水声信号智能检测系统的设计与实现

发布时间：2021-08-27 15:58

　　为有效提升海洋环境下水声信标的搜索效率,本文设计了一种水声信号智能检测系统,其硬件平台主要由便携式水下探测装置、A/D转换模块和加固笔记本等共同组建,软件平台主要通过特征提取方法和支持向量数据描述算法对实测信号进行智能检测。海上信号检测试验表明,该系统性能可靠、操作便利,其声信标信号检测精度较高,特别是采用时域和频域组合特征时的检测准确度可以达到75%以上,能在一定程度上满足实际工作需要。 

【文章来源】：电子设计工程. 2020,28(13)

【文章页数】：6 页

【部分图文】：

PCIE-1816 A/D转换卡

0 水下探测装置深度布放图

为改进上述问题，本文设计的声信标信号检测方案包括以下5个部分：数据获取、预处理、特征提取和选择、分类决策，具体如图1所示。数据获取用以接收声信标发射的周期性脉冲信号，信号预处理对信号进行降噪滤波、功率放大等操作，特征提取和选择是从样本数据中提取声信标信号的特征参数并选择最优特征参数集的过程，是智能检测技术中较为关键的一步；分类决策是对信号类别及其特征按照一定的规则学习/训练，最后对任意实时采集的样本信号类别进行判别，确定其是否包含声信标信号。

【参考文献】：
期刊论文
[1]直流电流比值表误差补偿设计[J]. 袁涛,王小飞,姚凌虹.  电子设计工程. 2019(07)
[2]一种水声信号探测装置的设计[J]. 王小飞,袁涛,徐风磊.  电子设计工程. 2019(06)
[3]基于超椭球分类面的SVDD快速决策方法[J]. 曲建岭,王小飞,高峰,袁涛.  控制与决策. 2017(04)
[4]基于HE-SVDD的航空发动机工作状态识别[J]. 周胜明,曲建岭,高峰,王小飞.  仪器仪表学报. 2016(02)
[5]基于改进SVDD的飞参数据新异检测方法[J]. 孙文柱,曲建岭,袁涛,高峰,付战平.  仪器仪表学报. 2014(04)

博士论文
[1]海上目标被动识别方法研究[D]. 孟庆昕.哈尔滨工程大学 2016

硕士论文
[1]图像分类中的卷积神经网络方法研究[D]. 李明威.南京邮电大学 2016
[2]基于多尺度池化的卷积神经网络人脸识别方法研究[D]. 吴斯.浙江大学 2016
[3]基于支持向量机回归与学习的金融数据预测与分类[D]. 谭梦羽.西安电子科技大学 2014



本文编号：3366652