一种新型多普勒测速声呐接收机

来源 :舰船科学技术 | 被引量 : 0次 | 上传用户:gfgfiiii
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对小型化多普勒测速声呐接收机的要求,设计并实现一种基于集成模拟前端(AFE)的多普勒测速声呐接收机.本文从工程实际需求出发,结合传统接收机电路设计方法,提出一种基于集成模拟前端的声呐接收机设计方案,并进行仿真和实物测试实验.实验数据表明,AFE接收机与传统接收机电路板相比面积减小71.3%,使用该系统解算出的频移值偏差较小,满足多普勒测速声呐系统要求.
其他文献
锂离子动力电池充电策略是锂离子动力电池应用研究中的重要方面,文章首先简述了现阶段应用较为广泛的等效电路模型,然后分析了国内外锂离子动力电池不同的优化充电策略研究方法,其中重点对PSO、遗传算法等优化算法结合阶梯充电策略进行了分析,最后给出了等效电路模型和优化充电策略未来可能的研究方向.
潜艇安全是潜艇执行任务的基础,但是自20世纪90年代以来,世界各国潜艇事故时有发生.本文梳理了20世纪90年代的主要潜艇事故,总结归纳碰撞、火灾爆炸、机械故障3个大类主要事故的原因,剖析事故深层原因,在事故原因的基础上,提出措施建议供参考.
研制新型舰船或实现新型弹药上舰,需要分析弹药与舰船的安全耦合关系.基于北约、英国国防部等关于弹药及舰船的安全标准与规范,梳理英国的上舰弹药分类、分组及混合存储相容性规定;解读上舰弹药在枪击、破片撞击、殉爆、快烤等意外刺激作用下的反应烈度要求,以及对弹药的环境适应性要求和舰船的环境符合性要求;分析英国舰船弹库的防爆等级确定、弹库设备的防爆设计要求,以及上舰弹药的存储、转运、消防等基本安全性要求.
研究一种基于分数阶傅里叶变换(FRFT)的主动声自导回波信号检测方法.在主动声自导中chirp类信号是常用的主动目标探测信号之一.由于分数阶傅里叶变换在处理chirp类信号时具有巨大优势,提出一种新的chirp类回波信号检测方法,通过对回波信号进行FRFT处理与相关处理可实现对目标的有效检测.仿真结果表明,与传统拷贝相关方法相比,基于FRFT的chirp类检测方法具有更佳的检测效果,在声自导中具有良好的应用前景.
随着乘用车电子产品的增多,低压电源分配及接地方案日趋复杂,随之带来的硬件电路接口匹配问题及EMC问题更加突出.文章通过在乘用车开发初期,对整车低压电气系统电源类型、功能逻辑、CAN或LIN的信息矩阵、接地要求等进行分析,设计出安全可靠、性能稳定、成本优良的电源分配方案.
深水爆炸载荷及对潜艇结构的毁伤研究可以为反潜武器的高效毁伤和潜艇结构的安全性提供必要支撑.长期以来,研究人员在水下爆炸领域取得了巨大的进展,但研究成果大多基于浅水模型,深水爆炸领域仍存在许多问题有待研究.本文从实验研究和数值模拟2个方面综述深水爆炸领域的国内外研究进展,报告深水爆炸实验技术和数值模拟技术研究现状,总结水深对水下爆炸冲击波、气泡载荷特性和潜艇结构毁伤特性的影响规律,对该领域有待研究的问题进行展望.
文章基于厦门船舶重工股份有限公司2800 RO-PAX邮轮型客滚船,通过对比居住区及公共区域水雾喷嘴的软管连接方法、螺旋盘管连接方法及直管刚性连接方法,分析了这三种定位方法在生产设计、生产施工、成本管控及后期维护中存在的优缺点,最终选择了直管刚性连接方法.该方法虽然对生产设计要求较高,生产施工较繁琐,但其材料成本最低、对施工工序无限制且无需后期维护,综合成本最低,可为同类船舶的喷嘴定位提供参考.
传统的被动目标识别主要依靠声呐员的作用,随着人工智能的迅速发展,水下目标智能识别成为未来发展的趋势.针对这一问题,根据舰船辐射噪声特性,提出基于特征融合的舰船目标识别方法,通过提取基于人耳听觉感知的梅尔倒谱系数特征、基于循环平稳分析的谱相关密度函数特征,构建特征层融合和决策层融合的特征融合模型,利用深度学习中的卷积神经网络进行舰船目标识别.利用4种舰船辐射噪声实测数据进行验证,结果表明,所提出的决策层融合算法能够明显提高舰船目标识别率.
由于中大口径舰炮供弹形式多样,因此积累的智能供弹和故障诊断技术成熟经验尚不充分.本文探讨通过模块化的方法应对这一困境,进行供弹系统的初步模块划分,通过模块组合搭建了2种不同类型的供弹系统.最后分析了无人智能舰炮供弹系统的关键技术,对中、大口径舰炮供弹系统研究具有一定的参考价值.
为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的识别分类,与单一神经网络相比,联合网络的识别精度更高,正确率等相关指标均优于单一识别网络,为水声目标识别领域的深度学习发展提供了新的参考方向.