主動聲吶目標分類識別在保護國家安全的軍事領域及海洋資源開發(fā)的民用領域上,都有著非常重要的研究意義。一方面可用于提高作戰(zhàn)系統(tǒng)決策效率及可靠性,另一方面能夠探索海底環(huán)境和生物,幫助獲取更多海洋資源。主動聲吶目標回波信號中攜帶著大量反映目標本質特性的信息,是主動聲吶目標分類識別研究的基礎,但由于水下環(huán)境復雜多變,導致其接收的信號中存在各種噪聲和混響的干擾,使得目標有效特征的提取非常困難。針對接收信號中噪聲和混響干擾對主動聲吶目標分類識別研究的影響,本文展開了對抑制噪聲和混響的分類識別方法的研究。主要研究工作體現(xiàn)在以下方面:首先,基于稀疏表示理論具有良好的噪聲處理能力以及稀疏表示中的稀疏系數(shù)包含目標的本質信息,以稀疏系數(shù)作為特征,結合支持向量機,提出了基于稀疏系數(shù)特征的主動聲吶目標分類識別方法。應用于噪聲背景下的主動聲吶目標回波信號,從信噪比、測試樣本數(shù)大小角度分析說明了本方法具備噪聲抑制能力;在同等條件下與頻譜特征、雙譜特征結合支持向量機方法結果的對比,驗證了本方法具有良好的分類識別性能。其次,結合字典學習、稀疏重構及匹配度的思想,采用各目標主動聲吶回波信號訓練得到對應學習字典,分別稀疏重構... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 水下目標分類識別技術的研究現(xiàn)狀
        1.2.2 稀疏表示理論的研究現(xiàn)狀
        1.2.3 混響信號處理方法的研究現(xiàn)狀
    1.3 論文的主要工作和結構安排
第2章 稀疏表示理論
    2.1 引言
    2.2 稀疏表示數(shù)學模型
    2.3 稀疏字典的構造方法
        2.3.1 固定字典構造方法
        2.3.2 字典學習算法
    2.4 稀疏編碼算法
        2.4.1 貪婪追蹤算法
        2.4.2 松弛優(yōu)化算法
    2.5 小結
第3章 基于稀疏系數(shù)特征的主動聲吶目標分類識別方法
    3.1 引言
    3.2 特征提取和分類器結合的分類識別方法
        3.2.1 信號預處理及特征提取
        3.2.2 分類器的設計
    3.3 基于稀疏系數(shù)特征的水下目標分類方法
        3.3.1 方法原理及實現(xiàn)方法
        3.3.2 K-奇異值分解算法
        3.3.3 正交匹配追蹤算法
    3.4 方法的應用與性能驗證
        3.4.1 信噪比定義
        3.4.2 四類目標主動聲吶實測信號
        3.4.3 結果對比及分析
    3.5 本章小結
第4章 基于字典學習的主動聲吶目標分類識別方法
    4.1 引言
    4.2 基于字典學習的主動聲吶目標分類識別方法
        4.2.1 方法原理及實現(xiàn)步驟
        4.2.2 稀疏重構
        4.2.3 分類策略
    4.3 方法的應用與性能驗證
        4.3.1 方法具體實現(xiàn)步驟
        4.3.2 稀疏字典構造
        4.3.3 信號的重構結果及分析
        4.3.4 結果對比及分析
    4.4 本章小結
第5章 基于混響抑制的主動聲吶目標分類識別方法
    5.1 引言
    5.2 混響信號的產生原理
        5.2.1 混響背景下的主動聲吶工作原理
        5.2.2 混響信號產生原理和數(shù)學模型
    5.3 分數(shù)階傅里葉變換抑制混響方法
        5.3.1 分數(shù)階傅里葉變換定義及性質
        5.3.2 FRFT最佳階數(shù)確定方法
    5.4 基于混響抑制的主動聲吶目標分類識別方法
    5.5 方法的應用與性能驗證
        5.5.1 混響背景下的實驗信號
        5.5.2 FRFT-DLSRC與 DLSRC方法混響下的分類識別結果對比
    5.6 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻
附錄



本文編號：3194934