为了提高声纳远程弱信号或强干扰背景下的线谱检测能力,提出了一种利用相干累加频域批处理(coher-ent addition and frequency domain batch,CAFB)自适应线谱增强技术实现窄带弱信号线谱检测的新方法.该方法将接收信号进行相干累加预处...为了提高声纳远程弱信号或强干扰背景下的线谱检测能力,提出了一种利用相干累加频域批处理(coher-ent addition and frequency domain batch,CAFB)自适应线谱增强技术实现窄带弱信号线谱检测的新方法.该方法将接收信号进行相干累加预处理,使输出信噪比获得提高.提取线谱采用时域自适应线谱增强方法(adaptive line en-hancement,ALE),无需独立的参考信号,自适应地与相关的正弦或窄带信号进行匹配,可以从加性宽带噪声背景中将正弦或窄带信号分离出来.同时将频域批处理方法引入时域自适应线谱增强算法,有效地减小了算法的计算量.仿真和湖试、海试试验结果表明,该方法提高了低信噪比条件下的弱信号线谱检测能力,在获得较高的检测处理增益的同时解决了实时处理的运算量问题,使工程应用得以实现.展开更多
深度学习方法已在图像识别领域有了广泛的应用,相较于光学图像识别,合成孔径声呐图像识别存在图像分辨率低、小目标特征模糊、样本获取困难、缺少完备样本集的问题。为此,文章提出一种改进Faster R-CNN(Faster Region Convention Neural...深度学习方法已在图像识别领域有了广泛的应用,相较于光学图像识别,合成孔径声呐图像识别存在图像分辨率低、小目标特征模糊、样本获取困难、缺少完备样本集的问题。为此,文章提出一种改进Faster R-CNN(Faster Region Convention Neural Network)模型的合成孔径声成像目标检测方法,采用添加注意力机制的金字塔特征提取网络,提高特征模糊样本中小目标检测概率,采用梯度协调机制的区域适应网络解决简单样本和困难样本分布不均问题。通过实际合成孔径声成像数据验证表明,该方法较好地实现了合成孔径图像中多类别小目标的智能检测。展开更多
文摘为了提高声纳远程弱信号或强干扰背景下的线谱检测能力,提出了一种利用相干累加频域批处理(coher-ent addition and frequency domain batch,CAFB)自适应线谱增强技术实现窄带弱信号线谱检测的新方法.该方法将接收信号进行相干累加预处理,使输出信噪比获得提高.提取线谱采用时域自适应线谱增强方法(adaptive line en-hancement,ALE),无需独立的参考信号,自适应地与相关的正弦或窄带信号进行匹配,可以从加性宽带噪声背景中将正弦或窄带信号分离出来.同时将频域批处理方法引入时域自适应线谱增强算法,有效地减小了算法的计算量.仿真和湖试、海试试验结果表明,该方法提高了低信噪比条件下的弱信号线谱检测能力,在获得较高的检测处理增益的同时解决了实时处理的运算量问题,使工程应用得以实现.
