論文結(jié)合某預(yù)研項目的相關(guān)研究計劃開展研究工作。引信作為水中兵器的“大腦”,負(fù)責(zé)對水中兵器周圍的目標(biāo)進行識別、判決,并采取相應(yīng)的對策。如何實現(xiàn)對目標(biāo)快速、精確的分類識別,是水下武器設(shè)備對目標(biāo)精準(zhǔn)打擊的基本條件,一直是國內(nèi)外研究的熱點和難點�；谛颖窘y(tǒng)計理論的支持向量機(SVM),遵循結(jié)構(gòu)風(fēng)險最小化原則,具有良好的穩(wěn)定性、計算有效性和健壯性等特點,能夠較好的解決小樣本情況下的模式識別問題,成為近年來模式識別分類領(lǐng)域的首選分類器�；趯嵺`應(yīng)用的需要,論文在介紹水中目標(biāo)識別現(xiàn)狀的基礎(chǔ)上,研究了支持向量機的相關(guān)基礎(chǔ)理論及算法原理,實現(xiàn)了對海上最新實測艦船輻射噪聲基于核主元分析法的特征選擇與融合,并對目標(biāo)進行了分類實驗,取得了較理想的識別分類結(jié)果。論文首先分析了支持向量機在水中目標(biāo)識別分類中的應(yīng)用價值,詳細(xì)綜述了統(tǒng)計學(xué)理論的核心思想、支持向量機的基本原理以及不同分類面的構(gòu)造方法,總結(jié)了支持向量機在有限的樣本識別模型中的優(yōu)點;分析了目標(biāo)艦船輻射噪聲的基本特性,包括輻射噪聲源類型、通過特性和譜特性;分別研究了艦船輻射噪聲時域自相關(guān)曲線特性、頻域雙譜特性和時頻域的Wigner高階譜的特性,提取了艦船輻...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及意義
    1.2 統(tǒng)計學(xué)理論和支持向量機的研究現(xiàn)狀
        1.2.1 統(tǒng)計學(xué)理論發(fā)展概況
        1.2.2 支持向量機的研究現(xiàn)狀
    1.3 水中目標(biāo)識別研究現(xiàn)狀
    1.4 本文的主要內(nèi)容
第二章 支持向量機相關(guān)理論
    2.1 支持向量機在水中目標(biāo)識別的研究價值
    2.2 統(tǒng)計學(xué)習(xí)核心思想
        2.2.1 學(xué)習(xí)過程的一致性的條件
        2.2.2 函數(shù)集的VC維
        2.2.3 推廣性的界
        2.2.4 結(jié)構(gòu)風(fēng)險最小化
    2.3 支持向量機
        2.3.1 最優(yōu)分類面
        2.3.2 廣義最優(yōu)分類面
        2.3.3 支持向量機的優(yōu)點
    2.4 本章小結(jié)
第三章 艦船輻射噪聲的多特征選擇與提取
    3.1 艦船輻射噪聲特性分析
        3.1.1 艦船輻射噪聲的類型
        3.1.2 艦船輻射噪聲的通過特性
        3.1.3 艦船輻射噪聲的譜特性
    3.2 基于自相關(guān)處理的艦船輻射噪聲時域特征提取
        3.2.1 自相關(guān)函數(shù)及其特性
        3.2.2 自相關(guān)函數(shù)和功率譜的關(guān)系
        3.2.3 基于自相關(guān)的時域特征子集構(gòu)造
    3.3 基于雙譜分析的艦船輻射噪聲頻域特征提取
        3.3.1 高階累積量與高階譜
        3.3.2 雙譜估計
        3.3.3 基于雙譜估計的頻域特征子集構(gòu)造
    3.4 基于Wigner高階譜的艦船輻射噪聲時-頻域特征提取
        3.4.1 Wigner-Ville時頻特征分析
        3.4.2 Wigner-1(1/2) 譜特征分析
        3.4.3 基于Wigner高階譜的時頻特征子集構(gòu)造
    3.5 本章小結(jié)
第四章 基于核主元分析的融合特征構(gòu)造
    4.1 維數(shù)約簡
    4.2 核主元分析基本原理和方法
        4.2.1 主元分析的幾何意義
        4.2.2 核主成分分析的模型
        4.2.3 主元個數(shù)的確定方法及常用核函數(shù)
        4.2.4 核主元分析特征提取步驟
    4.3 基于核主元分析的融合特征提取分析
        4.3.1 構(gòu)造聯(lián)合多特征向量
        4.3.2 構(gòu)造DDK核函數(shù)
        4.3.3 基于DDK-KPCA算法的融合特征選擇與實例計算
    4.4 本章小結(jié)
第五章 SVM分類器設(shè)計及實例驗證
    5.1 SVM解決二分類問題優(yōu)越性分析
    5.2 構(gòu)建基于最小二乘支持向量機的DDK-CK-SVM
        5.2.1 最小二乘支持向量機的基本原理
        5.2.2 基于LS-SVM的DDK-CK-SVM模型
    5.3 水中目標(biāo)分類實例驗證
    5.4 本章小結(jié)
第六章 識別系統(tǒng)設(shè)計與實現(xiàn)
    6.1 總體方案設(shè)計
    6.2 識別接收機（預(yù)處理）的設(shè)計
        6.2.1 接收機參數(shù)分析
        6.2.2 接收機性能分析
        6.2.3 接收機實現(xiàn)原理及模塊設(shè)計
    6.3 數(shù)字處理部分
        6.3.1 A/D采樣電路設(shè)計
        6.3.2 DSP模塊設(shè)計
    6.4 識別系統(tǒng)的硬件實現(xiàn)
第七章 全文總結(jié)
    7.1 本文的主要工作總結(jié)
    7.2 展望
參考文獻
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和參加科研成果情況
致謝



本文編號：3915486