导读:本文包含了前视声呐论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:水下,目标,图像,图像处理,质心,波束,向量。
前视声呐论文文献综述
严浙平,李技云,吴以,杨泽文[1]（2019）在《基于前视声呐的水下移动障碍物运动参数预测》一文中研究指出针对水下未知环境中移动障碍物的运动速度预测,提出一种基于多波束前视声呐预测方法.首先,对多波束前视声呐采集的障碍物叁维点云数据进行滤波处理,并采用并行搜索树算法进行数据分块处理以分离出单个障碍物.然后,分别计算声呐每一采样时刻障碍物虚拟质心位置,并修正由无人潜航器船位差所产生的虚拟质心位置变化;建立自适应神经模糊推理系统模型,根据输入的虚拟质心位置依次预测移动障碍物的速度和方向角.最后,进行Matlab仿真实验,仿真结果表明:基于前视声呐探测数据获取的虚拟质心能够准确反映移动障碍物的运动趋势,基于此的自适应神经模糊推理系统能够准确预测移动障碍物的运动参数.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年05期）
王子麒[2]（2019）在《基于前视声呐的水下目标探测与跟踪算法研究及系统实现》一文中研究指出随着国家海洋战略的转变和海洋地位的提高,有关水下潜器的水声技术备受国内外瞩目。因此,研究基于前视声呐的水下目标探测与跟踪,对水下潜器的水下探测与跟踪技术的发展有着重大实际意义。本文主要关注基于前视声呐的水下最近障碍物探测和目标跟踪问题,研究了基于前视声呐图像的图像处理方法,实现了一种适用于单波束步进前视声呐的目标探测与跟踪系统。本文根据Micorn DST型前视声呐图像的特点,研究了基于前视声呐图像的最近障碍物目标探测算法,由中值滤波,基于对数隶属度的模糊增强,最大熵分割,疑似目标筛选和改进反距离加权插值后向映射算法组成。然后根据有缆水下机器人平台的实际需求,研究实现了一种基于前视声呐的声探测系统,并取得了预期实验结果。之后本文分析了Micorn DST型前视声呐图像中水下目标的多种灰度,形状和纹理特征,最后选择使用不变矩构造特征集合,作为粒子滤波跟踪方法的观测模型。并且对比了使用灰度模板匹配作为观测模型的经典粒子滤波算法和以特征集合作为观测模型的粒子滤波算法,最终实现了一种基于前视声呐图像的粒子滤波算法,然后根据本文研究的声探测系统,完成了声探测系统的目标跟踪功能。本文研究实现的声探测系统可以提供水下最近障碍物的预警功能,具有较完整的软硬件结构,并且经过水池实验和海洋实验测试了声探测系统的性能。实现结果表明,声探测系统可以为水下机器人提供稳定可靠的最近障碍物预警功能。根据研究实现的声探测系统,继而开发了基于粒子滤波的目标跟踪模块,经实际数据验证,目标跟踪模块可以对水下目标进行有效的跟踪,为声探测系统提供目标跟踪的功能。(本文来源于《哈尔滨工程大学》期刊2019-03-07）
段江涛,王文琮,高正杨,石建飞,张学磊[3]（2019）在《某前视声呐试制过程中的高旁瓣现象的消除》一文中研究指出针对某款试制的前视成像声呐初次水池试验过程中出现的成像效果不理想,存在多个旁瓣较高的现象,通过选取合适的试验数据进行处理分析,阐明了该试制样机高旁瓣现象的原因,并通过在算法层面使用阵元失效补偿技术和幅度不一致性校正方法,显着改善了试制样机的成像效果,为下一步的设计改进提供了有益的参考。(本文来源于《电声技术》期刊2019年01期）
邢炜[4]（2019）在《基于前视声呐的AUV避障方法研究》一文中研究指出避障问题是自主式水下航行器(Autonomous Underwater Vehicle,即AUV)研究过程中的关键课题。由于作业环境的未知、多变等特性,AUV难于预先获取其作业环境中的全部环境信息,因而无法使用基于先验信息的路径规划算法。随着研究的深入和技术指标的提升,AUV的作业环境和所要完成的任务日趋复杂,AUV势必朝向智能化发展,并具备对未知环境的适应能力和独立决策完成任务的能力。本文针对未知环境下的障碍物感知与3D重建、路径规划和AUV的避障等相关技术展开了研究。首先,建立避障系统中相关对象模型,包括AUV建模和机动障碍物运动建模。在大地坐标系和随体坐标系下,分析AUV受力情况,对AUV进行运动学建模和动力学建模。建立水下机动障碍物的典型运动模型,并给出其运动学方程,研究基于Sage-Husa自适应卡尔曼滤波的障碍物状态估计方法,设计机动障碍物运动状态估计实验,验证该运动状态估计方法的有效性。其次,针对前视声呐探测数据中障碍物高度未知的问题,提出双前视声呐探测方法并分析其原理,为验证该方法的可行性,设计双声呐探测实验,以栅格法和数学形态学方法处理声呐数据,对障碍物进行3D重建,验证该算法的可行性。再次,针对传统人工势场法(Artificial Potential Field,即APF)存在的叁个问题进行分析和改进。阐述了快速扩展随机树法(Rapidly-exploring Random Tree,即RRT)的算法原理,对RRT算法中路径搜索的无导向性进行改进,实现了对RRT算法的优化。在APF算法中引入改进RRT算法,形成APF-RRT混合算法,解决了 APF算法中的局部极小值问题。设计复杂环境下的避障实验,验证混合算法的有效性。最后,搭建仿真平台,设计AUV的避障策略,将APF-RRT混合避障算法应用于AUV避障,设计AUV避障仿真实验,仿真结果证明,该混合算法可以指引AUV安全通过障碍物。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
石洋,胡长青[5]（2018）在《基于粒子群最小二乘支持向量机的前视声呐目标识别》一文中研究指出随着声成像技术的日益发展和广泛应用,利用图像声呐进行水下目标识别逐渐成为水声探测领域的重要研究方向之一。根据前视声呐图像的特性,提出了一种水下目标识别的方法。对声呐图像进行去噪和增强处理并分割图像,来获取目标所在区域、提取目标的区域形状特征;利用粒子群算法优化最小二乘支持向量机的正则化参数和核参数,构造出高性能的多分类器;输入待识别目标的特征实现分类。实验表明:优化后的最小二乘支持向量机能够准确、有效地识别出水下目标,并且具有较高的精度。(本文来源于《声学技术》期刊2018年02期）
崔杰,胡长青,徐海东[6]（2018）在《基于帧差法的多波束前视声呐运动目标检测》一文中研究指出针对多波束前视声呐图像中运动目标的检测问题,提出一种背景消除算法。该算法以声呐波束数据为处理对象,借鉴光学视频处理中的叁帧差分法,从叁帧声呐数据中得到运动目标的二值图像。分析了多波束前视声呐数据的结构和成像原理,对比了传统声呐图像处理以显控截图为处理对象和本文以声呐波束数据为处理对象的优缺点,同时也根据声呐图像的特点对叁帧差分法进行了改进。实验结果表明,该算法能有效地将运动目标从背景中分离,并且以声呐波束数据为处理对象比以显控截图为处理对象效果好且实时性高,同时改进后的叁帧差分法也对算法效果有提升。因此该算法可作为运动目标跟踪、检测和识别的基础,具有应用于水下监控工作的潜力。(本文来源于《仪器仪表学报》期刊2018年02期）
李雪峰[7]（2017）在《基于前视声呐的水下场景叁维重建方法的研究》一文中研究指出地球表面约百分之七十被海洋覆盖,海洋中蕴含着丰富的矿产、能源、生物资源具有极高的开发价值,近年来被世界各国所重视,海洋探测技术与空天技术并列成为了尖端科技竞争的焦点。声呐是重要的水下探测设备,作为水下唯一一种具有中长距离探测能力的视觉感知工具,长期以来在例如船舶以及水下机器人、载人潜水器等载体上多有配备。传统的二维声呐图像包含信息较少,缺少高度信息的探测数据表现不够直观,与人们习惯上对外界的感知理解相差较大,不便于操作人员以及智能设备对水下环境的认知。图像的叁维重建技术是将二维图像中的特征信息恢复到叁维空间的图像处理方法,目前在光学图像方面较为成熟,但由于光学相机与声呐设备的映射原理存在本质上的差异,所以常规的光学叁维重建方法无法直接移植到声学图像的重建过程中,而专门针对声学图像特别是声呐图像的叁维重建方法的研究起步较晚,目前尚无理想的解决方法。本文研究了一种声呐图像特征点的叁维重建方法,图像中目标轮廓边缘上的角点被提取作为重建的特征点。为了降低图像中噪声的干扰从而保证提取轮廓的有效性,本文提出了一种基于马尔可夫随机场和引导滤波的声呐图像去噪与增强方法,使用马尔可夫随机场对声呐图像进行预分割,然后采用中值滤波方法对原始图像进行简单滤波处理,最后将该图像作为引导图像对马尔可夫随机场分割后的图像进行引导滤波,实现了对声呐图像的去噪与增强。该方法有效地去除了背景和影子内的噪声,对目标区域内部噪声起到了很好地抑制作用,消除了马尔可夫随机场分割产生的伪轮廓效应,具有较好的边界保持和增强效果。声呐图像缺乏高频信息,其主要特征集中在目标的边缘部分,本文选取边缘轮廓上的角点为稀疏重建对象,为了准确地提取边缘角点,本文提出了针对声呐图像的轮廓滤波方法和角点提取方法。本文还研究了声呐图像的映射原理,对叁维空间与图像二维平面的几何对应关系进行了分析与理论推导,给出了一种针对声呐图像特征点的叁维重建与逆映射原理方法,建立了一种对高度特征分段分层搜索的重建方法,实现了旋转、平移参数已知情况下的重建;对参数未知的情况,利用粒子群优化算法和少量特征点获得了参数的估计,并在此基础上实现了更多特征点的重建;最后增加了传感器对旋转平移参数带有误差的估计,实现了重建精度大幅度地提升。(本文来源于《沈阳理工大学》期刊2017-12-05）
石洋,胡长青[8]（2017）在《基于前视声呐的水下目标分割》一文中研究指出0引言声波是最有效的水下传播工具,而声呐则是利用声波进行探测的主要设备。随着声成像技术的日益发展成熟,图像声呐逐渐成为水下目标探测的一个重要工具。对水声图像进行分割得到准确的目标区域是特征提取和分类识别的基础,而水声成像受限于复杂的水下声场环境,目标的成像往往具有分辨率低、像素信息少、形状不规则、边界残缺等特点。这也给水声图像处理带来了很大难度,至今仍没有统一的水下目标分割方法~([1])。(本文来源于《中国声学学会2017年全国声学学术会议论文集》期刊2017-09-22）
窦法旺[9]（2016）在《多波束前视声呐图像提高分辨率技术研究》一文中研究指出高分辨率的声呐图像可以更加清晰、真实地呈现水下探测场景中的目标信息,是目标探测、定位、识别与跟踪的重要依据,在海底地形测绘、堤坝缺陷检测和水下搜救打捞等国防和民生领域中发挥着重要作用。在高分辨率声呐中,距离向分辨率可以通过增大系统带宽的方法实现,方位向分辨率则依赖于阵列孔径,而增大孔径尺寸又会显着增加通道数量,进而增加系统的功耗和体积。本文针对课题组研制的一款多波束前视声呐系统,在不改变硬件设备的基础上,对多波束前视声呐图像提高分辨率技术展开研究,具体工作包括以下几个方面:(1)提出并实现了一种基于失真度评估的时变聚焦波束形成算法。针对声呐系统对复杂多变的水下场景进行高分辨率精细成像的要求,该方法将聚焦点的时间结构与半圆形阵列的空间结构联系起来,建立了近场时变聚焦模型,获得了各个聚焦点精确的延时信息;通过失真度评估准则选择聚焦距离和声速等级,并采用分段近似的方法实现了近场聚焦;在兼顾波束方向图的各项性能指标的基础上,利用二阶锥规划的方法优化设计成像波束。最后,对算法进行了FPGA实现,并通过成像测试验证了算法的有效性和实用性。(2)研究了一种基于和差波束测角的单脉冲前视成像算法。由于波束扫描成像的方位向分辨率受限于波束的主瓣宽度,该方法将和差波束单脉冲测角处理引入成像过程,实现了对波束内强散射点的精确定位,使得某些具有特征的目标更加清晰,有效提高了声呐对探测区域的方位向分辨率。算法并不涉及复杂的数据处理运算,有利于工程实现。(3)提出了一种基于卷积反演的扫描波束方位向超分辨算法。针对扫描波束的卷积平滑作用导致成像结果具有明显被模糊的现象,该方法建立了方位向卷积模型,将成像数据等价为目标散射信息与波束方向图的卷积结果,然后采用贝叶斯最大似然准则对超分辨反问题进行正则化,通过近似迭代求解,复原探测场景中的目标散射分布信息,实现了方位向上的超分辨效果。(4)研究了一种基于稀疏表示的声呐图像超分辨率重建方法。考虑到声呐图像轮廓特征的重要性,利用改进后的NEDI算法插值得到高分辨率图像的初始估计;在假定高、低分辨率图像空间具有相似流形的前提下,采用原子修正后的K-SVD算法训练得到高、低分辨率字典对,并使用PCA算法降低训练样本的维数,从而提高了训练的收敛速度。实验结果表明,该方法重建得到的声呐图像能够很好地保持边缘和细节信息不变,而且在视觉效果和客观指标上都有明显的提高。(本文来源于《南京航空航天大学》期刊2016-12-01）
马珊[10]（2016）在《水下机器人前视声呐多目标跟踪技术研究》一文中研究指出随着对海洋资源探测开发的需求不断增加以及对水中作业的需要,智能水下机器人(Autonomous Underwater Vehicle,AUV)技术的发展正日益受到国内外重视,水声探测是目前各种水下探测方式中最有效的。利用声呐可以进行海洋环境的探测和数据处理,从而判定目标的类型、方位、速度等信息。所以,基于前视声呐的水下目标探测和跟踪技术,对目标的自主识别和跟踪,以及对AUV的自主避碰、自主导航都意义重大。本论文主要研究基于水下机器人前视声呐的多目标跟踪问题。论文以单波束的前视声呐作为声视觉传感器,从声呐回波中得到水下多目标信息,并在此基础上搭建一个基于智能水下机器人的水下多目标跟踪系统。本文的具体研究内容如下:进行了前视声呐图像的处理研究。分析了前视声呐图像不同于光学图像的特点,选用中值滤波进行去噪处理,通过改进取中值算法提高了滤波速度;研究了模糊图像增强算法,通过改进模糊隶属度函数来解决经典Pal-King模糊图像增强算法中低灰度值在增强后丢失的问题;改进了基于粒子群优化(Particle Swarm Optimization,PSO)的声呐图像增强算法,通过PSO算法为增强函数选取增强效果最好的最优参数,改善了图像增强效果;利用改进的自适应双阈值区域生长算法进行图像分割,其中采用最大类间方差法(Otsu)得到低阈值;最后采用图像缺损拟合等方法对分割后的声呐图像进行形态学处理。进行了水下目标多特征融合跟踪技术研究。研究了前视声呐图像中目标的特征描述方法,提取了 30种不同的特征,并基于广义回归神经网络(General Regression Neural Network,GRNN)评判准则分别采用序列前向选择(Sequential Forward Selection,SFS)及序列后向选择(Sequential Forward Selection,SBS)这两种特征选择方法对特征进行降维,选出了最优特征组合;分析了粒子滤波以及多种特征融合策略的基本原理,针对基于前视声呐的水下多目标跟踪,提出了一种自适应融合策略以确定粒子权值,并基于声呐图像特征采用模糊控制器对加权和融合进行改进,实时在线调整特征融合策略,在乘性融合及基于模糊逻辑的加权和融合间进行切换,以适应不同的跟踪情况,并将结果与其它特征融合策略进行了对比,通过分析试验结果验证了所提自适应融合策略的有效性。进行了水下多目标跟踪数据关联的研究。针对前视声呐多目标跟踪中存在目标进入进出声呐扫描范围的特点,将轨迹管理和面向目标的跟踪方法结合起来,建立了多目标轨迹文件系统,实现了对轨迹的实时起始和终结;研究了采用最近邻数据关联(The Nearest Neighbor Data Association,NNDA)与粒子滤波(Particle Filter,PF)相结合进行水下目标跟踪,建立了 NNDA-PF算法模型。并接着提出了一种基于多特征的联合概率数据关联(The Joint Probabilistic Data Association,JPDA)与粒子滤波相结合的 JPDA-PF 算法,将目标特征匹配情况、当前的量测与目标轨迹间的关系引入粒子滤波的权值计算中,并通过设置对比试验比较了粒子滤波、NNDA-PF和改进JPDA-PF的跟踪效果,试验结果验证了改进JPDA-PF的有效性。进行了水下机器人多目标跟踪系统试验研究。研究了水下机器人声视觉多目标跟踪系统的体系结构;为验证多目标跟踪算法,进行了仿真实验、水池试验以及海上试验;大量的实际水下多目标跟踪试验结果证明了本论文提出的多目标跟踪算法的有效性、实时性,以及多目标跟踪系统的可靠性。(本文来源于《哈尔滨工程大学》期刊2016-03-01）
前视声呐论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着国家海洋战略的转变和海洋地位的提高,有关水下潜器的水声技术备受国内外瞩目。因此,研究基于前视声呐的水下目标探测与跟踪,对水下潜器的水下探测与跟踪技术的发展有着重大实际意义。本文主要关注基于前视声呐的水下最近障碍物探测和目标跟踪问题,研究了基于前视声呐图像的图像处理方法,实现了一种适用于单波束步进前视声呐的目标探测与跟踪系统。本文根据Micorn DST型前视声呐图像的特点,研究了基于前视声呐图像的最近障碍物目标探测算法,由中值滤波,基于对数隶属度的模糊增强,最大熵分割,疑似目标筛选和改进反距离加权插值后向映射算法组成。然后根据有缆水下机器人平台的实际需求,研究实现了一种基于前视声呐的声探测系统,并取得了预期实验结果。之后本文分析了Micorn DST型前视声呐图像中水下目标的多种灰度,形状和纹理特征,最后选择使用不变矩构造特征集合,作为粒子滤波跟踪方法的观测模型。并且对比了使用灰度模板匹配作为观测模型的经典粒子滤波算法和以特征集合作为观测模型的粒子滤波算法,最终实现了一种基于前视声呐图像的粒子滤波算法,然后根据本文研究的声探测系统,完成了声探测系统的目标跟踪功能。本文研究实现的声探测系统可以提供水下最近障碍物的预警功能,具有较完整的软硬件结构,并且经过水池实验和海洋实验测试了声探测系统的性能。实现结果表明,声探测系统可以为水下机器人提供稳定可靠的最近障碍物预警功能。根据研究实现的声探测系统,继而开发了基于粒子滤波的目标跟踪模块,经实际数据验证,目标跟踪模块可以对水下目标进行有效的跟踪,为声探测系统提供目标跟踪的功能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
前视声呐论文参考文献
[1].严浙平,李技云,吴以,杨泽文.基于前视声呐的水下移动障碍物运动参数预测[J].华中科技大学学报(自然科学版).2019
[2].王子麒.基于前视声呐的水下目标探测与跟踪算法研究及系统实现[D].哈尔滨工程大学.2019
[3].段江涛,王文琮,高正杨,石建飞,张学磊.某前视声呐试制过程中的高旁瓣现象的消除[J].电声技术.2019
[4].邢炜.基于前视声呐的AUV避障方法研究[D].哈尔滨工程大学.2019
[5].石洋,胡长青.基于粒子群最小二乘支持向量机的前视声呐目标识别[J].声学技术.2018
[6].崔杰,胡长青,徐海东.基于帧差法的多波束前视声呐运动目标检测[J].仪器仪表学报.2018
[7].李雪峰.基于前视声呐的水下场景叁维重建方法的研究[D].沈阳理工大学.2017
[8].石洋,胡长青.基于前视声呐的水下目标分割[C].中国声学学会2017年全国声学学术会议论文集.2017
[9].窦法旺.多波束前视声呐图像提高分辨率技术研究[D].南京航空航天大学.2016
[10].马珊.水下机器人前视声呐多目标跟踪技术研究[D].哈尔滨工程大学.2016
论文知识图
