被動(dòng)聲吶水下目標(biāo)識(shí)別通常包含特征提取和分類識(shí)別兩部分,早期的研究中上述任務(wù)都是由聲吶員完成的,但人工特征提取的方式既容易丟失信息,又無(wú)法保證識(shí)別精度和效率,因此效率更高的自動(dòng)識(shí)別方法如機(jī)器學(xué)習(xí)方法等被逐漸提出。首先本文研究了傳統(tǒng)機(jī)器學(xué)習(xí)方法,然后建立了基于傳統(tǒng)機(jī)器學(xué)習(xí)方法的水下目標(biāo)識(shí)別框架,并進(jìn)行仿真驗(yàn)證。根據(jù)艦船輻射噪聲的產(chǎn)生機(jī)理對(duì)噪聲進(jìn)行仿真建模,將構(gòu)造產(chǎn)生的艦船輻射噪聲與實(shí)測(cè)海洋環(huán)境噪聲混合得到不同信噪比下的混合仿真信號(hào),提取信號(hào)的梅爾倒譜系數(shù)(Mel Frequency Cepstral Coefficents,MFCC)特征并使用支持向量機(jī)(Support Vector Machine,SVM)分類器完成分類識(shí)別實(shí)驗(yàn)。通過(guò)研究發(fā)現(xiàn):在信噪比為-2dB時(shí),其識(shí)別準(zhǔn)確率可達(dá)到98.6%,但在信噪比較低的情況下,其識(shí)別準(zhǔn)確率下降很快,在-10dB的情況下其識(shí)別準(zhǔn)確率僅為55.9%。其次本文研究了水下目標(biāo)識(shí)別特征預(yù)處理方法,并提出了基于深度學(xué)習(xí)的水下目標(biāo)識(shí)別框架。針對(duì)實(shí)測(cè)艦船輻射噪聲和混合艦船輻射噪聲仿真信號(hào),采用基于諧振的稀疏信號(hào)分解算法提取信號(hào)中的高諧振分量,兩類信號(hào)高諧振分量間...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 傳統(tǒng)機(jī)器學(xué)習(xí)方法水下目標(biāo)識(shí)別技術(shù)研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)在水下目標(biāo)識(shí)別的研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容和結(jié)構(gòu)安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 結(jié)構(gòu)安排
第二章 傳統(tǒng)機(jī)器學(xué)習(xí)方法水下目標(biāo)識(shí)別
    2.1 傳統(tǒng)機(jī)器學(xué)習(xí)方法的水下目標(biāo)識(shí)別框架
    2.2 傳統(tǒng)機(jī)器學(xué)習(xí)水下目標(biāo)識(shí)別的水聲信號(hào)源構(gòu)建方法與原理
        2.2.1 艦船輻射噪聲的產(chǎn)生機(jī)理及頻譜結(jié)構(gòu)
        2.2.2 艦船輻射噪聲仿真
    2.3 傳統(tǒng)機(jī)器學(xué)習(xí)水下目標(biāo)信號(hào)識(shí)別MFCC特征提取
    2.4 傳統(tǒng)機(jī)器學(xué)習(xí)水下目標(biāo)信號(hào)識(shí)別SVM分類器
        2.4.1 線性支持向量機(jī)
        2.4.2 非線性支持向量機(jī)
        2.4.3 SVM的多分類方式
    2.5 傳統(tǒng)機(jī)器學(xué)習(xí)方法下水下目標(biāo)識(shí)別實(shí)驗(yàn)
    2.6 本章小結(jié)
第三章 水下目標(biāo)信號(hào)特征預(yù)處理方法
    3.1 基于深度學(xué)習(xí)的水下目標(biāo)識(shí)別框架構(gòu)建
    3.2 基于諧振的稀疏信號(hào)分解算法
        3.2.1 可調(diào)的Q因子小波變換
        3.2.2 形態(tài)學(xué)成分分析
        3.2.3 算法的有效性檢驗(yàn)
    3.3 基于多步判決的LOFAR譜線譜增強(qiáng)
        3.3.1 LOFAR譜構(gòu)造與線譜代價(jià)函數(shù)分析
        3.3.2 基于多步判決的滑動(dòng)窗線譜提取算法
        3.3.3 艦船輻射噪聲線譜增強(qiáng)效果
    3.4 本章小結(jié)
第四章 基于經(jīng)典深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的水下目標(biāo)識(shí)別
    4.1 深度學(xué)習(xí)分類問(wèn)題評(píng)價(jià)體系
        4.1.1 準(zhǔn)確率與混淆矩陣
        4.1.2 ROC曲線與AUC值
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)識(shí)別
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)的原理
        4.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)識(shí)別架構(gòu)設(shè)計(jì)
        4.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的水下目標(biāo)識(shí)別實(shí)驗(yàn)驗(yàn)證
    4.3 基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的水下目標(biāo)識(shí)別
        4.3.1 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的原理
        4.3.2 基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的水下目標(biāo)識(shí)別架構(gòu)設(shè)計(jì)
        4.3.3 基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的水下目標(biāo)識(shí)別實(shí)驗(yàn)驗(yàn)證
    4.4 兩種深度學(xué)習(xí)方法及傳統(tǒng)方法的性能比較分析
        4.4.1 實(shí)測(cè)艦船輻射噪聲下的比較分析
        4.4.2 仿真艦船輻射噪聲下的比較分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文內(nèi)容總結(jié)
    5.2 未來(lái)的工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間參加的項(xiàng)目與取得的成果



本文編號(hào)：3736930