基于听觉模型的水下目标识别研究

发布时间：2017-03-29 22:15

  本文关键词：基于听觉模型的水下目标识别研究，由笔耕文化传播整理发布。

【摘要】：舰船目标的分类识别是国防研究的关键技术,也是当前水声界研究的热点,具有重要的理论意义和军事应用价值。听觉模型已经在语音信号处理方面取得了成功的应用,而在水声信号处理方面一直为人们所忽略。基于听觉模型的水下目标特征提取是水声信号处理的一个重要内容,因此本文尝试将听觉模型应用于水下目标的分类、识别。在分析耳蜗对声音的辨别原理的基础上,研究了人耳听觉系统对语音信号处理的特点,并结合小波分析在水声信号降噪、特征提取、目标识别等方面的应用,对实际舰船辐射噪声信号进行了特征提取和分类验证。 本文主要的研究内容与创新如下: 1.参考了听觉模型在语音信号处理方面的成功应用,并结合水声信号与语音信号处理的相似性,建立了一个适用于水声信号处理的计算听觉模型。研究了基于听觉模型的水声信号特征提取方法,提取了舰船辐射噪声的听觉特征。 2.对小波变换应用于水声信号的降噪进行了分析。探讨了基于小波变换降噪的基本原理和方法;对小波降噪方法进行了仿真,并对实际舰船信号进行了小波降噪。结果表明,小波降噪方法能较好的去除信号中的背景噪声,达到了从实际舰船辐射噪声中去除背景噪声的效果。 3.提出了对舰船辐射噪声的小波变换系数进行分束的特征提取方法,利用每一个束的能量值作为舰船辐射噪声的类别特征。给出了提取该特征的理论依据及其实现方法,并分析了该特征的分类性能。采用了三种舰船辐射噪声特征提取方法,即小波包,听觉模型和功率谱方法,并通过神经网络进行了分类。结果表明,采用听觉模型提取的舰船辐射噪声的特征分类结果最好。 4.研究了适用于舰船目标识别的神经网络分类器的设计,通过对实际舰船辐射噪声的分类实验,检验了本文所提取的舰船辐射噪声特征的分类性能,达到了比较好的分类效果。
【关键词】：听觉模型 小波变换 特征提取 神经网络 目标识别 舰船辐射噪声
【学位授予单位】：西北工业大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：U666.7
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-14
• 1．1 研究目的及意义9-10
• 1．2 研究动态及现状10-12
• 1．3 本文的主要工作12-14
• 第二章 人耳听觉特性和听觉模型研究概述14-24
• 2．1 听觉模型研究概况14-16
• 2．2 听觉系统简介16-19
• 2．2．1 外耳16-17
• 2．2．2 中耳17
• 2．2．3 内耳17-18
• 2．2．4 耳蜗对声音信号的时频分析18-19
• 2．3 听觉模型(LINAM)的工作原理19-23
• 2．3．1 耳蜗的频率分解19-20
• 2．3．2 毛细胞及内耳听神经的能量转换20-21
• 2．3．3 CNS的侧抑止神经网络21-23
• 2．4 本章小结23-24
• 第三章 小波变换理论基础24-38
• 3．1 引言24-25
• 3．2 小波变换理论25-34
• 3．2．1 连续小波变换25-27
• 3．2．2 二进小波变换27-28
• 3．2．3 离散小波变换28-30
• 3．2．4 多分辨率分析30-32
• 3．2．5 小波包变换32-33
• 3．2．6 小波的性质33-34
• 3．3 常用小波函数介绍34-37
• 3．3．1 小波的选择34
• 3．3．2 Haar小波34-35
• 3．3．3 Morlet小波35-36
• 3．3．4 Mexihat小波36
• 3．3．S Daubechies小波36-37
• 3．4 本章小结37-38
• 第四章 基于听觉模型的舰船辐射噪声特征提取38-59
• 4．1 舰船辐射噪声特性分析38-39
• 4．2 基于小波变换的舰船辐射噪声的降噪39-41
• 4．2．1 小波降噪的优越性39-40
• 4．2．2 信噪分离的原理和方法40-41
• 4．3 小波降噪的仿真计算41-48
• 4．3．1 小波降噪和 FFT降噪方法的比较41-43
• 4．3．2 不同阈值选择方法降噪的比较43-46
• 4 3．3 实际舰船噪声的降噪46-48
• 4．4 舰船辐射噪声的时频域分析48-50
• 4．5 基于小波变换的舰船辐射噪声特征提取50-54
• 4．5．1 基于小波变换系数特征提取方法简介50-51
• 4．5．2 利用小波包提取水声信号各个频率段的能量及改进51-54
• 4．6 基于听觉模型的舰船辐射噪声特征提取54-58
• 4．6．1 听觉模型的原理54-56
• 4．6．2 听觉模型算法实现56-58
• 4．7 本章小结58-59
• 第五章 基于神经网络的水下目标识别59-76
• 5．1 引言59-60
• 5．2 人工神经网络基础60-68
• 5．2．1 神经网络的基本结构60-63
• 5．2．2 BP神经网络63-66
• 5．2．3 神经网络分类器的设计66-68
• 5．3 舰船辐射噪声的神经网络分类器的设计68-70
• 5．3．1 舰船辐射噪声的神经网络分类器的结构68
• 5 3．2 BP算法应用过程中遇到的问题68-69
• 5．3．3 网络收敛速度慢的改进69-70
• 5．4 注分类识别结果70-75
• 5．4．1 舰船辐射噪声功率谱特征提取方法研究70-73
• 5．4．2 分类识别结果73-75
• 5．5 本章小结75-76
• 第六章 总结与展望76-78
• 参考文献78-82
• 致谢82-83
• 硕士期间发表的文章83-84

【引证文献】

中国硕士学位论文全文数据库 前1条

1 王娜;基于人耳主观反应的听觉特征量及其在目标识别中的应用[D];西北工业大学;2006年

  本文关键词：基于听觉模型的水下目标识别研究，，由笔耕文化传播整理发布。

本文编号：275542