基于小波与三次样条插值的包迹谱的水下目标分类研究

研究了水下目标辐射噪声中包迹谱特征的提取。包迹波形由目标波形的极大值点连线构建而成。在对目标辐射噪声进行小波变换后,检索了波形极大值点,并采用三次样条插值算法,实现包迹波形的构建。根据构建波形提取包迹谱,最后把提取的特征送入模糊ART神经网络分类器进行识别。实验表明,这种方法对水下目标辐射噪声具有很好的分类效果,同时又能从其包迹谱中观察出原始波形不同程度的周期性。     

感知线性预测在水下目标分类中的应用研究

提出了基于感知线性预测(PLP)的模仿人耳听觉特性来提取水声信号鲁棒特征的方法。运用听觉心理学的三个概念: (1)临界带谱分析、(2)等响度曲线、(3)强度响度听觉幂率,形成估计听觉谱的方法,可获得一个12阶全极点模型的鲁棒特征矢量。运用这一特征矢量进行训练和识别的实验结果表明:(1)在不同的频率段内,人耳对6类目标辐射噪声信号敏感程度是不同的。(2)提取的基于听觉感知水下目标特征具有鲁棒性。(3)通过此方法提取的特征维数较低,运算速度快,识别的正确率比以往有所提高。     

舰船辐射噪声的高阶统计量特征提取及特征压缩

提取了6类水中目标的11/2谱统计线谱特征和AR模型特征。实验结果表明基于11/2谱的统计线谱特征和AR模型特征有效的识别出了目标,达到了85%的综合识别率。最后利用主元分析技术对上述特征进行了压缩,在保持识别率的同时将特征维数从64维压缩至34维,有利于工程上的实现。     

时频分布重排方法在水下目标回声识别中的应用

特征提取是目标识别的关键技术,本文提出了一种基于时频分布重排的Wigner-Ville分布(WD)特征提取方法。选择WD作为研究问题的切入点,使用核函数方法,通过平滑伪Wigner-Ville分布(SPWD)抑制交叉项;为解决引入核函数导致信号时频聚集性下降问题,我们采用时频重排方法来增强目标的时频聚集性,最后用海上实验数据对本文方法进行了有效性检验。实验结果表明,本文提出的SPWD时频重排特征提取方法具有:(1)可有效抑制WD固有的交叉项;(2)增强目标回声信号时频聚集性;(3)可明显地提高水下目标识别率。该方法具有一定的应用推广价值,为解决水下目标识别问题提供了很好的思路。