為有效提升海洋環(huán)境下水聲信標(biāo)的搜索效率,本文設(shè)計(jì)了一種水聲信號(hào)智能檢測(cè)系統(tǒng),其硬件平臺(tái)主要由便攜式水下探測(cè)裝置、A/D轉(zhuǎn)換模塊和加固筆記本等共同組建,軟件平臺(tái)主要通過特征提取方法和支持向量數(shù)據(jù)描述算法對(duì)實(shí)測(cè)信號(hào)進(jìn)行智能檢測(cè)。海上信號(hào)檢測(cè)試驗(yàn)表明,該系統(tǒng)性能可靠、操作便利,其聲信標(biāo)信號(hào)檢測(cè)精度較高,特別是采用時(shí)域和頻域組合特征時(shí)的檢測(cè)準(zhǔn)確度可以達(dá)到75%以上,能在一定程度上滿足實(shí)際工作需要。 

【文章來源】：電子設(shè)計(jì)工程. 2020,28(13)

【文章頁數(shù)】：6 頁

【部分圖文】：

PCIE-1816 A/D轉(zhuǎn)換卡

0 水下探測(cè)裝置深度布放圖

為改進(jìn)上述問題，本文設(shè)計(jì)的聲信標(biāo)信號(hào)檢測(cè)方案包括以下5個(gè)部分：數(shù)據(jù)獲取、預(yù)處理、特征提取和選擇、分類決策，具體如圖1所示。數(shù)據(jù)獲取用以接收聲信標(biāo)發(fā)射的周期性脈沖信號(hào)，信號(hào)預(yù)處理對(duì)信號(hào)進(jìn)行降噪濾波、功率放大等操作，特征提取和選擇是從樣本數(shù)據(jù)中提取聲信標(biāo)信號(hào)的特征參數(shù)并選擇最優(yōu)特征參數(shù)集的過程，是智能檢測(cè)技術(shù)中較為關(guān)鍵的一步；分類決策是對(duì)信號(hào)類別及其特征按照一定的規(guī)則學(xué)習(xí)/訓(xùn)練，最后對(duì)任意實(shí)時(shí)采集的樣本信號(hào)類別進(jìn)行判別，確定其是否包含聲信標(biāo)信號(hào)。

【參考文獻(xiàn)】：
期刊論文
[1]直流電流比值表誤差補(bǔ)償設(shè)計(jì)[J]. 袁濤,王小飛,姚凌虹.  電子設(shè)計(jì)工程. 2019(07)
[2]一種水聲信號(hào)探測(cè)裝置的設(shè)計(jì)[J]. 王小飛,袁濤,徐風(fēng)磊.  電子設(shè)計(jì)工程. 2019(06)
[3]基于超橢球分類面的SVDD快速?zèng)Q策方法[J]. 曲建嶺,王小飛,高峰,袁濤.  控制與決策. 2017(04)
[4]基于HE-SVDD的航空發(fā)動(dòng)機(jī)工作狀態(tài)識(shí)別[J]. 周勝明,曲建嶺,高峰,王小飛.  儀器儀表學(xué)報(bào). 2016(02)
[5]基于改進(jìn)SVDD的飛參數(shù)據(jù)新異檢測(cè)方法[J]. 孫文柱,曲建嶺,袁濤,高峰,付戰(zhàn)平.  儀器儀表學(xué)報(bào). 2014(04)

博士論文
[1]海上目標(biāo)被動(dòng)識(shí)別方法研究[D]. 孟慶昕.哈爾濱工程大學(xué) 2016

碩士論文
[1]圖像分類中的卷積神經(jīng)網(wǎng)絡(luò)方法研究[D]. 李明威.南京郵電大學(xué) 2016
[2]基于多尺度池化的卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法研究[D]. 吳斯.浙江大學(xué) 2016
[3]基于支持向量機(jī)回歸與學(xué)習(xí)的金融數(shù)據(jù)預(yù)測(cè)與分類[D]. 譚夢(mèng)羽.西安電子科技大學(xué) 2014



本文編號(hào)：3366652