CN110488301B - 一种多源信息融合的声纳综合目标识别方法 - Google Patents
一种多源信息融合的声纳综合目标识别方法 Download PDFInfo
- Publication number
- CN110488301B CN110488301B CN201910647367.5A CN201910647367A CN110488301B CN 110488301 B CN110488301 B CN 110488301B CN 201910647367 A CN201910647367 A CN 201910647367A CN 110488301 B CN110488301 B CN 110488301B
- Authority
- CN
- China
- Prior art keywords
- target
- sonar
- information
- identification
- starboard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004927 fusion Effects 0.000 title claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 239000002184 metal Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 229910052755 nonmetal Inorganic materials 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims description 2
- 238000012805 post-processing Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种多信息源融合的声纳目标综合识别方法。针对声纳在搜潜过程中目标识别正确率提升的问题,分析声纳目标特征及其获取手段,研究声纳目标特征提取、分析和识别方法,综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行联合识别,深层次挖掘目标特征信息,通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,从而转化成信息优势,形成标准的识别流程,提高声纳目标识别正确率。
Description
技术领域
本发明属于声纳目标识别技术领域。本发明提出一种综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行联合识别的多信息源融合的声纳目标综合识别方法,并通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,形成标准的声纳目标综合识别使用流程,从而提高目标识别正确率。
背景技术
声纳目标识别是基于声纳装备发现目标的前提下,声纳职手依据声纳装备探测目标信息,利用图谱分析、听音识别、运动要素分析等综合信息判明目标属性的过程,也是声纳装备后置数据处理的重要环节。完成水下目标识别的关键是利用目标的不变特征。迄今为止,国内外有关水下目标识别的报道多属依据目标谱结构,但由于先验资料的不足,致使这种方式的识别实施具有较大的难度。对于回声信号而言,要想依据谱结构去识别更是难以实现。鉴于水声目标分类识别的复杂性,其总趋势朝综合识别方向发展,即采用数据融合的方式将各种可以利用的信息综合起来,除***提供的识别信息以外,还要考虑位置因素、人的因素和各种先验知识等,最后作出判断。目标分类识别一般包括特征提取和分类判决两个阶段,首先是在采集到的信号中提取特征,然后根据所提取的特征进行分类。可见,对目标的分类识别首要条件是要获得良好的目标信号,从中提取目标特征。否则,目标的分类识别准确度就会下降。
发明内容
针对声纳目标识别正确率过低的问题,提出一种声纳综合目标识别方法,综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行识别,达到快速、准确识别目标的目的。
本发明主要解决的技术问题是提供一种多源信息融合的声纳综合目标识别方法。本发明的技术方案为:
(1)声纳目标识别
声纳目标识别是基于声纳装备发现目标的前提下,声纳职手依据声纳装备探测目标信息,利用图谱分析、听音识别、运动要素分析等综合信息判明目标属性的过程;
(2)识别总体思路
声纳用于感知海洋环境中的目标信息,主要包括:舰艇辐射噪声特征及被动声纳***、舰艇声反射特征及主动声纳***、浅海/深海海洋环境测量。声纳探测的目标方位信息、距离信息、径向速度信息、频谱信息和音频信息,为被动声纳、主动声纳探测识别、目标运动要素解算等提供了实测手段支撑。声纳目标类型主要分为回声目标和噪声目标两种类型。声纳目标声信号特征体系,揭示了与潜艇目标螺旋桨桨数、桨叶数、尺度/吨位、外形、结构、目标外部材质、目标行为等属性相关联的辐射声、散射声两大类声信号精细特征形成机理、模型和规律。声纳探测目标回波特征、辐射噪声特性与目标尺度/吨位及特定机械周期运动、螺旋桨、目标外形、目标内部结构及材质、目标行为特征、声场干涉/畸变、听觉感知等相关的回声和辐射噪声信号密切相关。
目前,由于先验的信息不足,在声纳装备自动目标识别水平和能力还很有限的情况下,提出目标特征信息深度挖掘提取的方法,采取回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息等信息进行综合识别的作战使用样式,成为提升声纳目标识别正确率的重要手段。因此,声纳目标特征信息深度提取、声纳职手目标综合识别的人机结合识别方式是促进声纳目标识别正确率提升的有效途径。
综上,指挥员及声纳职手综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息等战场态势信息及情报信息,通过排除法和印证法相互查证,能快速、准确识别目标,从而提高声纳目标识别正确率。声纳目标特征信息识别的具体流程如下:
①水面/水下目标识别
首先利用雷达或AIS信息通过排除法排除水面目标(包括搜索编队的队员舰、商船、钢质渔船等),初步确定目标为水下目标。
②左右舷识别
对于舰壳声纳,设备在技术上即可判别目标左右舷;对于拖曳线列阵声纳,若是三元阵,从技术上,目前有采用每个阵元含有三个水听器的三元组线列阵、采用矢量水听器、采用双拖、主被动的方式等来解决,可自动判别目标左右舷;但对于一维拖曳线列阵,由于线列阵上的水听器是无指向性的,往往存在左右模糊现象。为解决这个问题,从战术上,一般采取本舰的一定机动措施来观测目标方位的变化情况,才能做出对目标舷角的判断。
③运动目标识别
通过反潜***解算目标航向、航速等运动要素或检查目标有无明显机械噪声、螺旋桨噪声、偶发脉冲等特征确定目标是运动目标或非运动目标。通常主动声纳输出仅有方位和距离两个参量。将距离方位的参量输出经过解算后可得出目标的长度、速度和目标强度。
④金属目标识别
通过海图对海底山坡、海沟、暗礁、凸起峰的准确位置进行标识,对目标反射特征和反射系数确定目标为金属目标或非金属目标。
⑤目标特征识别
通过检查海底是否有沉船来确定目标是否为坐沉海底的潜艇,沉船由于沉没时间长短关系,表层会吸附不同厚度的海生物,对目标的反射系数和回声、回波、谱图特征与潜艇区别较为明显。
实际使用当中,对于有经验的声纳操作员来说,可以从LOFAR图上所含有的信息中找出有助于运动目标的识别与分析。如在某个波束上某个目标最强;那个目标有多普勒频移,这表明该目标有一定的运动速度或航迹发生变化;通过线谱的频率可识别目标等。
⑥多途目标识别
对主动声纳而言,平坦海底或良好水文条件下往往多途干扰较少,但对于斜坡海底、起伏海底或恶劣水文条件下,声传播多途效应变得严重,引起声纳杂波点较多,需要杂波背景中准确识别出目标。
搜索编队或其他舰艇在标定的位置点不能同时发现目标时,要考虑到目标是否是由于本舰声纳发射声波经过多次反射发现的其它远距离海域的目标,此时可以变换一下声纳量程或信号处理形式进行检测识别。
本发明的效果和益处是:通过综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行多信息源融合的综合目标识别方法,可将碎片化式、分散的、孤立的数据融合起来,从而转化成信息优势,形成标准的识别流程,提高声纳目标识别正确率。
附图说明
图1是多信息源融合的声纳目标综合识别流程图,
图2是声纳目标识别信息源组成图。
具体实施方式
本发明一种多源信息融合的声纳综合目标识别方法提供了一种可操性强的声纳目标识别方法。其具体实施方法可按照本发明的技术方案中的水面/水下目标识别、左右舷识别、运动目标识别、金属目标识别、目标特征识别、多途目标识别等相关内容实施。综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行识别,深层次挖掘目标特征信息,通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,提高对抗条件下声纳目标识别正确率,为合理使用声纳装备、充分发挥声纳探测效能提供支撑;其次,综合目标识别的一个重要理念,就是建立声纳目标特征数据库,将不同数据源、多年历史和未来采集的数据经“整合”,形成一个有组织的便于分析挖掘的数据环境。把大数据运用理念引入水声目标识别必将为水下目标识别、作战辅助决策提供数据支撑和信息支撑。
建立声纳目标数据采集标准,作战数据、态势数据、情报数据、雷达数据、AIS数据等都全时采集并汇入数据库。
(1)声纳目标识别
声纳目标识别是基于声纳装备发现目标的前提下,声纳职手依据声纳装备探测目标信息,利用图谱分析、听音识别、运动要素分析等综合信息判明目标属性的过程;
(2)识别总体思路
声纳用于感知海洋环境中的目标信息,主要包括:舰艇辐射噪声特征及被动声纳***、舰艇声反射特征及主动声纳***、浅海/深海海洋环境测量。声纳探测的目标方位信息、距离信息、径向速度信息、频谱信息和音频信息,
具体流程如下:
①水面/水下目标识别
首先利用雷达或AIS信息通过排除法排除水面目标(包括搜索编队的队员舰、商船、钢质渔船等),初步确定目标为水下目标。
②左右舷识别
对于舰壳声纳,设备在技术上即可判别目标左右舷;对于拖曳线列阵声纳,若是三元阵,从技术上,目前有采用每个阵元含有三个水听器的三元组线列阵、采用矢量水听器、采用双拖、主被动的方式等来解决,可自动判别目标左右舷;但对于一维拖曳线列阵,由于线列阵上的水听器是无指向性的,往往存在左右模糊现象。为解决这个问题,从战术上,一般采取本舰的一定机动措施来观测目标方位的变化情况,才能做出对目标舷角的判断。经研究,可以根据本舰转向机动后目标舷角相对原舷角的变化规律来判别左右舷,可以依据以下的判决原则:
a)本舰向左转向
目标舷角增大,目标在右舷;
目标舷角减小,目标在左舷。
b)本舰向右转向
目标舷角增大,目标在左舷;
目标舷角减小,目标在右舷。
c)对于由多途效应引起的目标方位模糊问题,则可以通过舰艇机动将目标置于舷侧波束内,然后再按a)、b)两条准则进行判决。
对于一维拖曳线列阵声纳发现目标时,利用窄带检测判明其类型后本舰应立即机动转向,判别目标的舷侧,机动的方法是:首先根据目标可能的来袭方向假设其位于本舰的某一舷,然后向另一舷侧方向转向并观察目标方位的变化情况,判断其左右舷。
③运动目标识别
通过反潜***解算目标航向、航速等运动要素或检查目标有无明显机械噪声、螺旋桨噪声、偶发脉冲等特征确定目标是运动目标或非运动目标。通常主动声纳输出仅有方位和距离两个参量。将距离方位的参量输出经过解算后可得出目标的长度、速度和目标强度。
a)潜艇的速度
径向速度Vr=(R1-R2)/t(1)
对地速度V潜=(Vt+Vr)(3)
式中:
R1——第一次目标距离;
R2——第二次目标距离;
t——扫描时间;
b)潜艇反射强度
依据主动声纳方程SL-NL-2TL+TS+GS+GT=M(4)
式中:
SL——发射声源级;
NL——背景噪声级;
TL——传播损失;
TS——目标强度;
GS——阵的空间增益;
GT——后置处理的时间增益。
在检测过程中,接收的信号余量为M,则TS表示如下:
TS=M-GS-GT-SL+NL+2TL (5)
M=10lg(A2/N2) (6)
式中:
A2——有信号时的能量;
N2——无信号时的噪声能量。
根据主动声纳判型的依据和目标谱图显示,结合搜索舰战术机动,反潜火控***解算出的目标航向、航速等参数判明目标属性并掌握目标的运动态势。对被动声纳而言,可利用目标的“螺旋桨拍”确定目标的螺旋桨转数并估算目标航速。
④金属目标识别
通过海图对海底山坡、海沟、暗礁、凸起峰的准确位置进行标识,对目标反射特征和反射系数确定目标为金属目标或非金属目标。
⑤目标特征识别
通过检查海底是否有沉船来确定目标是否为坐沉海底的潜艇,沉船由于沉没时间长短关系,表层会吸附不同厚度的海生物,对目标的反射系数和回声、回波、谱图特征与潜艇区别较为明显。
实际使用当中,对于有经验的声纳操作员来说,可以从LOFAR图上所含有的信息中找出有助于运动目标的识别与分析。如在某个波束上某个目标最强;那个目标有多普勒频移,这表明该目标有一定的运动速度或航迹发生变化;通过线谱的频率可识别目标等。
⑥多途目标识别
对主动声纳而言,平坦海底或良好水文条件下往往多途干扰较少,但对于斜坡海底、起伏海底或恶劣水文条件下,声传播多途效应变得严重,引起声纳杂波点较多,需要杂波背景中准确识别出目标。
搜索编队或其他舰艇在标定的位置点不能同时发现目标时,要考虑到目标是否是由于本舰声纳发射声波经过多次反射发现的其它远距离海域的目标,此时可以变换一下声纳量程或信号处理形式进行检测识别。
Claims (1)
1.一种多源信息融合的声纳综合目标识别方法,综合运用声纳探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息进行识别,其特征在于,具体内容包括:
声纳目标识别,具体流程如下:
(1)水面/水下目标识别
首先利用雷达或AIS信息通过排除法排除水面目标,初步确定目标为水下目标;
(2)左右舷识别
对于舰壳声纳,在技术上即判别目标左右舷;对于拖曳线列阵声纳,若是三元阵,从技术上,目前有采用每个阵元含有三个水听器的三元组线列阵、采用矢量水听器、采用双拖、主被动的方式来解决,自动判别目标左右舷;对于一维拖曳线列阵,由于线列阵上的水听器是无指向性的,采取本舰的机动措施来观测目标方位的变化情况,做出对目标舷角的判断;
(3)运动目标识别
通过反潜***解算目标航向、航速运动要素或检查目标有无明显机械噪声、螺旋桨噪声、偶发脉冲特征确定目标是运动目标或非运动目标,主动声纳输出仅有方位和距离两个参量,将距离方位的参量输出经过解算后得出目标的长度、速度和目标强度;
(4)金属目标识别
通过海图对海底山坡、海沟、暗礁、凸起峰的准确位置进行标识,针对目标反射特征和反射系数确定目标为金属目标或非金属目标;
(5)目标特征识别
通过检查海底是否有沉船来确定目标是否为坐沉海底的潜艇;
(6)多途目标识别
对主动声纳而言,平坦海底或良好水文条件下往往多途干扰较少,但对于斜坡海底、起伏海底或恶劣水文条件下,声传播多途效应变得严重,引起声纳杂波点较多,需要杂波背景中准确识别出目标;
所述左右舷识别,根据本舰转向机动后目标舷角相对原舷角的变化规律来判别左右舷,依据以下的判决原则:
a)本舰向左转向
目标舷角增大,目标在右舷;
目标舷角减小,目标在左舷;
b)本舰向右转向
目标舷角增大,目标在左舷;
目标舷角减小,目标在右舷;
c)对于由多途效应引起的目标方位模糊问题,则通过舰艇机动将目标置于舷侧波束内,然后再按a)、b)两条准则进行判决;
对于一维拖曳线列阵声纳发现目标时,利用窄带检测判明其类型后本舰应立即机动转向,判别目标的舷侧,方法是:首先根据目标可能的来袭方向假设其位于本舰的某一舷,然后向另一舷侧方向转向并观察目标方位的变化情况,判断其左右舷;
目标速度和目标强度的识别具体为:
(1)目标速度识别
径向速度Vr=(R1-R2)/t (1)
对地速度V潜=(Vt+Vr) (3)
式中:
R1——第一次目标距离;
R2——第二次目标距离;
t——扫描时间;
(2)目标强度识别
依据主动声纳方程SL-NL-2TL+TS+GS+GT=M (4)
式中:
SL——发射声源级;
NL——背景噪声级;
TL——传播损失;
TS——目标强度;
GS——阵的空间增益;
GT——后置处理的时间增益;
在检测过程中,接收的信号余量为M,则TS表示如下:
TS=M-GS-GT-SL+NL+2TL (5)
M=10lg(A2/N2) (6)
式中:
A2——有信号时的能量;
N2——无信号时的噪声能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910647367.5A CN110488301B (zh) | 2019-07-17 | 2019-07-17 | 一种多源信息融合的声纳综合目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910647367.5A CN110488301B (zh) | 2019-07-17 | 2019-07-17 | 一种多源信息融合的声纳综合目标识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488301A CN110488301A (zh) | 2019-11-22 |
CN110488301B true CN110488301B (zh) | 2023-01-06 |
Family
ID=68547330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910647367.5A Expired - Fee Related CN110488301B (zh) | 2019-07-17 | 2019-07-17 | 一种多源信息融合的声纳综合目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488301B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111830493B (zh) * | 2020-06-24 | 2023-12-22 | 上海交通大学 | 水中目标收发分置中高频声目标强度预报***及方法 |
CN112163461B (zh) * | 2020-09-07 | 2022-07-05 | 中国海洋大学 | 一种基于多模态融合的水下目标识别方法 |
CN112987726B (zh) * | 2021-02-05 | 2023-06-09 | 中国人民解放军海军工程大学 | 拖线阵持续接触目标的拖船机动方法 |
CN114545422B (zh) * | 2022-04-25 | 2022-07-19 | 杭州应用声学研究所(中国船舶重工集团公司第七一五研究所) | 基于多物理特征的主动声呐目标识别方法 |
CN115630288A (zh) * | 2022-12-20 | 2023-01-20 | 中国电子科技集团公司第十四研究所 | 一种多源特征多层次综合识别处理架构 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU20389U1 (ru) * | 2001-03-11 | 2001-10-27 | Федеральное государственное унитарное предприятие "Центральный научно-исследовательский институт "Морфизприбор" | Гидролокатор обнаружения и классификации надводных и подводных целей для надводных кораблей |
CN101666876A (zh) * | 2008-09-05 | 2010-03-10 | 中国科学院声学研究所 | 一种双线阵声纳左右舷识别方法及相应*** |
CN101868045A (zh) * | 2009-10-30 | 2010-10-20 | 中国人民解放军炮兵学院 | 一种基于复合传感器自组网的运动目标分类识别方法 |
CN102243302A (zh) * | 2011-04-15 | 2011-11-16 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
CN103091679A (zh) * | 2013-02-04 | 2013-05-08 | 中国科学院声学研究所 | 水下运动目标识别方法 |
CN105654133A (zh) * | 2015-12-31 | 2016-06-08 | 中船重工(昆明)灵湖科技发展有限公司 | 基于多源数据的船只轨迹融合***及其实现方法 |
CN106338713A (zh) * | 2016-09-27 | 2017-01-18 | 哈尔滨工程大学 | 一种基于波束零陷权的矢量阵目标左右舷分辨方法 |
CN107255818A (zh) * | 2017-06-13 | 2017-10-17 | 厦门大学 | 一种两维多特征融合的水下目标快速检测方法 |
CN108416361A (zh) * | 2018-01-18 | 2018-08-17 | 上海鹰觉科技有限公司 | 一种基于海域监视的信息融合***以及方法 |
CN108828566A (zh) * | 2018-06-08 | 2018-11-16 | 苏州桑泰海洋仪器研发有限责任公司 | 基于拖曳线列阵的水下脉冲信号识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070159922A1 (en) * | 2001-06-21 | 2007-07-12 | Zimmerman Matthew J | 3-D sonar system |
-
2019
- 2019-07-17 CN CN201910647367.5A patent/CN110488301B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU20389U1 (ru) * | 2001-03-11 | 2001-10-27 | Федеральное государственное унитарное предприятие "Центральный научно-исследовательский институт "Морфизприбор" | Гидролокатор обнаружения и классификации надводных и подводных целей для надводных кораблей |
CN101666876A (zh) * | 2008-09-05 | 2010-03-10 | 中国科学院声学研究所 | 一种双线阵声纳左右舷识别方法及相应*** |
CN101868045A (zh) * | 2009-10-30 | 2010-10-20 | 中国人民解放军炮兵学院 | 一种基于复合传感器自组网的运动目标分类识别方法 |
CN102243302A (zh) * | 2011-04-15 | 2011-11-16 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
CN103091679A (zh) * | 2013-02-04 | 2013-05-08 | 中国科学院声学研究所 | 水下运动目标识别方法 |
CN105654133A (zh) * | 2015-12-31 | 2016-06-08 | 中船重工(昆明)灵湖科技发展有限公司 | 基于多源数据的船只轨迹融合***及其实现方法 |
CN106338713A (zh) * | 2016-09-27 | 2017-01-18 | 哈尔滨工程大学 | 一种基于波束零陷权的矢量阵目标左右舷分辨方法 |
CN107255818A (zh) * | 2017-06-13 | 2017-10-17 | 厦门大学 | 一种两维多特征融合的水下目标快速检测方法 |
CN108416361A (zh) * | 2018-01-18 | 2018-08-17 | 上海鹰觉科技有限公司 | 一种基于海域监视的信息融合***以及方法 |
CN108828566A (zh) * | 2018-06-08 | 2018-11-16 | 苏州桑泰海洋仪器研发有限责任公司 | 基于拖曳线列阵的水下脉冲信号识别方法 |
Non-Patent Citations (4)
Title |
---|
基于多源信息融合的声呐目标非威胁度评估方法;周彬等;《水下无人***学报》;20181031;第26卷(第5期);第439-443页 * |
基于多源信息融合的浅海超低频声源目标探测关键技术及实现;孙显彬等;《海洋科学》;20190131;第43卷(第1期);第95-100页 * |
基于多源信息融合的潜艇目标识别方法研究;郑文恩等;《船舶工程》;20040228;第26卷(第2期);第68-70页 * |
拖曳线列阵声纳作战使用初探;王红萍等;《声学技术》;20120831;第31卷(第4期);第261-264页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110488301A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488301B (zh) | 一种多源信息融合的声纳综合目标识别方法 | |
US20070159922A1 (en) | 3-D sonar system | |
US8144546B2 (en) | Method and apparatus for detection and classification of a swimming object | |
CA2924151C (en) | System for detecting and locating submerged objects having neutral buoyancy such as moored mines and associated method | |
CN108957462B (zh) | 一种基于平坦海底的多波束水体数据处理方法 | |
Vinutha et al. | Under water mine detection using SONAR | |
Yamasaki et al. | Acoustic water bottom investigation with a remotely operated watercraft survey system | |
Bjørnø | Developments in sonar and array technologies | |
EP2019972A2 (en) | 3-d sonar system | |
US7483336B2 (en) | Device for avoiding obstacles for high-speed multi-hulled watercraft | |
Villar et al. | Pipeline detection system from acoustic images utilizing CA-CFAR | |
US7139221B1 (en) | Close range sonar system and method | |
Kozaczka et al. | Processing data on sea bottom structure obtained by means of the parametric sounding | |
Meadows | A review of low cost underwater acoustic remote sensing for large freshwater systems | |
Bjørnø | Developments in sonar technologies and their applications | |
Hansen | Change detection on shipwrecks using synthetic aperture sonar–North Sea Wrecks Task 3.5 Deep Water Case Study | |
JP6922262B2 (ja) | ソーナー画像処理装置、ソーナー画像処理方法およびソーナー画像処理プログラム | |
Medeiros et al. | High resolution array signal processing for AUVs | |
Barbu et al. | AQS-20 sonar processing enhancement for bathymetry estimation | |
Slămnoiu et al. | Efficient Use of AUVs in the Maritime Environment | |
gu Lee | Depth estimation of an underwater target using DIFAR sonobuoy | |
Wilkinson et al. | A review of the use of sonar on underwater vehicles to obtain information on sea ice draft | |
CN107621639B (zh) | 一种基于连续线性和证据累加准则的水下障碍检测方法 | |
Chu et al. | Effect of Suspended Sediment on Acoustic Detection Using the Navy's CASS-GRAB Model | |
Zhang et al. | Advanced Mapping of the Seafloor Using Sea Vehicle Mounted Sounding Technologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20230106 |