海上目标被动识别方法研究
发布时间：2021-11-11 12:58
海上目标被动识别是声纳信号处理的重要研究方向。被动声纳探测海上目标的问题十分复杂,舰船辐射噪声级逐年降低和样本获取困难等因素制约了被动声纳目标识别的发展。如何在低信噪比、小样本情况下提取海上目标信号的有效特征参数,快速、准确、稳健地实现目标类型判决,是新技术背景下被动声纳目标识别的新需求。论文针对被动声纳目标识别的需求,研究了低信噪比条件下、从海洋环境噪声背景中提取舰船辐射噪声时域波形的有效方法,探讨了提取海上目标辐射噪声信号有效特征的方法,设计了小样本目标分类器,建立了海上目标多类特征的决策级融合算法,实现了在低信噪比、小样本条件下对两类典型海上目标辐射噪声信号的有效辨识。文章内容主要包含以下四部分:（1）基于非线性动力学模型的微弱信号提取算法。该方法基于相空间重构的基本原理,应用二阶Volterra级数滤波器方法构建了舰船辐射噪声和海洋环境噪声的非线性动力学模型;针对传统Volterra滤波器收敛速度慢和参数不易选择的问题,采用Kalman滤波器估计了 Volterra级数核,改进了 Volterra级数滤波器的非线性逼近能力,提升了非线性动力学模型的预测精度和收敛速度。在此基础上...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
图１．２水声被动目标识别的实现原理图??Ｆｉｇ?１．２?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｐａｓｓｉｖｅ?ｕｎｄｅｒｗａｔｅｒ?ａｃｏｕｓｔｉｃ?ｔａｒｇｅｔ?ｒｅｃｏｇｎｉｔｉｏｎ??
第１章绪论??二十世纪九十年代初，大连测控技术研究所研制了潜用海上目标识别系统，该系统??包含了主动声纳目标识别和被动声纳目标识别两种功能，获得了行业内的高度评价。中??科院声学所李启虎等人研制了?ＥＸＰＬＯＲＥＯ水下目标识别系统，该系统提取了水下目标??辐射噪声信号的线谱数、相邻线谱的平均周期、最大的线谱位置、线谱平均值、连续谱??的最大位置以及最大值开始的斜率６个参数，采用聚类分析和模糊集对水面舰、潜艇、??炮舰、货船、渔船和环境噪声进行分类，在信噪比高于３ｄＢ的条件下，达到了不低于??７５％的识别率。２００７年，海军潜艇学院教授程玉胜带领课题组完成某型水声设备的研制??工作，实现了螺旋桨轴频自动检测、页片数（动态）识别、基于模板匹配的包络波形特??征精细分析和目标类型识别功能，提高了水声目标信息的获取能力和识别率。??随着舰艇减振降噪技术的发展和远距离攻击武器的运用，被动声纳探测和识别性能??被提出了更高的要求，因此需要从实现目标识别的各个技术环节着手努力，实现方法如??图１．３所示。??Ｉ?Ｉ?ｒ?Ｉ?厂?Ｉ?Ｉ?Ｉ??
?＊ＩＤＬ?）的?Ｃ３Ｉ??（Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｃｏｍｍａｎｄ，Ｃｏｎｔｒｏｌ?ａｎｄ?Ｉｎｔｅｌｌｉｇｅｎｃｅ?ｓｙｓｔｅｍｓ）专业组于?２００４?年提出的分??组通用模型［９５］，信息融合可分为五级，如图１．４所示。ＪＤＬ模型是融合系统的一般功能??模型，目前国外最新信息融合模型都是在ＪＤＬ五级融合模型基础上进行的改进。??初级融合是指应用多类传感器的原始测量信号（图像、时域波形、运动轨迹等）进??行融合，联合检测微弱信号目标。一级融合包括了各传感器获取数据的配准、运动轨迹??的关联、目标特征提取以及类型标签的识别。初级融合和一级融合是技术人员参与最多??的部分。二级融合是对战场上敌、我、友三方战斗力分配和比较的综合评价过程。三级??融合是针对敌方杀伤力及对我方威胁能力的评估过程。四级融合是评估信息融合系统的??多级处理过程，通过自适应反馈提高系统融合效果，直至达到作战需求。??＾国家的ｊ??????
【参考文献】：
期刊论文
[1]水面目标信号预测与识别方法[J]. 孟庆昕,杨士莪,朴胜春,邵宝辉. 哈尔滨工程大学学报. 2016(01)
[2]基于波形结构特征和支持向量机的水面目标识别[J]. 孟庆昕,杨士莪,于盛齐. 电子与信息学报. 2015(09)
[3]小波包分形与支持向量机在水声目标识别中的应用研究[J]. 李海涛,程玉胜,戴卫国,李智忠. 声学技术. 2015(03)
[4]美俄潜艇声纳装备的发展[J]. 刘洪生,姜朝宇. 舰船电子工程. 2015(05)
[5]多核融合框架下的雷达辐射源个体识别[J]. 史亚,姬红兵,朱明哲,王磊. 电子与信息学报. 2014(10)
[6]基于稀疏表示的水声信号分类识别[J]. 廖明熙,张小蓟,张歆. 探测与控制学报. 2014(04)
[7]基于提升小波变换的MFCC在目标识别中的应用[J]. 石超雄,李钢虎,何会会,赵妮. 声学技术. 2014(04)
[8]小波包熵在水下目标识别中的应用研究[J]. 石敏,徐袭. 计算机工程与应用. 2014(01)
[9]基于非线性特征的表面肌电信号模式识别方法[J]. 张启忠,席旭刚,罗志增. 电子与信息学报. 2013(09)
[10]基于声信号多重分形和支持向量机的目标识别研究[J]. 丁凯,方向,张卫平,范磊,李兴华,谢立军. 兵工学报. 2012(12)
博士论文
[1]水下目标辐射噪声生理感知特征的提取方法研究[D]. 吴姚振.西北工业大学 2015
[2]基于反向散射强度的海底参数反演方法研究[D]. 于盛齐.哈尔滨工程大学 2014
[3]船舶及鲸类声信号特征提取和分类识别研究[D]. 李新欣.哈尔滨工程大学 2012
[4]基于混沌理论的非线性声学特性研究[D]. 董雷.哈尔滨工程大学 2011
[5]单通道盲源分离及其在水声信号处理中的应用研究[D]. 刘佳.哈尔滨工程大学 2011
[6]船舶螺旋桨鸣音时间序列混沌动力特性研究[D]. 于大鹏.大连理工大学 2009
[7]基于混沌理论的水中混响建模及其应用研究[D]. 宋春云.哈尔滨工程大学 2007
[8]混沌理论及基于特定混沌系统的微弱信号检测方法研究[D]. 聂春燕.吉林大学 2006
[9]水中目标辐射噪声非线性特征提取研究[D]. 陆扬.哈尔滨工程大学 2006
硕士论文
[1]希尔伯特黄变换在强干扰分离中的应用研究[D]. 马涛.哈尔滨工程大学 2009
[2]冲突证据合成规则的研究[D]. 王肖霞.中北大学 2007
[3]水下目标被动识别技术方法研究[D]. 王志伟.哈尔滨工程大学 2002
本文编号：3488897
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
图１．２水声被动目标识别的实现原理图??Ｆｉｇ?１．２?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｐａｓｓｉｖｅ?ｕｎｄｅｒｗａｔｅｒ?ａｃｏｕｓｔｉｃ?ｔａｒｇｅｔ?ｒｅｃｏｇｎｉｔｉｏｎ??
第１章绪论??二十世纪九十年代初，大连测控技术研究所研制了潜用海上目标识别系统，该系统??包含了主动声纳目标识别和被动声纳目标识别两种功能，获得了行业内的高度评价。中??科院声学所李启虎等人研制了?ＥＸＰＬＯＲＥＯ水下目标识别系统，该系统提取了水下目标??辐射噪声信号的线谱数、相邻线谱的平均周期、最大的线谱位置、线谱平均值、连续谱??的最大位置以及最大值开始的斜率６个参数，采用聚类分析和模糊集对水面舰、潜艇、??炮舰、货船、渔船和环境噪声进行分类，在信噪比高于３ｄＢ的条件下，达到了不低于??７５％的识别率。２００７年，海军潜艇学院教授程玉胜带领课题组完成某型水声设备的研制??工作，实现了螺旋桨轴频自动检测、页片数（动态）识别、基于模板匹配的包络波形特??征精细分析和目标类型识别功能，提高了水声目标信息的获取能力和识别率。??随着舰艇减振降噪技术的发展和远距离攻击武器的运用，被动声纳探测和识别性能??被提出了更高的要求，因此需要从实现目标识别的各个技术环节着手努力，实现方法如??图１．３所示。??Ｉ?Ｉ?ｒ?Ｉ?厂?Ｉ?Ｉ?Ｉ??
?＊ＩＤＬ?）的?Ｃ３Ｉ??（Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｃｏｍｍａｎｄ，Ｃｏｎｔｒｏｌ?ａｎｄ?Ｉｎｔｅｌｌｉｇｅｎｃｅ?ｓｙｓｔｅｍｓ）专业组于?２００４?年提出的分??组通用模型［９５］，信息融合可分为五级，如图１．４所示。ＪＤＬ模型是融合系统的一般功能??模型，目前国外最新信息融合模型都是在ＪＤＬ五级融合模型基础上进行的改进。??初级融合是指应用多类传感器的原始测量信号（图像、时域波形、运动轨迹等）进??行融合，联合检测微弱信号目标。一级融合包括了各传感器获取数据的配准、运动轨迹??的关联、目标特征提取以及类型标签的识别。初级融合和一级融合是技术人员参与最多??的部分。二级融合是对战场上敌、我、友三方战斗力分配和比较的综合评价过程。三级??融合是针对敌方杀伤力及对我方威胁能力的评估过程。四级融合是评估信息融合系统的??多级处理过程，通过自适应反馈提高系统融合效果，直至达到作战需求。??＾国家的ｊ??????
【参考文献】：
期刊论文
[1]水面目标信号预测与识别方法[J]. 孟庆昕,杨士莪,朴胜春,邵宝辉. 哈尔滨工程大学学报. 2016(01)
[2]基于波形结构特征和支持向量机的水面目标识别[J]. 孟庆昕,杨士莪,于盛齐. 电子与信息学报. 2015(09)
[3]小波包分形与支持向量机在水声目标识别中的应用研究[J]. 李海涛,程玉胜,戴卫国,李智忠. 声学技术. 2015(03)
[4]美俄潜艇声纳装备的发展[J]. 刘洪生,姜朝宇. 舰船电子工程. 2015(05)
[5]多核融合框架下的雷达辐射源个体识别[J]. 史亚,姬红兵,朱明哲,王磊. 电子与信息学报. 2014(10)
[6]基于稀疏表示的水声信号分类识别[J]. 廖明熙,张小蓟,张歆. 探测与控制学报. 2014(04)
[7]基于提升小波变换的MFCC在目标识别中的应用[J]. 石超雄,李钢虎,何会会,赵妮. 声学技术. 2014(04)
[8]小波包熵在水下目标识别中的应用研究[J]. 石敏,徐袭. 计算机工程与应用. 2014(01)
[9]基于非线性特征的表面肌电信号模式识别方法[J]. 张启忠,席旭刚,罗志增. 电子与信息学报. 2013(09)
[10]基于声信号多重分形和支持向量机的目标识别研究[J]. 丁凯,方向,张卫平,范磊,李兴华,谢立军. 兵工学报. 2012(12)
博士论文
[1]水下目标辐射噪声生理感知特征的提取方法研究[D]. 吴姚振.西北工业大学 2015
[2]基于反向散射强度的海底参数反演方法研究[D]. 于盛齐.哈尔滨工程大学 2014
[3]船舶及鲸类声信号特征提取和分类识别研究[D]. 李新欣.哈尔滨工程大学 2012
[4]基于混沌理论的非线性声学特性研究[D]. 董雷.哈尔滨工程大学 2011
[5]单通道盲源分离及其在水声信号处理中的应用研究[D]. 刘佳.哈尔滨工程大学 2011
[6]船舶螺旋桨鸣音时间序列混沌动力特性研究[D]. 于大鹏.大连理工大学 2009
[7]基于混沌理论的水中混响建模及其应用研究[D]. 宋春云.哈尔滨工程大学 2007
[8]混沌理论及基于特定混沌系统的微弱信号检测方法研究[D]. 聂春燕.吉林大学 2006
[9]水中目标辐射噪声非线性特征提取研究[D]. 陆扬.哈尔滨工程大学 2006
硕士论文
[1]希尔伯特黄变换在强干扰分离中的应用研究[D]. 马涛.哈尔滨工程大学 2009
[2]冲突证据合成规则的研究[D]. 王肖霞.中北大学 2007
[3]水下目标被动识别技术方法研究[D]. 王志伟.哈尔滨工程大学 2002
本文编号：3488897
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3488897.html
