号模糊度图
图2
CW 信号模糊度函数
1.0 0.8 0.6 0.4 0.2 0 50
距离
/m
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -5 -4 -3 -2 -1
归一化幅度
归一化幅度
CW 信 号 LFM 信 号 Costas 信 号
0
1
2
3
4
5
时延 / (10-3 s )
(a ) CW 信号模糊度函数
图5
信号自相关函数
20 15 5 0 -5 -10 -15 -20 -25 -2 0 距离 /m 2
G
Di,j=ai+j-aj,
i+j≤NFra bibliotek(4 )
式中 ,rect ( · ) 为矩形函数 ;T 为子脉冲宽度 ;cn 为 Costas 编码序列 ;△f 为单位调频量 , 一般取 △f=1/T 。
3
3.1
Costas 信号波形分析
Costas 信号的模糊度函数
把 Costas 信号的数学模型代入模糊度函数表达式[2]
2
Costas 信 号
Costas 信 号 [1] 是 一 种 载 频 按 Costas 编 码 变 化 的 时
频跳变信号 ,其数学表达式为
s(t)=
1 姨N
N
Σs (t-(n-1)T )e
1 r n=1
j2πfnt
(1 )
式 中 ,Tr 为 子 脉 冲 重 复 周 期 ,N 为 子 脉 冲 个 数 ,s1 为 子 脉冲 ,fn 为第 n 个子脉冲的发射频率 。 子脉冲复包络可 表示为
时延 (d ) 旁瓣矩阵
图1
Costas 信号原理示意图 (N=8 )
Costas 信 号 作 为 一 种 离 散 频 率 编 码 调 制 方 式 , 其
设计特点可用图 1 进行解释 。 图 1 (a ) 和 (b ) 称为频率 编 码 矩 阵 , 时 间 t 的 间 隔 为 T r , 频 率 f 的 间 隔 为 △f ; 时 频单元中的 “1 ” 代表在时间段 mTr 中存在频率 n△f 。 频 率编码矩阵反映了信号随时间 、 频率变化的方式 , 如图
Underwater Acoustic Engineering
文章编号 :1002-8684 (2010 )03-0050-04
水声工程
基于 Costas 信号的声呐目标探测特性分析
谢植广 1, 王英民 1, 卢治强 (1. 西北工业大学 【摘 航海学院 , 陕西
2
论文 · ·
西安 710072 ; 2. 91388 部队 , 广东
Analysis of Detective Performance of Sonar Target Based on Costas Signal XIE Zhi-guang1, WANG Ying-min1, LU Zhi-qiang2
(1. College of Marine , Northwestern Polytechnical University , Xi′an 710072 , China ;
接影响声呐系统对目标的分辨性能 、 抗干 扰能力和抗 混响能力 , 对抗多途起伏也有很 大影响 。 传统的主动 声呐波形主要有 CW 信号和 LFM 信号等 , 这些信号各 有优点 。 如 , 长 CW 信号较窄的 带宽使其对高速目标 有较好的探测性能 , 而且实现简单 ;LFM 信号是一种 脉冲压缩信号, 能很好地实现距离和速度二维高分 辨 ,其 较 大 的 带 宽 分 散 了 混 响 的 谱 级 ,对 低 速 目 标 有 很好的探测性能 。 然而 , 这些信号也各有缺点 , 如 CW 信号的距离分辨力和速度分辨力不可兼得 , 提 高了一 维的分辨力 , 另一维的分辨力必定降 低 ;LFM 信号存 在距离 - 速度二维耦合现象 , 测量误 差大 , 而且距离旁 瓣较高 , 容易造成自身干扰 。 近年来 , 海战主战场逐渐 转 向 浅 海 ,声 呐 使 用 环 境 更 加 复 杂 ,常 用 波 形 难 以 满 足使用要求 。 在这种情况下 , 一些复杂信号 ( 相对于传 统信号 )、 复合信号正日益受到人们的关注 。
-1 -2 -4 -3 -6 -1 -7 -3
-1 -2 -4 -5 1
i=6 -1 -2 i=7 2
(c ) 差分矩阵
△R=± 1 c τ 2 △v=± 1 c ξ /f0 2
1 1