稀疏MIMO声纳沉底目标特征提取及识别研究

The widely separated MIMO sonar system, which is by means of idea of spatial diversity, via receiving scattering waves from different azimuth of object to achieve the information of scattering field, could improve ability of recognition of bottomed objectives and is practical significance for detecting bottomed objects. The key problem using widely separated MIMO sonar system to recognize bottomed object is how to effectively synthesize the information of scattering waves from different azimuth of object and extract the features. For this problem, the emphasis of study is the methods of reconstructing the scattering information and extracting feature under the widely separated MIMO sonar system. Firstly, analyze the time-frequency characters of reverberation and object signals under wide-band transmitting signals, and restrain the reverberation by means of time-frequency filter. And then study the methods of reconstructing the spatial information of scattering field of the objects under MIMO sonar system basing on theory of Compressed Sensing. Effectively synthesize the information of scattering waves from different azimuth of bottomed object and analyze the differences from objects, reverberation and non-objects. And extract their two-dimension scattering features. At last, design support vectors machine to recognition basing on data driving, and validate effects of features extraction and recognition via practical experiments. These studies could provide effective resolution and technology for bottomed objects extraction features and recognition under widely separated MIMO sonar system.

稀疏布放的MIMO声纳体制，采用空间分集的思想，通过接收不同方位目标散射波，可有效获得目标散射场信息，可大大提高对沉底目标的识别能力，对沉底目标声探测具有重要的实际意义。稀疏MIMO声纳沉底目标识别的关键问题是如何有效地将目标不同方向的散射波信号进行信息综合并提取特征。针对此问题，重点研究稀疏MIMO声纳沉底目标散射信息重建及特征提取方法。研究思路是，首先分析宽带信号激励下混响干扰与目标信号的时频特性，采用时频滤波方法抑制混响，然后研究基于压缩感知理论的MIMO声纳目标散射场的空间信息重建方法，将不同方位的沉底目标回波信息有效进行综合，并分析目标、混响及非目标的空间散射特性差异，提取二维散射特征，最后设计基于数据特征驱动的支持向量机作为分类器进行目标识别研究，并通过实验验证特征提取及识别效果。本项目研究可为稀疏MIMO声纳体制下沉底目标特征提取及识别问题提供有效的解决途径及技术基础。

本项目针对稀疏布放的多输入多输出（MIMO）声纳体制下，如何有效地将目标不同方位的散射波信号进行信息综合并提取特征的问题，主要开展了稀疏MIMO声纳沉底目标散射信息综合及特征提取方法研究，同时设计新的核函数支持向量机进行目标识别。按照研究计划，通过大量研究，分别提出了多种特征提取方法：时频滤波抑制混响及目标亮点特征提取方法、基于压缩感知以及主分量分析的目标多方位散射波的稀疏特征向量提取方法、基于非相干统计加权滤波反投影的目标散射强度分布ARIMA建模特征提取方法。时频域滤波Hough变换的目标回波亮点特征提取方法，是在本课题组提出的时频脊波变换滤波抑制混响干的基础上，采用Hough变换及其投影方法提取沉底目标回波的亮点特征，其中重点研究了时频滤波后Hough变换域中的峰值与目标亮点对应的关系，揭示了各峰值与目标回波中的亮点特征所对应的物理关系，通过实验表明该亮点特征提取方法与常规方法相比可有效提高主动声纳识别沉底目标的性能。研究了基于压缩感知思想以及主分量分析的稀疏特征向量提取方法，其基本思想是通过构造测量矩阵及标识向量采用重构算法计算稀疏解作为特征向量，实验结果表明该特征提取方法可较为有效的提取多方位目标散射波中的特征并起到了降维的作用。研究了基于非相干加权滤波反投影的目标散射强度分布ARIMA建模特征提取方法，该方法充分利用MIMO声纳对提取目标空间散射特性的优势，首先重点建立并分析了目标表面散射强度分布的数学模型，然后提出了非相干统计加权反投影算法抑制混响获得目标散射强度分布，考虑到海底混响的随机特性，采用统计直方图技术及自回归求和滑动平均模型（ARIMA）进行统计建模提取模型参数向量作为最终的特征向量，实验结果表明该方法提取到的特征具有良好的识别性能且特征维数较低的优异特性。为了进一步提高SVM的识别性能，研究了改进核函数的SVM，分析并证明了新的核函数的有效性，并开展了与不同的特征提取方法相结合的实验研究，结果表明新的核函数SVM可有效的提高识别性能。此外还从理论和实验方面对目标及混响的物理特性进行了研究，对提取特征起到了辅助支撑作用。综上，本项目中的研究结论及结果可为稀疏MIMO声纳体制下沉底目标特征提取及识别问题提供潜在的解决途径。

内容获取失败，请点击重试