水声目标特征提取与分类识别技术研究

发布时间：2020-08-17 21:26

【摘要】：水声目标识别是现代海战中的关键技术之一,是水声设备与武器系统智能化的重要标志,具有重要的军事应用价值。然而,海洋环境的复杂性及多变性对水声目标系别系统的稳定性产生了严重的影响,直接导致识别系统性能下降。在水声目标识别领域,特征提取与分类识别是两个至关重要的核心技术。因此,选取鲁棒性好的特征提取以及分类识别方法是水声目标识别领域的重要研究内容之一,具有重要的实用意义。本文从水声目标辐射噪声的特性出发,详细介绍了水声目标分类识别的基本原理,并重点研究了水声目标特征提取方法以及分类器的设计与选择方法。在特征提取方面,本文主要研究了基于听觉特征的水声目标特征提取方法以及基于希尔伯特-黄变换的水声目标特征提取方法。从模拟声呐兵的听觉感知机理出发,本文首先研究了基于Mel频率倒谱系数的特征提取方法。随后针对该算法存在鲁棒性较差的问题,进一步提出了基于Gammatone频率倒谱系数的特征提取方法以及基于Gammatone滤波器组与子带瞬时频率的特征提取方法。由于希尔伯特-黄变换在分析和处理非平稳性信号中的独特优势,本文将希尔伯特-黄变换应用到水声目标特征提取中,提出了基于希尔伯特边际谱的水声目标特征提取方法。利用上述方法对实测舰船辐射噪声数据进行特征提取,实验结果表明了本文特征提取方法的有效性。在分类识别方面,本文主要研究了BP神经网络以及支持向量机两种分类器模型,详细介绍了它们的基本原理以及算法实现,给出了相应的参数选择方法,并对两种分类器的优缺点进行了对比分析,给出了两种分类器的适用条件。随后采用BP神经网络和支持向量机对实测舰船辐射噪声数据开展了识别实验,实验结果进一步验证了本文采用的特征提取方法和分类器模型的有效性。最后对四种特征提取方法在不同信噪比下的识别结果进行了比较与分析,识别结果表明本文提出的特征提取方法能够有效地提升水声目标识别系统的性能,具有较强的鲁棒性。
【学位授予单位】：国防科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TB56;U674.7

【参考文献】

相关期刊论文 前10条

1 王曙光;曾向阳;王征;王强;;水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取[J];兵工学报;2015年09期

2 张晓勇;罗来源;;参数未知的舰船辐射噪声检测方法[J];声学学报;2015年04期

3 吴姚振;杨益新;田丰;杨龙;陶灿;;基于Gammatone频率离散小波系数的水下目标鲁棒识别[J];西北工业大学学报;2014年06期

4 黄椒治;林慧斌;丁康;;基于广义解调平滑能量分离算法的瞬时频率估计[J];振动工程学报;2014年02期

5 徐新洲;罗昕炜;方世良;赵力;;基于听觉感知机理的水下目标识别研究进展[J];声学技术;2013年02期

6 王磊;彭圆;林正青;蒋行海;牟林;张凤珍;;听觉外周计算模型在水中目标分类识别中的应用[J];电子学报;2012年01期

7 姜婷;边新迎;;表面涂层对航行体的减阻降噪作用分析[J];水雷战与舰船防护;2010年04期

8 马元锋;陈克安;王娜;郑文;;听觉模型输出谱特征在声目标识别中的应用[J];声学学报(中文版);2009年02期

9 李关防;赵安邦;惠俊英;王逸林;;基于经验模态分解的物体入水声检测及测向研究[J];声学学报(中文版);2008年06期

10 陈世雄;宫琴;金慧君;;用Gammatone滤波器组仿真人耳基底膜的特性[J];清华大学学报(自然科学版);2008年06期

相关博士学位论文 前3条

1 杨宏;经验模态分解及其在水声信号处理中的应用[D];西北工业大学;2015年

2 吴姚振;水下目标辐射噪声生理感知特征的提取方法研究[D];西北工业大学;2015年

3 李新欣;船舶及鲸类声信号特征提取和分类识别研究[D];哈尔滨工程大学;2012年

相关硕士学位论文 前5条

1 徐慧;水声目标被动识别相关技术研究[D];中国舰船研究院;2013年

2 韩雪;基于听觉特征的水中目标辐射噪声特征提取[D];哈尔滨工程大学;2013年

3 李琛;Hilbert-Huang变换用于频变特征提取[D];南京大学;2011年

4 彭璐;支持向量机分类算法研究与应用[D];湖南大学;2007年

5 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年

本文编号：2795856