混响背景下目标回波的检测方法研究

论文摘要

对于主动声纳系统,尤其在浅海环境下,海底混响是其主要的背景干扰,混响与发射信号本身的特性密切相关,而且是一个非平稳的随机过程。本文研究并分析了混响背景下目标回波的检测方法,着重研究了利用高阶统计分析来处理混响背景下的检测问题。通过对混响特性的分析,本文从两方面结合高阶统计分析来研究混响背景下的检测问题,第一方面是在假设混响满足局部平稳的条件下,通过高阶累积量估计每段混响AR模型参数,构造一种预白化检测器,并通过仿真ROC曲线和实验数据处理将这种检测器与未白化的常规匹配滤波检测器及利用二阶统计量估计AR模型参数的预白化检测器做性能比较,仿真结果表明前者性能优于后两者;第二方面是通过分析回波和混响在双谱和高阶量上的差异,提取差异作为特征向量,训练BP神经网络构成检测器,实现了基于高阶量和双谱的特征检测,湖试数据处理结果表明基于高阶统计特征的检测器性能明显优于常规匹配滤波器。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要工作
• 第2章 混响及信号检测的基本理论
• 2.1 海底混响
• 2.2 混响的局部分段
• 2.3 信号检测的基本理论
• 2.4 本章小结
• 第3章 基于高阶统计分析的检测方法
• 3.1 高阶统计分析基本理论
• 3.1.1 矩和高阶累积量的定义
• 3.1.2 高阶矩谱和高阶累积量谱的定义
• 3.1.3 双谱的算法
• 3.2 基于高阶累积量AR模型估计的预白化检测方法
• 3.2.1 ARMA模型介绍
• 3.2.2 基于高阶累积量的参数估计
• 3.2.3 预白化匹配滤波检测器
• 3.3 基于高阶统计分析的特征检测方法
• 3.3.1 神经网络介绍
• 3.3.2 基于高阶量的特征检测方法
• 3.3.3 基于积分双谱的特征检测方法
• 3.4 本章小结
• 第4章 实验数据处理及结果分析
• 4.1 实验概况
• 4.2 数据处理
• 4.2.1 基于高阶累积量AR模型估计的预白化检测方法处理结果
• 4.2.2 基于高阶量的特征检测方法处理结果
• 4.2.3 基于积分双谱的特征检测方法处理结果
• 4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢