基于深度神经网络的水中目标识别研究

发布时间：2020-09-05 07:38

　　 水中目标的自动识别是水声装备和武器智能化的关键技术,世界各国都非常重视相关的研究工作。论文从水中目标被动识别技术的实际问题出发,从三个方面进行了研究:1.信号的预处理。预处理包括降噪、预加重、分帧和加窗等。环境噪声是对水声信号影响较大的因素之一,会对识别性能产生显著的影响,因此首先研究了提升信号信噪比的方法。考虑到信号本身特性及传播过程的高频衰减,通过预加重的方式提升高频成分以便获取稳健的特征。以短时傅里叶变换的方式实现信号的分析与特征提取,则首先将信号进行分帧与加窗处理,处理后的每一小段信号视为平稳信号,然后再用傅里叶变换进行处理分析,这样做的同时还可以获得大量的样本数据,避免因样本数量不足,训练数据难以拟合的问题。2.特征提取及多特征融合。如何提取到最能表征目标信号本身特点,同时又能与其他信号相区分的鲁棒性特征是研究的重点内容。对舰船目标辐射噪声进行特征提取,提取到的特征从不同层面上模仿人的听觉感知机理。用串联融合的方式对特征进行融合,并运用主成分分析(PCA)的方法进行降维,获得的新特征具有更好的分类性能。3.分类和识别。将深度学习理论引入水中目标识别的研究中,构建深度置信网络,并进行改进与优化。实验证明,论文构建的深度置信网络对舰船目标辐射噪声具有很高的分类精度,可以实现对目标类别的准确识别,同时在信噪比较低的情况下仍能给出良好的识别结果,泛化性能优于传统的机器学习分类算法。
【学位单位】：哈尔滨工程大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TB56;TP183

【参考文献】

相关期刊论文 前10条

1 崔凤新;徐丽兰;郑新桃;;采用EMD和奇异值分解子空间重构的信号降噪新方法[J];邵阳学院学报(自然科学版);2014年04期

2 潘广源;柴伟;乔俊飞;;DBN网络的深度确定方法[J];控制与决策;2015年02期

3 李凡;郭新毅;张毅;胡涛;;水下声传播的发展及其应用[J];物理;2014年10期

4 闫yN;;国外水中目标识别技术发展趋势[J];舰船科学技术;2012年12期

5 曾渊;李钢虎;赵亚楠;苗雨;;语音识别方法在水下目标识别中的应用[J];声学技术;2012年05期

6 雷达;钟诗胜;;基于奇异值分解和经验模态分解的航空发动机健康信号降噪[J];吉林大学学报(工学版);2013年03期

7 钱征文;程礼;李应红;;利用奇异值分解的信号降噪方法[J];振动.测试与诊断;2011年04期

8 龙军;张靖;刘文帅;;舰船辐射噪声特征建模[J];舰船科学技术;2011年07期

9 李琴;苑秉成;张文娟;;舰船辐射噪声建模及仿真模拟器的实现[J];舰船科学技术;2010年04期

10 陈万平;;我国海洋权益的现状与维护海洋权益的策略[J];太平洋学报;2009年05期

相关会议论文 前1条

1 王强;曾向阳;王曙光;李娜;;主元分析在水下目标特征选择中的应用[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

相关博士学位论文 前2条

1 孟庆昕;海上目标被动识别方法研究[D];哈尔滨工程大学;2016年

2 王婷;EMD算法研究及其在信号去噪中的应用[D];哈尔滨工程大学;2010年

相关硕士学位论文 前4条

1 梁静;基于深度学习的语音识别研究[D];北京邮电大学;2014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 王东明;基于特征级融合的目标识别方法研究[D];沈阳理工大学;2013年

4 李萱;语音特征参数提取方法研究[D];西安电子科技大学;2006年

本文编号：2812744