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。     

水中目标窄带噪声识别的听觉外周模型

为解决听觉外周模型特征在具有工程背景的水中目标声信号分类研究中识别率下降问题,提出了一种外周模型Gammatone滤波器组修正方法,获得的窄带噪声特征可明显提高水中目标识别性能。首先,分析了识别率下降原因,发现声学工程应用中多通道数据采集,导致信号频率范围变窄,而引起声信号的时频特征发生变化。其次,根据听觉模型用Gammatone滤波器组模拟人耳基底膜频率分解特性、低频信息包含水中目标噪声信号的重要类别特征,对原有的听觉模型特征进行插值,对滤波器组的通道数与中心频率进行适应性修正,得到目标噪声在较窄频带的27维特征,修正后的模型能够更精细地反映出目标时频特性。最后,采用神经网络分类器进行实验。结果表明,修正后的听觉模型保留了原较宽频带特征的主要信息,而且进一步提高了对实际目标的分类能力,识别率由原来的82.59%提高到88.80%。本文提出根据工程应用平台的有效接收频带优化听觉外周模型Gammatone滤波器组的设计,采用阵元级的多通道数据进行分析,侧重于工程应用,解决了多通道数据采集中,由于频带变窄,导致信号的特征信息量下降,进而引起声特征识别性能下降的问题,修正后的听觉模型特征,有效地提高水中目标辐射噪声的识别效果。本文对从事无源声呐目标识别、有源声呐目标识别、带宽受限的多通道声数据采集的时频特性分析研究人员具有一定的参考价值。      

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。