Walsh变换对鱼类特征识别的研究*

鱼种的快速识别是渔业资源评估乃至海洋生态系统监测重要组成部分。与传统的拖网捕捞等方法相比,声学方法具有快速有效、调查区域广、不损坏生物资源、可持续观察等优点。鱼类的声学识别方法主要是基于鱼类回波信号特征的识别, 鱼体形状及组成结构的复杂多样导致其回波信号非常复杂,因此利用简单的回波包络或能量特征识别鱼类效果往往不能令人满意。本文提出一种基于Walsh 变换的鱼类回波识别方法。试验获取鲫鱼、 嘎鱼、武昌鱼的回波信号,处理过程中分别提取三种鱼类回波包络信号的Walsh谱作为识别特征量,并利用BP神经网络分类器对其进行了分类。结果表明利用回波的Walsh谱可以成功识别不同形状的鱼类,其中对武昌鱼的识别正确率达90%以上。     

基于混合粒子滤波的水下小目标跟踪

针对水下小目标粒子滤波估计过程中“粒子贫化”引起的估计性能下降,提出了混合粒子滤波算法。该算法在常规粒子滤波算法基础上,在每一步迭代估计过程中进行量测的再次随机采样,以丰富随机粒子多样性,缓解水下小目标状态估计过程中的“粒子贫化”的影响。对算法进行了仿真分析,并将该方法用于水下小目标探测实验的数据处理,结果表明,相比于常规的粒子滤波算法,所提出的混合粒子滤波得到了误差更小且稳定的状态估计结果,有效地改善水下小目标跟踪的精度和稳健性。