利用改进单分类支持向量机提升舰船尾流目标的检测准确率

发布时间：2022-01-25 00:48

　　舰船在航行过程中会在尾部产生一段包含大量气泡的湍流区域,通过对尾流的声学检测可以有效地跟踪船舶。基于一种改进单分类支持向量机（OCSVM）算法,利用无尾流情况下回波信号作为训练集的一个最优分类器,用于尾流回波信号模式判断。对回波信号进行降噪处理,进而提出一种自适应特征提取方法对回波信号进行处理;将特征提取作为输入,使用两层决策边界的双阈值OCSVM算法进行尾流检测。仿真结果表明,与常规OCSVM算法相比,改进算法在不同信噪比下的检测准确率均有提升,检测准确率最高可达96.27%,具有较好的工程应用价值。 

【文章来源】：兵工学报. 2020,41(09)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

尾流探测系统示意图

尾流探测系统实现流程如图2所示，首先探测模型收集无尾流情况下的回波信号，并对信号进行特征提取，得到的特征向量作为探测器的训练样本存储。当训练样本达到指定数目N后，以无尾流情况下特征向量作为训练样本对基于核函数的OCS-VM算法进行训练学习，得到所求尾流探测模型。然后利用训练所得尾流探测模型对接收到的未知信号进行分类识别。当然，根据探测效果，也可以人为地初始化分类器。2 回波信号处理

信噪比为20 d B时，换能器接收到的回波信号如图3所示。对比图3(a)、图3(b)可知，尾流回波信号被海洋背景噪声所淹没。实验中假设海洋环境噪声为高斯白噪声，高斯滤波器对于抑制服从正态分布的噪声非常有效，高斯滤波器gσ(k)[18]的表达式如下:式中:D为常系数，用于对输出进行归一化;k为输入信号;m为均值;σ为标准方差，决定了高斯函数的宽度;M为滤波器阶数。本文中所用高斯滤波器阶数为165阶、方差为1、均值为0.滤波器的幅频响应曲线如图4所示。

【参考文献】：
期刊论文
[1]气泡线性振动时近海面气泡群的声散射[J]. 范雨喆,李海森,徐超,陈宝伟,杜伟东.  声学学报. 2019(03)
[2]一种基于偏振特征的激光尾流探测方法[J]. 田晶,白光富,江阳.  兵工学报. 2018(05)
[3]舰船尾流气泡检测系统设计[J]. 张冲,袁志勇,张锐,柏广强,李京伦.  兵器装备工程学报. 2017(08)
[4]随机梯度遗传算法在船舶尾流目标识别中的应用[J]. 张有正.  舰船科学技术. 2017(06)
[5]Analysis on the factors that influence bubble coalescence in an acoustic field[J]. JIAO Junjie,HE Yong,PAN Xuchao,HE Yuan,WANG Chuanting.  Chinese Journal of Acoustics. 2016(01)
[6]基于支持向量机改进算法的船舶类型识别研究[J]. 戴卫国,李海涛,颜恒平,刘启军.  声学技术. 2015(03)
[7]基于LES和BPBE的舰船气泡尾流数值分析方法[J]. 金良安,闫雪飞,迟卫,陈明荣.  船舶力学. 2015(Z1)
[8]尾流中气泡的主动声特性模型及有限元分析[J]. 张群,王英民.  压电与声光. 2012(03)
[9]舰船尾流侧向声检测方法[J]. 樊书宏,严冰,刘昆仑,康文钰.  声学技术. 2011(06)
[10]舰船尾流回波信号建模与仿真[J]. 李婷,刘纯武,黄芝平,郭熙业.  计算机仿真. 2011(06)

博士论文
[1]单分类支持向量机的学习方法研究[D]. 王洪波.浙江大学 2012



本文编号：3607601