水声目标识别技术的现状与发展
水声探测技术的未来发展趋势研究
水声探测技术的未来发展趋势研究在人类探索海洋的征程中，水声探测技术一直扮演着至关重要的角色。
从早期简单的声纳设备到如今高度复杂和精密的系统，水声探测技术不断演进，为我们揭开海洋深处的神秘面纱。
那么，未来的水声探测技术又将朝着哪些方向发展呢？首先，多基地和分布式水声探测系统有望得到更广泛的应用。
传统的单基地水声探测系统存在探测范围有限、易受干扰等问题。
而多基地和分布式系统通过在不同位置布置多个传感器节点，可以实现对更大范围的有效监测。
这些节点相互协作，能够获取更全面、更准确的目标信息。
例如，在广阔的海洋区域进行水下目标的搜索与跟踪时，多基地和分布式系统能够通过多个角度的探测数据融合，大大提高探测的精度和可靠性。
其次，随着材料科学的不断进步，新型水声材料的研发将为水声探测技术带来新的突破。
高性能的声学换能材料能够提高声信号的发射和接收效率，从而增强探测系统的性能。
比如，具有更高压电性能的陶瓷材料以及更轻质、高强度的复合材料，将使得水声传感器更加灵敏和耐用。
同时，声学超材料的出现也为水声探测带来了新的可能性。
声学超材料具有独特的声学特性，可以实现对声波的灵活调控，如声波的聚焦、散射和隐身等，这将有助于提高探测系统的抗干扰能力和目标识别能力。
再者，智能化和自主化将成为水声探测技术发展的重要趋势。
未来的水声探测系统将具备更强的自主决策和自适应能力。
通过搭载先进的算法和人工智能技术，系统能够自动分析和处理大量的水声数据，实时识别目标特征，并根据环境变化调整探测策略。
例如，在复杂的海洋环境中，系统能够自动选择最优的工作频率和信号模式，以适应不同的传播条件。
此外，智能化的水声探测系统还能够与其他海洋监测设备和平台进行高效的协同工作，实现信息的共享和融合，从而构建更加全面和精准的海洋监测网络。
另外，高分辨率和高精度的水声成像技术也将取得显著进展。
当前的水声成像技术在分辨率和清晰度方面仍存在一定的局限性，限制了对目标细节的准确把握。
水声技术杨坤德等深海声传播信道和目标被动定位研究现状
水声技术▏杨坤德等：深海声传播信道和目标被动定位研究现状冷战结束之后，国际水声界的理论和实验研究偏重于浅海，国内水声界的工作也主要集中在我国周边近海的大陆架浅海环境。
但是最近十几年，为了争夺海洋资源，国际上的“蓝色圈地”运动深入深海。
我国海洋科技特别是深海领域起步较晚，与发达国家相比，在装备和技术体系的建设方面存在巨大差距。
《“十三五”海洋领域科技创新专项规划》将深海探测技术研究列为重点任务之一，深海环境中的目标远程探测已经成为当前的研究热点。
研究基于水声传播物理特征的信号处理技术是推动水声装备进一步创新发展的重要途径。
只有将海洋环境复杂性考虑在内，新型声呐才有可能达到最优的技术性能。
从这个角度来说，深海声呐技术取得跨越式发展的重要途径之一，在于对深海环境水声传播特性的深入挖掘。
总而言之，水声物理模型、信号处理技术与海洋环境紧密结合是水声技术发展的必然趋势。
一、深海声传播信道深海最大的特点是其独有的海洋分层现象及其产生的不同声传播模式，这些声传播模式与声呐的工作原理密切相关。
图1为低纬度地区一个典型深海声速剖面下声传播路径示意图。
声速剖面为典型的3层结构：表面等温层（形成表面波导）、温跃层和深海等温层。
在深海等温层，当某深度上的声速与海面声速相同时，该深度称为临界深度。
声线由表面波导底部出射，出射角度为0º～5º，传播路径如图1中所示。
下面分析每种深海信道及其在目标探测中的应用。
图1 低纬度地区典型深海声速剖面下声传播路径示意图⒈表面波导表面波导是由海洋表面等温层导致声速剖面微弱正梯度形成的，表面波导可实现水声的远距离传播，因此，表面波导特性及其声传播受到了广泛关注。
Baker和Schulkin基于实验数据给出了表面波导中近距离声传播损失的经验公式；Duan等分析了声呐在表面波导中主动发射和被动接收时的最优深度，以及表面波导中声波的波达角问题。
夏季的表面波导层很薄并且不稳定，存在强烈的时空变异性，是不稳定的信道。
第8章水下目标识别
第8章水下目标识别水下目标识别是指通过使用各种水下传感器和技术，对水下目标进行识别和分类的过程。
水下目标识别在水下活动和研究中具有重要的意义，它可以帮助人们更好地理解和研究海洋生态系统，保护和管理海洋资源，以及实施海洋救援、勘测和战争行动等。
水下目标的识别与在陆地上识别目标的方式有所不同，主要是由于水下环境对传感器和数据获取的限制。
水下目标识别的挑战主要体现在以下几个方面：1.水下光学特性：水下环境中，光线透明度较差，光线衰减快，因此使用光学传感器进行目标识别会面临困难。
为了解决这个问题，可以采用激光雷达、声纳等其他传感器来获取目标信息。
2.水下声音特性：声纳是水下目标识别的重要手段之一，声纳波在水中传播时会发生衍射、多次反射和散射等现象，这会导致声纳信号受到干扰和变形。
因此，研究人员需要设计合适的声纳信号处理算法，以提高目标识别的准确度和可靠性。
3.水下目标形状变化：水下目标的形状和姿态可能会随着时间和环境的变化而改变，这会对目标识别造成困难。
因此，研究人员需要开发具有鲁棒性的识别算法，能够适应不同形状和姿态的目标。
为了解决水下目标识别的问题，研究人员采用了多种技术和方法。
下面介绍几种常用的水下目标识别技术：1.声纳成像：声纳成像是通过使用声纳波来获取水下目标的图像和特征。
声纳成像技术可以采用单波束声纳、多波束声纳和合成孔径声纳等方式。
通过对声纳数据进行处理和分析，可以识别和分类水下目标。
2.激光雷达：激光雷达是使用激光束来扫描和测量水下目标的距离、形状和表面特征的技术。
激光雷达可以提供高分辨率的图像数据，能够准确地识别和分类水下目标。
3.水下图像处理：水下图像处理技术可以对水下图像进行去噪、增强、分割和特征提取等处理，以提高目标识别的准确性和鲁棒性。
常用的水下图像处理方法包括自适应直方图均衡化、边缘检测和特征匹配等。
4.水声信号处理：水声信号处理技术可以对声纳数据进行滤波、降噪和特征提取等处理，以提高目标识别的性能。
水声被动定位技术及其发展趋势
水声被动定位技术及其发展趋势水声被动定位技术是利用水声信号在水中传播的特性来实现目标的定位和跟踪的一种技术。
该技术主要基于接收到的来自目标发出的声波信号、水声信道的特性以及接收器间的相对位置来确定目标的位置。
被动定位系统不需要目标进行任何操作，它可以在目标感知不到的情况下对目标进行定位。
水声被动定位技术可以应用于海洋资源勘探、军事侦察、海上安全监测等众多领域。
随着科技的发展，水声被动定位技术也在不断地发展和完善。
第一代水声被动定位技术主要依赖声目标发射的信号，通过测量信号的到达时间和方位角度，得到目标位置信息。
这种技术缺点是只能定位单个目标，定位精度受到信号质量和环境噪声的影响较大。
第二代水声被动定位技术是基于多传感器的概念，多个接收器同时接收到来自空间中多个目标的信号，通过分析信号的相位差、信号强度差等信息来定位多个目标。
这种技术可以有效地提高定位精度和目标跟踪能力，但是需要更加复杂的算法和数据处理能力。
第三代水声被动定位技术又称“自适应”水声被动定位技术，主要应用于复杂电磁环境中。
自适应算法可以根据环境信噪比和目标信号特征来调整各传感器的参数和权重，以提高定位精度和抑制环境噪声。
自适应技术还引入了目标信号的自动识别和跟踪功能，大大提高了系统的自动化程度。
未来，水声被动定位技术将面临新的挑战和机遇。
随着深海勘探的发展，需要更加精确的水声定位技术来支持深海遥控设备的操作；水下自主机器人的大规模应用也需要更加高效的目标自动识别和跟踪算法。
同时，随着水声通信技术的不断发展，水声被动定位技术也可以结合水声通信技术来实现更加智能化的水下传感器网络。
因此，水声被动定位技术在水下大数据应用、远程控制和水下通信等方面也将会得到更加广泛的应用和研究。
水声信号处理技术发展
水声信号处理技术发展水，是生命之源，覆盖了地球表面的大部分区域。
而在水下世界，声音是信息传递的重要媒介。
水声信号处理技术，就像是水下世界的“耳朵”和“大脑”，帮助我们倾听和理解水下的声音，获取宝贵的信息。
在过去，水声信号处理技术的发展面临着诸多挑战。
水下环境复杂多变，声音在水中的传播特性与在空气中大不相同。
水的阻力、温度、盐度等因素都会影响声音的传播速度和衰减程度。
这使得接收到的水声信号往往十分微弱且充满噪声，给信号的提取和分析带来了极大的困难。
早期的水声信号处理主要依赖于模拟电路和简单的滤波技术。
但这些方法的性能有限，难以满足对水下目标探测、通信等方面日益增长的需求。
随着数字技术的兴起，水声信号处理迎来了重大的变革。
数字信号处理算法的应用，使得对水声信号的分析和处理更加精确和高效。
快速傅里叶变换（FFT）是其中一项关键的技术。
它能够将时域的水声信号转换到频域，从而更容易地分辨出信号中的不同频率成分。
通过对频域信息的分析，可以提取出目标的特征，如船舶的螺旋桨转动频率等，进而实现对目标的检测和识别。
自适应滤波技术的出现也是一大突破。
它能够根据输入信号的统计特性自动调整滤波器的参数，从而更好地抑制噪声，增强有用信号。
例如，在复杂的海洋环境中，自适应滤波可以实时地适应环境噪声的变化，提高信号的信噪比。
波束形成技术则在水下目标的定位和跟踪方面发挥了重要作用。
通过对多个水听器接收信号的相位和幅度进行调整和合成，可以形成指向特定方向的波束，增强来自该方向的信号，同时抑制其他方向的干扰。
这就像是在水下形成了一个“聚光灯”，能够更准确地探测到目标的位置和运动轨迹。
近年来，随着计算机技术和信号处理理论的不断发展，一些新的技术和方法也逐渐应用到水声信号处理中。
多传感器融合技术就是其中之一。
它将来自不同类型传感器（如声呐、磁力计、压力传感器等）的信息进行融合和综合分析，从而获得更全面、更准确的水下目标信息。
这种多源信息的融合能够弥补单一传感器的局限性，提高系统的性能和可靠性。
水声探测技术的未来发展方向研究
水声探测技术的未来发展方向研究在人类探索海洋的进程中，水声探测技术一直扮演着至关重要的角色。
从早期简单的声纳系统到如今高度复杂的水下声学监测网络，水声探测技术不断发展和进步，为我们揭示了海洋深处的奥秘。
随着科技的飞速发展，水声探测技术正面临着新的机遇和挑战，其未来的发展方向也备受关注。
一、多传感器融合与协同探测在未来，水声探测技术将更加注重多传感器的融合与协同工作。
单一的水声传感器往往存在局限性，无法全面、准确地获取水下目标的信息。
例如，传统的声纳系统可能在分辨率、探测范围或目标识别能力方面存在不足。
通过将不同类型的传感器，如声学传感器、光学传感器、电磁传感器等进行融合，可以充分发挥各自的优势，实现更高效、更精确的探测。
多传感器融合并非简单地将不同传感器的数据叠加，而是需要进行复杂的信息处理和融合算法设计。
通过对来自多个传感器的数据进行实时分析和综合判断，可以有效降低噪声干扰，提高目标检测和定位的准确性。
同时，协同探测还可以实现对不同类型目标的全方位监测，包括潜艇、水雷、海洋生物等。
此外，多传感器融合与协同探测还可以应用于分布式水下监测网络。
多个传感器节点分布在广阔的海域，通过无线通信技术实现数据的共享和协同处理，从而构建起一个覆盖范围广、监测能力强的水下探测体系。
二、智能化与自主化随着人工智能技术的不断发展，水声探测技术也将朝着智能化和自主化的方向迈进。
智能化的水声探测系统能够自动对采集到的声学信号进行分析和处理，实现目标的自动识别、分类和跟踪。
通过机器学习算法对大量的水声数据进行训练，系统可以学习到不同目标的声学特征，从而提高目标识别的准确性和效率。
自主化则意味着水声探测系统能够在无需人工干预的情况下，根据预设的任务和环境条件自主进行探测和决策。
例如，自主水下航行器（AUV）可以携带水声探测设备，在广阔的海域自主执行探测任务，根据实时获取的信息调整探测策略和路径。
这种自主化的能力不仅可以提高探测效率，还可以降低人力成本和风险。
【精选】水下目标搜索与识别技术
水下目标搜索与识别技术水下目标搜索与识别系统一般分为光视觉系统和声视觉系统，当距离物体十米以内，一般采用光视觉系统，当距离物体大于十米以上时则用声视觉系统。
当前流行的趋势是采用激光的方式来进行目标搜索与识别。
一．光视觉系统传统的光视觉系统包括水下摄像机、照明等设备用来满足获取光学图像和视频信息等基本的要求。
而现在的光视觉系统不仅要求满足上述要求，还要求具备对图像和视频信息进行处理、特征提取以及分类识别的功能。
总之，只能水下机器人中光视觉系统的使命是：快速、准确德获取水下目标的相关信息，并对信息进行实时处理，将处理结果反馈给计算机，从而指导机器人进行正确的作业。
1.光视觉系统框架水下光视觉系统主要分为三大块：(1)底层模块:图像采集系统，包括专用水下CCD感光摄像头和图像采集卡，这部分属于硬件部分；(2)中层模块：图像处理，包括图像预处理、图像分割、特征提取、根据目标模型进行学习，形成知识库和逻辑推理机制，得到单幅图像的初步理解和评价。
(3)高层模块：分类是水下目标识别最为核心的技术，也是最终实现部分。
1.1硬件组成光视觉系统硬件包括光视觉计算机、水下CCD摄像头、云台和辅助照明灯。
光视觉计算机完成视觉建模、高层视觉信息处理和理解、与机器人主控计算机的网络通讯，实时监控系统每个时间节拍的运行状态与处理参数。
1.2软件体系水下光视觉系统的软件体系涵盖了两个部分：中层模块和高层模块。
中层模块主要负责图像处理工作(图像处理一般包括图像预处理、图像分割和特征提取三方面)。
高层模块是水下目标识别系统的最终实现部分，一般采用的是神经网络识别算法进行识别分类。
二．声视觉系统理想的声视觉系统作为智能水下机器人的传感设备，应该具备灵敏度高、空间分辨率高、隐蔽性好、抗干扰能力强、自主调节和全天候作业等特点，能适合探测弱目标和鉴别多目标的需要。
同时它能在比较复杂的人为干扰和自然干扰下，实现对目标的自动识别和跟踪选择。
声视觉系统最终要完成的任务是目标的自动定位、分类识别以及对运动目标实现跟踪，而完成这一任务的核心和前提条件是拥有一台高分辨率水声探测设备。
水声目标识别技术现状与发展
第9卷第2期2018年&月指挥信息系统与技术Command Information System and TechnologyVol.9No.2Apr.2018•信息融合专题• doi! 10. 15908". c n k i.c is t.2018. 02. 013水声目标识别技术现状与发展"强超超王元斌(中国船舶重工集团公司第D09研究所武汉&3007&)摘要：水声目标识别是海战场情报处理的重要组成，是武器分配、反潜和鱼雷防御的前提以及现代化海洋作战的重要保障。
首先，分析了多种水声目标识别方法和特点，针对单一识别方法的局限性给出了常用目标综合识别算法模型，将多传感器和多方法的目标识别结合成一个系统，从而更高效和准确地识别水声目标；然后，介绍了水声目标识别的国内外发展历程和现状，分析了科技发展引起水声目标噪声弱化、部分特征消失和假目标多样化等特点；最后，针对传统识别方式的局限性展望了未来非声探测、特征挖掘、水下无人航行器图像识别和人工智能识别等新技术方向。
关键词：水声目标识别；目标识别算法；特征中图分类号：T P9文献标识码：A文章编号：1674-909X(2018)02-0073-06Current Situation and Development of Underwater AcousticTarget Recognition TechnologyQ IA N G Chaochao W ANG Y uanbin(The 709th Research Institute, China Shipbuilding Industry Corporation, Wuhan 430074, China)A bstract:The underw ater acoustic target recognition is an im portant part of the m aritim e battlefield intelligence processing,and it is the prerequisite for weapon distribution,anti-subm arineand torpedo defense. F irstly,the m ultiple underw ater acoustic target recognition m ethods andfeatures are analyzed. Aim ed at the lim itation of the single recognition m eth o d,th e com m on ta rget com prehensive recognition algorithm model is given. T he target recognitions of the m ultisensors and the m ulti-m ethods are organically combined into one sy stem,efficiently and accurately recognizing the underw ater acoustic t argets. T h en,the dom estic and foreign developm en tory and the current situation of the underw ater acoustic target recognition are introduced,thenoise weakening of underw ater target sound,the disappearance of some features and the diversiti-cation of the fraud targets caused by the technological developm ent are analyzed. Finally, in viewof the lim itations of traditional recognition m ethods,the new technology directions,such as nonacoustic detection,feature m ining,underw ater unm anned aerial vehicle image recognition,andartificial intelligence recognition are pointed out.Key w ords：underw ater acoustic target recognition;target recognition algorithm;characteristics〇引言近年来，随着潜艇降噪技术的进步，水下无人航*行器迅速发展，鱼雷和水雷等水下武器呈多样化趋势，海战场环境更为复杂。
- 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)。
Electronic Technology •电子技术Electronic Technology & Software Engineering 电子技术与软件工程• 97【关键词】水声目标识别 特点 目标识别算法1 国内外水声目标识别特点及现状分析随着科技的发展，水声目标身份识别在洋经济与军事活动中运用十分广泛。
水声目标识别技术通常是利用各类型传感器收集目标信息并对其特征进行分析，通过比对已有信息库识别目标的类型。
其工作原理主要是利用了声纳接收的被动目标辐射噪声、主动目标回波以及其他传感器信息提取目标特征并进行判断。
水声目标识别技术的现状与发展文/章业成水声目标主要包括声音、水流扰动和电磁辐射等特征信息。
不同水声目标的特征信息不同，例如舰艇和海底暗礁无论空间形态还是运动状态都有很大差异，通过差异化比对识别目标种类。
水声目标识别技术在军事上的运用主要是从20世纪60年代开始，其中以美、英、法等国为代表的军事强国，对水声目标识别技术进行了深入研究。
水声目标识别在国内起步较晚，但随着海洋经济以及军事领域的发展，水声目标识别在国内的发展开始得到重视。
多所高校及研究院均对水声目标物的甄别进行了大量探究，与此同时计算机技术、人工智能等新兴领域和前沿科技被吸收到水声目标的识别技术中，无论是识别灵敏性还是准确度都有了巨幅的提升。
2 水声目标识别的传统识别方法传统的水声目标识别方法通常包括通过以下几种方式进行：（1）通过噪声的不同特性进行识别。
螺旋桨和机械噪声通常可以作为水声目标辐射噪声能量的重要来源之一。
研究者根据对不同类舰船的辐射噪声特性差异进行分析，实现水声目标分类；（2）通过水声目标的航行速度、加速度等运动状态及急剧变化等行为，预测出目标的后续行为及目的。
此外，还可以通过对水声目标的行为、状态和类型进行分析，寻找出其内在关联，并通过模拟估计上述关联性特征预测目标的真实目的，从而实现目标分门别类；（3）根据不同目标船舰的排水量特征，通过分析不同型号的舰船在运行时，噪声强度与航速和排水量之间的关系，进行目标分类。
（4）根据目标所装备的主动声纳特征的不同来进行区别，由于不同的目标所装备的声纳型号有所差异，并且不同型号声波发射装置所发射声波的频率、强度等声波参数均不一样。
因此，根据探测目标说配备的主动声纳特征，能够判断出声纳的具体型号，排除掉不同类别的目标特征，减小鉴别难度更便于综合其他手段进行进一步的识别。
会进入区域1，并最终到达倒立平衡位置并相对静止，起摆结束。
2.2 稳摆算法采用了PID 双闭环的方法，由于速度控制对于角度的控制是一种干扰，所以角度闭环输出减去速度闭环输出作用于电机来控制摆臂，进而控制摆杆倒立，两种控制作用在程序中进行耦合2.3 角度环2.3.1 算法设计通过STM32用adc 采集角位移传感器(WDD35D-4导电塑料电位器)的值，由之前学到的PID 控制算法理论可以得出，通过控制电机的转动与PWM 的值来使倒立摆达到我们所希望的角度。
根据所需要的系统要求，只需要让其达到所期望的角度，历史的差值对其影响并不大，所以只需要PD 调节即可完成所需。
2.3.2 参数整定KP ：逐渐增大KP 的值，直到出现反向或者低频抖动的情况；KD ：微分控制，用来抑制转动惯量(即转动过猛)。
2.4 位置环单纯进行角度环的控制，会稳定一段时间，但是最终会朝一个方向运动下去，因此还必须加上位置环的控制位置环就是尽可能的让转动的轴不要移动。
3 测试方案及结果3.1 测试方案一先使摆杆静止使其保持铅锤状态，选择模式一开始同时使用STM32F407调试窗口观察旋转编码器返回的脉冲数计算其角度，看是否达到要求，并测量实际摆杆摆动角度，看是否一致。
如表1所示。
3.2 测试方案二先使摆杆静止使其保持铅锤状态，选择模式二开始同时观察实际情况下摆臂控制摆杆的摆动，摆杆是否做圆周摆。
如表2所示。
3.3 测试方案三用手将摆杆轻触到165度附近，松手。
选择模式三开始计时，观察摆杆能否在极短时间内调整到倒立状态，并观察摆臂摆动角度是否小于90度。
如表3所示。
<<上接96页4 结论从测试结果反映，整个旋转倒立摆能够完成基本要求，其能在短时间内实现摆杆摆动及圆周运动，并在受到外力的情况下迅速回到正常状态，整个旋转倒立摆稳定性好，抗干扰能力强。
参考文献[1]佟远,张莎.基于PID 双闭环的旋转倒立摆控制系统[J].测控技术,2016,35(8):85-88.[2]吴爱国,张小明,张钊.基于Lagrange方程建模的单级旋转倒立摆控制[J].中国工程科学,2005(10).[3]汤燕.基于STC89C52的简易倒立摆控制装置设计[J].现代电子技术,2014(20).作者简介邓新宇（1998-），男，四川省眉山市人。
研究方向为嵌入式软件开发、嵌入式硬件设计。
作者单位成都理工大学工程技术学院 四川省乐山市 614000电子技术• Electronic Technology98 •电子技术与软件工程 Electronic Technology & Software Engineering3 水声目标识别的传统识别方法存在的局限性水声目标存在多种传统识别方法，但是上述识别方法在具体运用中存在诸多问题，具体有以下几方面：3.1 各目标在水中容易受到多种因素影响，且各目标的发声机理复杂，因此，在建模上存在一定困难上文中提到，各目标在水中辐射噪声源头千奇百怪，噪声不仅由目标的主动装置产生，也与其运动轨迹，外形结构密切相关。
甚至与驾驶员的驾驶习惯，辅助装备的噪音干扰，目标所处地形、水声环境有直接关系。
而且声波在触及到目标物后反射、散射，返回到接收器是其中包含的信息及其复杂，既有距离、速度等空间运动信息，也有形态大小、外部材料等特征信息，每种信息中又分门别类出更多的态势结果，仅仅是对这些信息进行分析、提取、反应成为人能够理解的有用结果就需要进行大量的工作才行。
因此，无论是完全基于纯的理论分析还是基于观测数据的统计分析，都需要完全掌握各种目标，各种信号的其产生原理和特征、准确给这些目标分类建立模型。
其需要的人力物力的投入无论是时间上还是数量上的积累都是必不可少的。
3.2 水声目标识别技术在运用上容易受到外界环境的干扰虽然可通过对不同目标的噪声特性进行识别目标，但是过高的噪声和外界强烈的干扰对于提取弱目标特征存在一定难度。
在对弱目标的特征进行提取时，提取水环境要求要比强目标的环境要求高，弱目标精度声纳在实际工作中只有在目标的信号强度在0db 以下是才能发挥作用。
然而在实际场景中，包含有效信息的声波信号的信噪比常常在−10dB 之下，此外，除了上述影响因素外，在对弱目标精度声纳进行分析时，水环境中存在的大量低价值数据同时也会干扰到被检测目标信息的提取。
3.3 水下目标的种类多种多样，不同物体的声音特性表现各异声波传播特性的干涉性，交叉影响，即使同类目标不同个体间也略有不同，不仅包括各类船只、潜艇，还包括鱼雷、无人航行器等等，单就目标的数量和类型来看，就已经形成了一个庞大的数字，这也对水下目标识别技术的运用带来了很大的困难。
此外，因水中不同目标的存在，他们的声特性分布也存在交叉重叠的情况，因此，声纳目标识别在多类型目标同时运行的情况下很难对不同功能类型的目标进行区分。
3.4 通过水声目标识别技术收集到的数据代表性弱、质量不高且获取成本高昂水声目标识别的前提是需要收集到高强度、高精度、高质量、高代表性的数据样本，但目前对水声目标识别的研究数据资源较少，无法从现有数据中得到有效的标注数。
目前，在水声目标数据收集上存在以下问题：（1）各目标的行进速率所限制，水中的声音无法在很短的时间内将信号进行传播，且其传播的范围一般较小，隐藏在各种噪声中，数据收集的难度较大，因此，想要获取高精度、高质量的数据样本，需要大规模的水声试验条件，这不仅需要成熟的识别技术，更需要投入巨额资金。
（2）一些重要的水下目标声信号往往被各国视为禁脔，其水声数据信息的测量、收集都受到严密的管制，这也是造成水下目标的数据极为有限的原因之一。
4 针对传统识别方法局限性的完善建议4.1 加强对水中目标的基础研究，收集完善基础数据，提高水声识别的准确性目前，水声目标识别技术还不是非常成熟，受到各种因素的影响，在对各目标水中特性进行分析提取数据时，准确性有限，有效性也很难得到保障。
因此，建议在后续的研究过程中，重视水声目标特性的基础研究，通过收集各目标的不同特征，不断的丰富有效数据的存储，充分掌握并挖掘水中目标水声学特征。
以现有的基础物理原理为根基，结合智能化的科研手段进行更广泛的研究和模拟，才有可能逐步提高目标识别的正确率。
4.2 不断挖掘已集到的目标特征与海洋环境信息中的深层次信息点，多角度认识目标特性，提高对各种环境的适应能力近年来，世界各海洋国家都高度重视复杂的海底环境和各种噪声对声纳装备探测与识别性能的干扰，也都意识到装备对环境自主感知和适应的水平的战略意义，由此激发了环境自适应技术的概念的提出和研究。
具备数据完整的数据库和对现场目标的适应能力，有望使声纳的性能渐入佳境，从根本上提高声纳探测与识别的环境适应性。
4.3 对于若目标信号的收集和提取能力提出更高要求，对干扰信号的屏蔽能力也应同步提高通过声纳阵列获取水中目标信号是常用的方法，但是因水中获取数据时存在不同强度的干扰，阵列处理过程中若收到海洋环境中大量目标干扰等问题，都会影响设备后续对目标的特征提取以及识别，这时就需要通过设计抗干扰的目标特征提取方法，开展自适应的波束形成技术，时空频域的多目标干扰辨识，信号特征预畸变处理等研究，才能实现对目标特征提取信息的准确性及精细化要求，以保障目标信号声特征的有效获取。
4.4 通过分析不同水声目标信号的特点，采取人工智能水声目标识别技术研究如今，人工智能逐渐发展成熟，人工智能因其具有快速、准确处理数据的优势，而水声数据因此在进行水声目标识别，处理文本、语音等数据时，可适当引入人工智能。
但是这种通过网络训练自主学习样本内在规律的前提是需要大量、完备、有代表性的样本数据，而这正是水声数据难以满足的要求。
直接的仿照处理不一定能获得视觉、语音和文本识别的理想效果，而且水声识别也往往不具备二次验证的机会。
因此，可针对水声目标信号的特点，理性开展人工智能水声目标识别技术研究，在自主学习特征和传统频谱特征的关联性，自主学习特征的可读性和可解释性等方面进一步深入探索。
参考文献[1]徐新洲,罗昕炜,方世良,等.基于听觉感知机理的水下目标识别研究进展[J].声学技术,2013,32(2):151-158.[2]禹亮,程咏梅,陈克喆,等.基于证据理论的水声多目标优选方法[J].西北工业大学学报,2014,32(3):429-433.[3]朱志峰.基于N-S 方程的舰船螺旋桨空泡噪声特征研究[D].南京:东南大学,2011.[4]穆玉涛.水声目标瞬态信号检测与识别技术研究[D].南京:东南大学,2008.[5]徐慧.水声目标被动识别相关技术研究[D].武汉:中国舰船研究院,2017.作者简介章业成（1990-），男，江苏省南通市人。