水中目標(biāo)的自動識別是水聲裝備和武器智能化的關(guān)鍵技術(shù),世界各國都非常重視相關(guān)的研究工作。論文從水中目標(biāo)被動識別技術(shù)的實際問題出發(fā),從三個方面進行了研究:1.信號的預(yù)處理。預(yù)處理包括降噪、預(yù)加重、分幀和加窗等。環(huán)境噪聲是對水聲信號影響較大的因素之一,會對識別性能產(chǎn)生顯著的影響,因此首先研究了提升信號信噪比的方法�？紤]到信號本身特性及傳播過程的高頻衰減,通過預(yù)加重的方式提升高頻成分以便獲取穩(wěn)健的特征。以短時傅里葉變換的方式實現(xiàn)信號的分析與特征提取,則首先將信號進行分幀與加窗處理,處理后的每一小段信號視為平穩(wěn)信號,然后再用傅里葉變換進行處理分析,這樣做的同時還可以獲得大量的樣本數(shù)據(jù),避免因樣本數(shù)量不足,訓(xùn)練數(shù)據(jù)難以擬合的問題。2.特征提取及多特征融合。如何提取到最能表征目標(biāo)信號本身特點,同時又能與其他信號相區(qū)分的魯棒性特征是研究的重點內(nèi)容。對艦船目標(biāo)輻射噪聲進行特征提取,提取到的特征從不同層面上模仿人的聽覺感知機理。用串聯(lián)融合的方式對特征進行融合,并運用主成分分析(PCA)的方法進行降維,獲得的新特征具有更好的分類性能。3.分類和識別。將深度學(xué)習(xí)理論引入水中目標(biāo)識別的研究中,構(gòu)建深度置信網(wǎng)絡(luò),并進行改進與優(yōu)化。實驗證明,論文構(gòu)建的深度置信網(wǎng)絡(luò)對艦船目標(biāo)輻射噪聲具有很高的分類精度,可以實現(xiàn)對目標(biāo)類別的準(zhǔn)確識別,同時在信噪比較低的情況下仍能給出良好的識別結(jié)果,泛化性能優(yōu)于傳統(tǒng)的機器學(xué)習(xí)分類算法。
【學(xué)位單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TB56;TP183

【參考文獻】

相關(guān)期刊論文 前10條

1 崔鳳新;徐麗蘭;鄭新桃;;采用EMD和奇異值分解子空間重構(gòu)的信號降噪新方法[J];邵陽學(xué)院學(xué)報(自然科學(xué)版);2014年04期

2 潘廣源;柴偉;喬俊飛;;DBN網(wǎng)絡(luò)的深度確定方法[J];控制與決策;2015年02期

3 李凡;郭新毅;張毅;胡濤;;水下聲傳播的發(fā)展及其應(yīng)用[J];物理;2014年10期

4 閆yN;;國外水中目標(biāo)識別技術(shù)發(fā)展趨勢[J];艦船科學(xué)技術(shù);2012年12期

5 曾淵;李鋼虎;趙亞楠;苗雨;;語音識別方法在水下目標(biāo)識別中的應(yīng)用[J];聲學(xué)技術(shù);2012年05期

6 雷達;鐘詩勝;;基于奇異值分解和經(jīng)驗?zāi)B(tài)分解的航空發(fā)動機健康信號降噪[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年03期

7 錢征文;程禮;李應(yīng)紅;;利用奇異值分解的信號降噪方法[J];振動.測試與診斷;2011年04期

8 龍軍;張靖;劉文帥;;艦船輻射噪聲特征建模[J];艦船科學(xué)技術(shù);2011年07期

9 李琴;苑秉成;張文娟;;艦船輻射噪聲建模及仿真模擬器的實現(xiàn)[J];艦船科學(xué)技術(shù);2010年04期

10 陳萬平;;我國海洋權(quán)益的現(xiàn)狀與維護海洋權(quán)益的策略[J];太平洋學(xué)報;2009年05期

相關(guān)會議論文 前1條

1 王強;曾向陽;王曙光;李娜;;主元分析在水下目標(biāo)特征選擇中的應(yīng)用[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 孟慶昕;海上目標(biāo)被動識別方法研究[D];哈爾濱工程大學(xué);2016年

2 王婷;EMD算法研究及其在信號去噪中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 梁靜;基于深度學(xué)習(xí)的語音識別研究[D];北京郵電大學(xué);2014年

2 韓雪;基于聽覺特征的水中目標(biāo)輻射噪聲特征提取[D];哈爾濱工程大學(xué);2013年

3 王東明;基于特征級融合的目標(biāo)識別方法研究[D];沈陽理工大學(xué);2013年

4 李萱;語音特征參數(shù)提取方法研究[D];西安電子科技大學(xué);2006年

本文編號：2812744