通过对潜目标准确识别,实现对目标的精确打击。当前的目标识别算法采用时频特征提取算法,随着海洋背景噪声强度的增大,准确识别概率不高。提出一种采用亮点回波信号自适应波束形成的对潜目标识别算法,首先进行了对潜攻击声探测亮点回波模型构建,采用级联滤波器进行回波信号降噪处理,对滤波后的输出信号进行自适应波束形成处理,实现信号的特征提取和指向性聚焦,提高目标亮点回波信号的检测性能,实现目标准确识别。仿真结果表明,采用该算法进行鱼雷对潜目标检测识别,准确检测概率高于传统算法,在低信混比下仍具有较好的准确识别率,抗干扰性能较好。 信号时宽和带宽。通过上述描述，实现了鱼雷对潜攻击目标亮点回波信号模型构建，为进行目标检测和识别提供输入信号基矗1．2目标回波信号滤波抗干扰预处理在上述鱼雷对潜攻击目标回波信号模型构建的基础上，需要对信号滤波处理，提高信号的纯度，由于接收到的目标回波信号受到海水混响的干扰，可分辨性能不高，本文采用二阶级联滤波器进行信号抗干扰滤波，实现混响抑制，滤波器的结构框图如图1所示。目标识别技术-数控滚圆机滚弧机电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机图1二阶级联滤波器进行混响抑制Fig合图1所示的框图，本文进行信号滤波的算法设计过程描述为:假设输入的鱼雷对潜攻击目标回波信号x(k)为一组多源宽带调频序列，这是由鱼雷对潜攻击目标回波信号和海洋混响干扰噪声共同构成的，本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.comy(k)为鱼雷对潜攻击目标回波信号经过二阶格型陷波器滤波后的输出，当陷波器的陷波频率点落在x(k)中预测误差范围内时，根据小波降噪方法，以t/a代替t，进行噪声抵消，假设噪声抵消的自适应加权函数为:用输入x(k)减去输出y(k)可以得到M个输入的鱼雷对潜攻击目标回波信号，得到输出信号的额瞬时频率为:fia0(7)输入的鱼雷对潜攻击目标回波信号为x(k－1)，…．，x(k－M)，通过选择适当的相位θ1(k)，令自适应权值w^上述仿真环境和参数设定，进行目标识别仿真实验，得到检测到的目标回波信号时域波形如图2所示。从图2可见，检测到的目标回波模型受到强烈的海洋背景噪声的干扰，对潜艇目标难以有效识别和分辨，采用本文方法进行信号滤波处理，然后进行自适应波束形成处理，实现信号检测，为了对比性能，得到滤波前后的亮点回波信号自适应波束形成结果如图3所示。图2目标亮点回波模型时域图噪滤波前噪滤波后(b)Ｒ图3滤波前后的亮点回波信号自适应波束形成结果用本文算法，对滤波后的输出信号进行自适应波束形成处理，实现信号的特征提取和指向性聚焦，提高目标亮点回波信号的检测性能，实现目标准确识别，为了定量分析目标识别性能，采用本文方法和传统的视频分析方法，通过10000次蒙特卡洛试验，在虚警概率Pf=0．1%下，得到鱼雷对潜攻击目标准确检测概率Pd随干扰强度SNＲ变化的曲线如图4所示，分析测试结果可见，采用该算法进行鱼雷对潜目标检测识别，准确检测概率高于传统算法，在低信混比下仍具第2期郑振，等:基于自适应波束形成的对潜目标识别技术·33·有较好的准确识别率，抗干扰性能较好。(下转第37页)目标识别技术-数控滚圆机滚弧机电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com