水下目标识别技术探究
Technology Analysis技术分析DCW
111数字通信世界2019.04（接上页）视，并采取相应有力措施加以解决，以促进高速公路机电通信新技术的应用，为高速公路的发展提供更多通信技术支持。参考文献[1] 黄冠群.高速公路机电系统的维护与管理[J].科技创新与应用，2014，15（06）：199.[2] 王小利.高速公路机电工程通信系统技术浅述[J].工程技术，2017，4（下）：977.1 研究背景一般来说，水下目标情况复杂，我们研究的方向主要包括包括舰船、潜艇、水雷、鱼群、海底沉物、地貌底质等。水下目标识别是实现水声装备与武器系统智能化的关键技术，更是现代信息化条件下克敌制胜的前提，一直是各国海防领域面临的技术难题。在20世纪40年代，世界各主要国家就已开始重视水下目标识别技术，鉴于水下目标识别领域具有复杂性和特殊性，导致该技术研究进展一直较为缓慢。近年来，尤其是军事应用方面，低噪声核潜艇的出现对水下目标特征分析和识别技术的需求愈加强烈。同时，新兴的信息处理技术、微处理器技术、VLSI和VHSIC技术也取得了重大进展。正是基于军事需求和新兴电子技术的推动下，数值计算和实验室仿真技术日趋成熟，水下目标识别技术迅速发展起来。2 识别技术的发展 水下目标识别根据回波信号符合大信噪比条件，一般分为瞬态回波信号识别和水声图像信号识别两种。前者主要用于识别航行舰艇，直接对目标回波或噪声信号进行实时辨别；后者多用于静态目标，如海底沉淀物、地质结构等识别。早期的目标识别技术，目标判断主要依据目标噪声或回波的波形音调、节奏分布特性进行识别。随着研究技术和设备的发展，上个世纪七十年代后，目标回波的亮点分布结构起伏和展宽特性以及目标噪声的线谱分布特性均已作为目标的特征量。但由于目标本身以及声传输信道的复杂性，目标特征量及其数量的选取问题还是没有得到有效解决。八十年代以来，目标识别技术广泛引入了近代信号处理技术，仪器设备研制和测量水平得到大幅提升，这为水下目标特征量提取和数据收集提供了便利条件，与此同时，人工神经网络分析将目标识别过程进一步智能化。在全球电子化、智能化手段的快速发展和广泛应用下，各国在水下目标识别的多个领域实现了突破。一是日本东京大学和美国RESON公司从2010年起联合开发应用于浅海及沿岸港口的自动声纳目标探测跟踪系统。此系统能在低信噪比情况下，有效跟踪探测水下运动目标。并在此基础上，使用干涉仪测量法计算相位差场，这样就能够有效抑制噪声混响及静止假目标的干扰，从而提高识别率。二是美国爱荷华大学2013年深入研究了非稳态干扰下主动声纳目标探测及分类，并提出自适应子空间跟踪算法，在时频区域对目标回波进行动态监测，结果表明此算法能够有效抑制杂波对目标回波的干扰。三是欧美各国均建立了蛙人散射模型，进行水下小目标探测识别研究。通过实验，仿真分析了蛙人的目标强度，并开展水池试验，测量了蛙人呼吸气瓶的目标强度，海上试验测量了蛙人目标强度。据公开资料显示，蛙人探测声纳（DDS）的性能描述，几乎所有的蛙人探测声纳均称实现了目标识别和预警。四是2013年，美国海洋SPAWAR系统中心海洋系统太平洋分部，应用多普勒方位测定法对多基地连续主动声纳目标进行跟踪。在多收发装置情况下，以此方法对目标进行有效定位和跟踪，取得良好效果。在先进发达国家的推动下，目标特性试验数据资源建设较为完善。俄罗斯、美国、英国在多年前就建立了大西洋海上试验场、DERA测试场、活动式试验场及靶场，收集并整理了大量本国和盟约国及世界各国的舰艇目标特征数据资源，并对这些数据资源进行了对比分析、深层次挖掘，形成以特征库数据为基准的探测、识别体系。据了解，美俄等军事大国，每艘潜艇上都具有相应数据库，库中记载着各种舰艇、水中兵器的数据库及特征知识库，从而为作战中指挥官的准确判断提供数据支撑。3 未来发展趋势随着吸声和隔声材料工艺提高、发动机减振降噪技术提升、仿生技术发展、干扰器种类多样化以及安静级潜艇应用给复杂的水下目标探测提出更高要求，识别与反识别技术出现了激烈碰撞。同时，水下目标识别技术和途径也逐渐多样化，己从单一源目标提高到系统综合识别。据研究发现，现代激光技术可以作为水下目标识别系统的补充，尤其是在浅水区域、环境复杂的海洋区域、不易接近的区域等，使用激光可以快速探测和识别。机载激光扫描系统可以快速部署，用于探测水下目标或水面浮动目标。如果目标足够大，机载激光扫描还可识别不同类型的目标，在这种情况下，在水面平台或水下平台上部署激光门控视图（LGV）、水下激光扫描（ULS）系统，可以确认目标。可以预见，未来的发展方向主要是非声探测、多传感器信息融合和智能目标识别等。人工智能技术与水声目标识别有机结合将是今后水下目标识别研究的重要方向。 参考文献[1] 丁玉薇.被动声呐目标识别技术的现状与发展[J].声学技术，2004，23（4）.[2] 强超超 王元斌.水声目标识别技术现状与发展[J].指挥信息系统与技术，2018，9（2）.[3] 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[4] 柳革命，孙超，杨益新.基于特征融合的被动声呐目标识别[J].计算机仿真，2009，26（8）.水下目标识别技术探究刘梦琪（哈尔滨工程大学水声学院，哈尔滨 150000）摘要：水下目标识别就是从水声信号中提取水下目标特性并做出识别，确定出目标的本质属性，进而采取有效应对措施。在军事方面，水下目标识别是世界各国海防情报处理的重要组成，是武器分配、反潜和鱼雷防御的前提；在民用方面，水下目标识别是现代化海洋开发利用的重要基础。因此，开展水下目标识别研究在国家安全、海洋应用等方面意义重大。关键词：水声目标；技术发展；综合识别doi：10.3969/J.ISSN.1672-7274.2019.04.081中图分类号：TP391.4 文献标示码：A 文章编码：1672-7274（2019）04-0111-01
基于改进小波能熵的水下目标识别
总第２１８期
２０１２年第８期 舰船电子工程 Ｓｈｉｐ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３２ Ｎｏ．８ ４８
基于改进小波能熵的水下目标识别
石敏 ’ 徐袭 张纪铃 岳剑平。’ （１．水声对抗技术熏点实验室湛江５２４０２２）（２．９１３８８部队湛江５２４０２２）
摘要文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率 分解和重构，然后。１入滑动时间窗，提取各分解子带在滑动时问窗内的改进小波能熵值作为目标识别的特征矢量，最后将特征矢量输入到慨 率神经网络中＝囊＝；现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征，而引入滑动时间窗并在此基础上定义改 进的小波能熵可反映信号的时域特征，因此改进小波能熵方法能同时反映信号的时频特征，更适合于水下目标特征提取。仿真结果表明了
该方法的有效性。 关键词 ｆ＝＿＿ｊ标识别；小波变换；改进小波能熵；慨率神经网络 中图分类号 ＦＰ３９１
Ｕｎｄｅｒｗａｔｅｒ Ｔａｒｇｅｔ Ｒｅｃｏｇｎｉｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ Ｗａｖｅｌｅｔ Ｅｎｅｒｇｙ Ｅｎｔｒｏｐｙ
ＳＨＩ Ｍｉｎ ’ ＸＵ Ｘｉ ＺＨＡＮＧ Ｊｉｌｉｎｇ ’。ＹＵＥ Ｊｉａｎｐｉｎｇ ’
（１ Ｓｃｉｅｎｃｅ ａｎｄ Ｉ＇ｅｃｈｎｏｌｏｇｙ ｏｎ Ｕｎｄｅｒｗａｔｅｒ Ａｃｏｕｓｔｉｃ Ａｎｔａｇｏｎｉｚｉｎｇ Ｉ．ａｂｏｒａｔｏｒｙ，Ｚｈａｎｊｉａｎｇ ５２４０２２） （２．Ｎｏ．９１３８８ ｌ＇ｒｏｏｐｓ ｏｆ ＰＩ Ａ，Ｚｈａｎｊｉａｎｇ ５２４０２２）
Ａｂｓｔｒａｃｔ ｌ ｒｎｅｔｈｏｄ ｂａｓｅ ｄ ｏｎ ｉｍｐｒｏｖｅｄ ｗａｖｅｌｅｔ ｅｎｅｒｇｙ ｅｎｔｒｏｐｙ ａｎｄ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｆｏｒ ｕｎｄｅｒｗａｔｅｒ ｔａｒｇｅｔ ｒｅｃｏｇｎｈｉｏｎ ＷＰ，Ｓ ｓｔｕｄｉｅｄ ｉｎ ｔｈｅ Ｐａｔ）ｅｒ．Ｆｉｒｓｔｌｙ．ｔｈｅ ｒａｄｉａｔｅｄ ｎｏｉｓｅ ｓｉｇｎａｌ ｏｆ ｕｎｄｅｒｗａｔｅｒ ｔａｒｇｅｔ ｉｓ ｐｒｏｃｅｓｓｅｄ ｂｙ ｕｓｉｎｇ ｍｕｈｉ—ｒｅｓｏｌｕｔｉｏｎ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．Ｔｈｅｎ，ｔｈｅ ｓｌｉｄｉｎｇ ｔｉｍｅ ｗｉｎｄｏｗ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ｔｈｅ ｉｍｐｒｏｖｅｄ ｗａｖｅｌｅｔ ｅｎｅｒｇｙ ｅｎｔｒｏｐｙ ｏｆ ｅａｃｈ ｄｅｃｏｍｐｏｓｅｄ ｂａｎｄ ｉｎ ｓｌｉｄｉｎｇ ｔｉｍｅ ｗｉｎｄｏｗ ｉｓ ｅｘｌ ｒａｃｔｅｄ ａｓ ｆｅａｔｕｒｅ ｖｅｃｔｏｒｓ ｆｏｒ １ａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｓｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒｓ ａｒｅ ｕｓｅｄ ａｓ ｉｎｐｕｔ ｖｅｃｔｏｒｓ ｏｆ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｆｏｒ ｔａｒｇｅｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ． Ｆｈｅ ｆｅａｔｕｒｅ ｏｆ ｓｉｇｎａｌ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ｃａｎ ｂｅ ｒｅｆｌｅｃｔｅｄ ｂｙ ｍｕｈｉ—ｒｅｓｏｌｕｔｉｏｎ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏ ｓｉｔｉｏｎ．Ｗｈｉｌｅ ｔｈｅ ｆｅａｔｕｒｅ ｏｆ ｓｉｇｎａｌ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅ ｄｏｍａｉｎ ｃａｎ ｂｅ ｒｅｆｌｅｃｔｅｄ ｂｙ ｔｈｅ ｉｍｐｒｏｖｅｄ ｗａｖｅｌｅｔ ｅｎｅｒｇｙ ｅｎｔｒｏｐｙ ｗｈｉｃｈ ｉｓ ｄｅｆｉｎｅｄ ｂｙ ｉｎ
基于形态图的UVMS水下三维目标识别
第３期 ２０１１年３月 机械设计与制造 Ｍａｃｈｉｎｅｒｙ Ｄｅｓｉｇｎ＆Ｍａｎｕｆａｃｔｕｒｅ ２６５ 文章编号：１００１—３９９７（２０１ １）０３—０２６５—０３ 基于形态图的ＵＶＭＳ水下三维目标识别水 公丕亮１，２张奇峰 张艾群 李一平１，２ （’中国科学院沈阳自动化研究所机器人学国家重点实验室，沈阳１１００１６） （ 中国科学院研究生院，北京１０００４９） Ａｓｐｅｃｔ ｇｒａｐｈ ｂａｓｅｄ ｕｎｄｅｒｗａｔｅｒ ３Ｄ ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ ｆｏｒ ＵＶＭＳ ＧＯＮＧ Ｐｉ－ｌｉａｎｇ１，２，ＺＨＡＮＧ Ｑｉ－ｆｅｎｇ ．ＺＨＡＮＧ Ａｉ－ｑｕｎ１，Ｌ１ Ｙｉ－ｐｉｎｇ ， （ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｒｏｂｏｔｉｃｓ，Ｓｈｅｎｙａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｕｔｏｍａｔｉｏｎ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｓｈｅｎｙａｎｇ １ １００１６，Ｃｈｉｎａ） （２Ｇｒａｄｕａｔｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １ ０００４９，Ｃｈｉｎａ）
中图分类号：ＴＨ１６文献标识码：Ａ １引言 自从１９６６年美国ＣＵＲＶ水下机器人在西班牙沿海将失落 在８６８米处的氢弹打捞上来之后，水下机器人无论是在军事、科 研，还是在海洋工程领域，都扮演着越来越重要的角色［８１。 目前，水下机器人正朝着大深度、长航程及作业型方向蓬勃 发展。ＵＶＭＳ是浮游基座多连接体水下机器人系统中的一种，较 早的ＵＶＭＳ研究主要应用于ＲＯＶ一机械手系统的遥控作业和半 遥控作业，随着水下机器人总体技术的发展，利用ＵＶＭＳ进行水 下自主或半自主型作业，是目前水下机器人研究的热点方向之 一。对于局部区域的自主或半自主作业，ＵＶＭＳ首先利用视觉等 传感器对三维作业目标进行实时识别与跟踪，其次控制系统完成 载体与目标间的精确相对定位，进而利用视觉伺服算法驱动机械 手，在载体协调控制算法［６１的配合下对目标实施具体作业，如目标 抓取。 本文利用电子罗盘及双目立体摄像机信息，结合局部特征 跟踪算法，提出了一种基于形态图的水下三维目标识别方法，用 于ＵＶＭＳ作业时对目标的实时识别。最后利用一组实际采集的 水下目标图像集，验证了该方法的可行性及有效性。 ★来稿日期：２０１０—０５—２６ 女基金项目：国家“８６３”资助项目（２０Ｏ６ＡＡ０９ｚ２１７） …～…＇Ⅷ，……】……】 ……】．。………】 …】 】舢 】 删】……… 真更加逼近真实的空中飞行。通过应用ＡＤＡＭＳ仿真分析软件进 春理工大学学报，２００７，３０（１）：１２１～１２４ 行建模，得到了抖振座舱系统的虚拟样机，经过运动学仿真分析 验证了模型的正确性，输出结果满足性能指标要求，为抖振座舱 系统的研制提供了理论参数，给调试提供了依据，有效地缩短了 实际设计研制周期。 参考文献 １倪研婷，杨家伟．基于ＡＤＡＭＳ的机构创新设计仿真实验平台研究［ｎ机 械设计与制造，２００９（７）：１９５～１９７ ２潘春萍，盖永军，王勇亮．并联机器人响应幅值增益的非线性校ＩＥ［Ｊ３．长 ３陈聪，陈乐生．基于ＡＤＡＭＳ的六自由度运动平台运动学分析［Ｊ］．福州大 学学报，２００７，３５（１）：７０～７５ ４王行仁，贾荣珍．飞行实时仿真系统及技术［Ｍ］一Ｅ京：北京航空航天大 学出版社，１９９８ ５刘宏伟．基于虚拟样机技术的机器人运动学研究［Ｊｊ．机械设计与制造， ２００９（５）：１９４～１９６ ６ Ｊ．Ｋｉｍ，Ｆ．Ｃ．Ｐａｒｋ，Ｓ．Ｒｙｕ，ｅｔ ａ１．Ｄｅｓｉｇｎ ａｎｄ Ａｎａｌｙｓｉｓ ｏｆ ａ Ｒｅｄｕｎｄａｎｔｌｙ Ａｃｔｕａｔｅｄ Ｐａｒａｌｌｅｌ Ｍｅｃｈａｎｉｓｍ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ ｆｏｒ Ｒａｐｉｄ Ｍａｃｈｉｎｉｎｇ，１９８９：
水下跟踪常用方法
水下跟踪常用方法
水下跟踪是指对海洋中的船舶、潜水器等目标进行定位、追踪等作业。而对于水下跟踪来说，其常用的追踪方法有很多。下面将分步骤阐述水下跟踪常用方法：
一、声纳探测：声纳探测是目前水下跟踪的主要方法之一，它利用声波在水中的传播特性，通过接收回波信号来确定目标位置。常用的声纳探测设备有单音束、多音束和侧扫声呐等。单音束声呐的探测范围较小，但精度较高，多音束声呐的探测范围大，但精度不如单音束声呐，而侧扫声呐则能够探测到更广范围内的目标。
二、卫星定位：卫星定位是一种基于卫星系统的追踪方法，如GPS定位系统就是其中一种。通过接收来自卫星的信号，可以确定目标所处的位置。卫星定位适用于水面船舶和潜艇等水下目标。但需要注意的是，卫星定位的精度受很多因素影响，如天气、地形等。
三、光学探测：光学探测是利用光的传播特性，通过接收目标反射光线的方式来追踪目标。光学探测分为直接视觉和激光视觉两种方式。直接视觉适用于近距离追踪目标，而激光视觉则可以在一定距离内准确地定位目标。
四、磁传导探测：磁传导探测是利用水下目标所造成的磁场扰动，通过探测仪器来识别目标。该方法适用于水下金属目标的追踪。但需要注意的是，磁传导探测受到海底地质条件的影响很大。
总的来说，水下跟踪的常用方法有很多，每种方法都有自己的特点和适用范围。我们需要根据实际情况选择合适的跟踪方法来进行作业。同时，为了提高水下跟踪的精度和效率，还需要不断地进行技术研究和设备优化。
声波在水中的传播特性和水中目标探测的研究
声波在水中的传播特性和水中目标探测的研究
摘要：
1912年4月19日，英国刚刚研制成功的一艘14000吨级的新邮轮“巨人号”，在加拿大纽芬兰岛南部海域被一座浮动冰山撞沉。结果1500余人遇难。在第一次世界大战期间，德国人利用新发明的U型潜艇，击沉了大量协约国的军舰和商船。两件重大事件促使科学家、发明家对声纳的研制和改进加快了进程。声纳的用途十分广泛。在军舰、潜艇、反潜飞机上安装声纳之后，可以准确确定敌方舰艇、鱼雷和水雷的方位。同时，它还能区别前方的目标是鲸鱼还是潜艇，是敌方潜艇还是我方潜艇呢。在民用方面，可以使轮船在黑夜和雾天航行时及时发现前方的船只或暗礁；可以告诉渔民哪儿有鱼群；还可以用来研究海洋地质，搜寻海下沉船，进行水下通信联系等等。
关键词：声纳 组成和工作原理 简史 现状 发展趋势
英文翻译：
Acoustic wave propagation in the water and the water target
detection research
Name: Liu Yi Yao Tian Units: College of Nanjing University of Technology
and Engineering Zijin
Abstract:
April 19, 1912, the United Kingdom has just been successfully
developed a new 14,000-ton cruise "giant" in the southern island of
Newfoundland, Canada, was a sea of floating iceberg sank. Results More
than 1,500 people died. During the First World War, the German use of the
基于边缘特征的水下目标分类识别算法
模式识别与仿真 Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ Ｓｉｍｕａｔｉｏｎ 《自动化技术与应用》２００７年第２６卷第８期
基于边缘特征的水下目标分类识别算法
陈立强１， 刘忠２， 田晓东 （１海军装备研究院系统所北京１０００１ １；２海军工程大学电子工程学院湖北武汉４３００３３） 摘 要：在水下声纳图像目标检测与识别技术中，水雷等目标的识别问题是关键技术之一。基于形状相似度的概念，利用目标边缘 轮廓特征，给出一种基于距离多集方法的水雷目标形状分类算法。首先对检测到的水雷目标阴影区域进行规格化处理，采用 距离多集方法对常见水雷形状进行分类识别，提出了一种模板更新策略。通过对球形、圆柱形和圆台形三类目标的阴影区域 进行仿真分类计算可知，该方法具有仿射不变性，分类准确率较高。 关键词：边缘；距离多集；形状相似度；目标识别 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１００３—７２４１（１００３）０８－００７７－０３
Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ Ｕｎｄｅｒｗａｔｅｒ Ｔａｒｑｅｌ ｂａｓｅｄ Ｏｎ Ｅｄｇｅ ＦｅａｌＵ ｒｅ ＣＨＥＮ Ｌｉ－ｑｉａｎｇ ，ＬＩＵ Ｚｈｏｎｇ ，ＴＩＡＮ Ｘｉａｏ－ｄｏｎｇ （ＮａｖａｌＵｎｉｖｅ￣ｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ Ｗｕｈａｎ ４３００３３Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｎｏｖｅｌ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｍｉｎｅ ｓｈａｐｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂｙ ｕｓｉｎｇ ｅｄｇｅ ｆｅａｔｕｒｅ ｏｆ ｔａｒｇｅｔ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ ｓｈａｐｅ ｓｉｍｉｌａｒｉｔｙ．Ｔｈｅ ｓｈａｄｏｗ ｒｅｇｉｏｎ ｏｆ ｍｉｎｅ ｉｓ ｆｉｒｓｔ ｅｘｔｒａｃｔｅｄ ａｎｄ ｎｏｒｍａｌｉｚｅｄ，ｔｈｅｎ ｔｈｅ ｄｉｓｔａｎｃｅ ｍｕｌｔｉ—ｓｅｔ ｍｅｔｈｏｄ ｉｓ ｕｓｅｄ ｔｏ ｃｌａｓｓｉｆｙ ｔｈｅ ｃｏｎｔｏｕｒ ｏｆ ｍｉｎｅ ｔａｒｇｅｔｓ．Ａ Ｔｅｍｐｌａｔｅ ｒｅｎｅｗｉｎｇ ｍｅｔｈｏｄ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｓｉｍｕｌａｔｉｏｎｓ ｗｉｔｈ ｓｐｈｅｒｉｃ，ｃｏｌｕｍｎ ａｎｄ ｔａｐｅｒ ｔａｒｇｅｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｃｏｒｒｅｃｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｒａｔｉｏ ｉｓ ９２．７％．Ｔｈｉｓ ｍｅｔｈｏｄ ｉｓ ａｆｆｉｎｅ—ｔｒａｎｓｆｏｒｍ ｉｎｖａｒｉａｎｔ ａｎｄ ｈｉｇｈ ｐｒｅｃｉｓｉｏｎ． Ｋｅｙ Ｗｏｒｄｓ：ｅｄｇｅ；ｄｉｓｔａｎｃｅ ｍｕｌｔｉ—ｓｅｔ；ｓｈａｐｅ ｓｉｍｉｌａｒｉｔｙ；ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ １引言 随着军事和民用领域的应用需求日益增多，水下目标探测 技术越来越受到各国的高度重视。其信号处理技术更是近年来各 国研究人员的研究热点。水下成像声纳的探测按照数据处理流程 可分为声纳图像预处理、目标检测与图像分割、目标识别等单 元。文 Ｊ研究了基于数学形态学算子的声纳图像滤波算法，文 献口１提出了基于属性直方图概念的图像增强算法，均取得了一定 的效果。灰度阈值分割算法是最简单的图像分割算法之一，也是 目前应用最广的算法，近年来，基于Ｍａｒｋｏｖ随机场的分割算法 ［ 、 １也得到了深入的研究，分割效果优于阈值算法，但在实时 性方面还须进一步改进。目标识别算法则主要采用神经网络、模 板匹配、Ｄ＿ｓ证据理论、聚类分析等分类器。各种分类算法的特 点不一 ，互有优劣。其中模板匹配算法原理上最为简单，工程实 现较为容易，本文中采用的距离多集方法即是一种模板匹配算
海洋技术研究 水声目标识别技术现状与发展
知识的力量Tel
知识的力量Tel 海洋论坛▏水声目标识别技术现状与发展
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。水声目标识别是反潜、鱼雷防御和水声对抗的前提，已成为重要研究课题。现阶段水声目标识别主要通过提取目标特征量区分目标类型和种类信息。本文针对舰船、鱼雷和干扰等目标，介绍了水声识别方法及目标综合识别的3类算法模型；阐述了国内外水声目标识别技术发展历程与现状；基于现有技术局限和环境影响分析了水声目标识别存在问题并展望了未来技术发展方向。
知识的力量Tel
知识的力量Tel
一、水声目标识别
近年来，水声目标身份识别已成为水声目标研究热点。水声目标识别主要依据目标特征信息。目标特征信息是目标原始数据中包含或可提取的一种能精确和简化表明目标状态和身份的信息。水声目标主要包括噪声、运动、尾流和几何结构等特征信息。不同水声目标的特征信息不同，如潜艇和鱼雷几何结构不同，其声呐探测目标尺度特征不同；潜艇和水面舰船噪声辐射能量差异表现为目标尾流不同。
⒈识别方法
水声目标识别方法包括以下7种：
⑴噪声特性：水面舰船和潜艇噪声主要包括机械、螺旋桨和水动力噪声；鱼雷和水下潜航器噪声主要是推进系统噪声，声源强度相对较弱。通常，水声目标辐射噪声能量主要来自螺旋桨和机械噪声，舰艇航行状态（包括深度、速度和加速度等）决定了哪种噪声起主导作用。同类舰船的辐射噪声具有一定相似性，不同类舰船的动力系统和机械结构不同，其辐射噪声特性存在差异，故利用辐射噪声特性差异可实现水声目标分类。
⑵运动特征：不同水声目标的职能、工作状态和运动状态均不同。水声目标运动状态（包括航行速度、方位角变化率和加速度等）及突变等行为均与其使命和任务相关。此外，水声目标的行为、状态和类型具有关联性，通过预估目标运动状态可预测目标任务/职能，从而实现目标分类。知识的力量Tel
目标散射特性与识别技术研究进展
目标散射特性与识别技术研究进展
姓名：艾威微 学号：XS14072001
摘要：目前许多海军大国已经相继推出了多批“安静型”潜艇，如美国的“海狼”
级核潜艇，其噪声己低于海洋环境噪声俄罗斯的“基洛”级潜艇，其辐射噪声可
以淹没于一级海洋环境国外许多新推出的“安静型”潜艇的辐射噪声级已经接近
级海况，加之如果潜艇潜坐海底，使用被动方式探测潜艇非常困难，因此，各国
又开始加速发展主动声纳技术。而水下目标声散射特性研究是主动声纳赖以工作
的基础，也是主动探测产生新思想、新原理、新方法的基础，尤其是在未来对于
主动声纳远程探测、鱼雷精确制导、要害部位攻击、海底掩埋雷探测、海洋工程
中输油管线的检测等都需要更为精确的目标声散射模型。同时，对于水下目标的
识别技术也是相当重要的。对水下目标的检测与识别，关系到军队做出适当的反
应来处理。而要做好水下目标识别技术，我们需要综合其他领域的知识，综合开
发。比如数字图像处理的知识、自适应滤波器的知识、神经网络的知识等。同时，
为有效进行水下目标的识别，建立强大的数据库也是必不可少的。
关键字：散射声场；目标识别；有限元法；边界元法；小波变换；神经网络；
一、目标散射简介
尽管现代技术在潜艇相关技术领域不断有所应用，但在潜艇所产生的诸如声、
磁、电、光、水压等诸多物理特性中，可用来有效探测潜艇的首选特征仍然是潜
艇的声学特征。潜艇的回声信号受到潜艇的线性、尺度、结构、材料、速度、方
位、频率以及艇身振动等因素的影响，因此回声信号中或多或少包含了以上各种
信息。研究潜艇的回声特性对艇身设计、声纳设计、敌方潜艇的声学识别、探测、
跟踪，以及己方潜艇“隐身”都是十分重要的。各海军大国在发展反潜技术的同
时，投入了大量的人力、物力和财力研究潜艇的隐身技术。一是降低潜艇的辐射
噪声级，以减小被敌方被动声纳发现的可能性二是降低潜艇的目标强度，以减小
被敌方主动声纳发现的可能性。目前许多海军大国已经相继推出了多批“安静型”
水下机器人的自主识别和目标跟踪算法
水下机器人的自主识别和目标跟踪算法
水下机器人作为一种特殊的机器人系统，被广泛应用于水下资源勘测、海洋科学研究、环境监测等领域。其中，自主识别和目标跟踪是水下机器人实现任务的关键技术之一。在水下环境中，由于水的吸收和散射，水下图像的质量较差，难以准确识别和跟踪目标。因此，研发高效的水下机器人自主识别和目标跟踪算法具有重要的理论意义和实际应用价值。
为了解决水下机器人自主识别和目标跟踪的难题，研究者们提出了一系列创新的算法和方法。以下将着重介绍其中一些重要的算法。
首先，传统的计算机视觉方法在水下环境中的效果较差，因此，研究者们借鉴了生物学中的启发式方法，提出了基于生物视觉的水下机器人自主识别和目标跟踪算法。这些算法采用鱼类和海洋生物们优秀的视觉处理能力为模板，通过局部特征提取、运动分析和模式识别等技术，在水下环境中实现了较好的图像识别和目标跟踪效果。
其次，由于水下环境的复杂性，传统的图像识别和目标跟踪算法往往无法满足实际需求。因此，研究者们开始探索新的方法和技术，如深度学习和机器学习等。这些算法通过构建深度神经网络，并基于大量的水下图像数据进行训练，实现了对水下目标的自主识别和跟踪。深度学习算法的出现极大地提高了水下机器人自主识别和目标跟踪的准确性和效率。
除了上述方法外，还有一些特殊的水下机器人自主识别和目标跟踪算法值得关注。例如，一些研究者们利用声纳和激光雷达等传感器，结合图像处理技术，实现了对水下目标的三维识别和跟踪。这些算法在水下机器人任务中起到了至关重要的作用。
随着算法的不断发展和完善，水下机器人的自主识别和目标跟踪能力得到了显著提高。然而，目前仍然存在一些挑战和问题。首先，水下环境的光线、水质、水流等因素对图像质量和目标检测造成了较大的影响，需要进一步研究克服这些问题。其次，水下环境中的目标种类繁多，有时存在形状、颜色和纹理等相似的目标，需要进一步提高算法的区分度和准确性。此外，水下机器人的能源等限制也给算法的设计和实现带来了一定的挑战。
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样分为光视觉系统和声视觉系统，当距离物体十米之内，一样采纳光视觉系统，当距离物体大于十米以上时那么用声视觉系统。当前流行的趋势是采纳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、照明等设备用来知足获取光学图像和视频信息等大体的要求。而此刻的光视觉系统不仅要求知足上述要求，还要求具有对图像和视频信息进行处置、特点提取和分类识别的功能。总之，只能水下机械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置，将处置结果反馈给运算机，从而指导机械人进行正确的作业。
1.光视觉系统框架
水下光视觉系统要紧分为三大块：(1)底层模块:图像搜集系统，包括专用水下CCD感光摄像头和图像搜集卡，这部份属于硬件部份；(2)中层模块：图像处置，包括图像预处置、图像分割、特点提取、依照目标模型进行学习，形成知识库和逻辑推理机制，取得单幅图像的初步明白得和评判。(3)高层模块：分类是水下目标识别最为核心的技术，也是最终实现部份。
硬件组成
光视觉系统硬件包括光视觉运算机、水下CCD摄像头、云台和辅助照明灯。光视觉运算机完成视觉建模、高层视觉信息处置和明白得、与机械人主控运算机的网络通信，实时监控系统每一个时刻节拍的运行状态与处置参数。
软件体系
水下光视觉系统的软件体系涵盖了两个部份：中层模块和高层模块。中层模块要紧负责图像处置工作(图像处置一样包括图像预处置、图像分割和特点提取三方面)。高层模块是水下目标识别系统的最终实现部份，一样采纳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械人的传感设备，应该具有灵敏度高、空间分辨率高、隐蔽性好、抗干扰能力强、自主调剂和全天候作业等特点，能适合探测弱目标和辨别多目标的需要。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、分类识别和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。目前较经常使用的是多波束声纳系统。
水下目标识别
水下目标识别
水下目标识别是指利用各种技术手段，对水下环境中的目标进行有效的识别和分类。水下目标识别在海洋资源勘探、海洋环境监测、水下作业和军事等领域具有重要的应用价值。本文将详细介绍水下目标识别的基本原理和常用方法。
水下目标识别的基本原理主要包括声纳识别、光学识别和化学识别。声纳识别是利用声波在水中传播的特性，通过声纳设备对水下目标进行探测和识别。光学识别则是利用光学传感器，对水下目标的形态和特征进行观测和分析。而化学识别则是通过分析水下目标的化学成分和组成，进行目标的识别和分类。
目前，水下目标识别的常用方法主要包括特征提取和模式识别两个主要步骤。特征提取是指通过对水下目标的观测数据进行处理，提取出具有代表性的目标特征。常用的特征包括目标的形状、尺寸、纹理和颜色等。而模式识别则是通过对提取到的目标特征进行比对和匹配，将目标识别为某一类别。
在声纳识别中，常用的方法包括目标回声信号的时域分析和频域分析。时域分析是指对回声信号进行时间序列的处理，获得目标的形态和闪烁特征。而频域分析则是通过将回声信号转换为频域信号，进一步分析目标的频率、相位和幅度等特征。
在光学识别中，常用的方法包括目标边缘检测、纹理分析和颜色识别。目标边缘检测是指通过对水下目标的图像进行边缘提取，获得目标的形状和轮廓信息。纹理分析则是通过对图像进行纹理特征的提取和分析，获得目标的细节特征。而颜色识别则是通过对图像进行色彩空间的分析，将目标识别为某一类别。
在化学识别中，常用的方法包括目标样品的采集和分析。目标样品的采集可以通过水下机器人和无人潜水器等设备进行，将水下目标的样品带回实验室进行进一步分析。常用的分析技术包括质谱、红外光谱和核磁共振等。
总之，水下目标识别是水下工程和海洋科学中的重要研究领域。通过对水下目标的有效识别和分类，可以提高海洋资源的开发利用效率，保护海洋环境，提升水下作业的安全性和效益。随着技术的不断发展，水下目标识别技术也将得到进一步的提升和应用。