基于神经网络数据融合的水下目标检测识别研究

《基于神经网络数据融合的水下目标检测识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号型9111密级——西北工业大学硕士学位论文(学位研究生)y930毒ls学似代号!O鲤9导：号Q3互93Q鱼璺!题目：基王益经圆络麴握融金的丞王目拯捡塑9迟星』硒究作者：竖坠至指导教师：韭煎墨学科专业：捡型垫盔皇自麴丝苤置二零零六年二月硒北【一、№人学颐士学位沧文摘要承中目标识别分类技术在水下装备中具有很重要的现实意义和民用价值，一直是各国学者研究的重点。本文根据水下目标以别、分类的研究现状，主要分析了水中目标辐射噪声的多种特征的提取方法，在此基础上研究了基于多神经网络数据融合的目标分类算法，利用海上实测的船舶

2、辐射噪声进行了分类实验，证明了分类方法的有效性。下面介绍本论文的主要工作：1．系统地研究了小波变换理论，深入分析了小波变换在信号去噪中的基本原理、方法和作用。利用仿真信号比较了各种小波去噪方法，得出了影响小波去噪效果的各种因素。在此基础上对某一水声信号进行了小波降噪处理，提高了信号的信噪比，获得了满意的效果。同时利用小波变换提取了水声信号的小波特征，利用BP神经网络对三个小波特征分别进行了分类实验。2．分析了高阶统计量的基本性质，重点分析了1÷谱和2{谱的表达和性质；讨论了高阶谱在水声信号识别中的作用。提取了舰船辐

3、射噪声的1{和2{谱；对提取的特征利用BP神经网络进行分类，改进BP神经网络重新分类获得了较好效果。3．讨论了舰船噪声功率谱在水声信号中的意义，分析了信号功率谱的基本性质和理论模型；提取了水声信号的线谱特征，对提取的特征进行了优化处理即特征优化处理，舍去了具有奇异性的特征，利用BP神经网络局部水声信号分类实验，证明了方法的有效性和可行性。4．分析了人工神经删络分类器的结构、类型。重点讨沦，实际应用比较广泛的BP神经网络，就其结构、学习规则、设计、训练和推广能力作了详细分析：利用已提取的水声信号特征：小波特征、高阶谱

4、特征对水声目标信号进行综合分类实验。5．研究了单传感器、目标的单信息特征对水下目标分类的不足，分析采用多神经网络和多特{芷信息进行融合的必要什，提⋯了一种新的概率最大举手表决方案柬判断融合分类结果，提高了识别率和萨确率。关键列：特征提取，目标训别，神经网络，数据融合埘北j．业人学硕十。学位论文第⋯章绪论1．1研究背景和意义第一章绪论本论文的主要研究内容是利用现代信号与信息处理中多种先进的技术手段(包括信号数据的获得与分析、原始信号的去噪处理、特征的提取到利用特征进行目标的分类识别)，对水下目标信号进行全面、深入的研

5、究分析，重点是研究水下被动目标的自动识别。水下目标检测识别是水声信号处理界公认的难题，属于复杂的模式识别问题，这一问题的解决不仅在国防建设中有着重要的意义，(例如：水下目标的正确检测和识别是先敌发现并且实施有效进攻的前提，这是因为未来的战争是高技术的较量，代表武器性能的重要指标已不仅仅是弹药的威力)，而且是武器的智能化程度，只有准确地发现目标、识别目标乃至精确地命中目标才能实施有效的杀伤，这个趋势在一些运用了大量高科技武器的现代战争中已经得到越来越多得体现，比如在海湾战争中所使用的具有目标识别能力的“爱国者”防空导

6、弹；而且水下目标识别在海洋开发活动中的作用也很重要，我国是一个海洋大国，拥有广袤的海洋资源，近年来对海洋的探索已不仅限于军事目的；另外该技术也可用于雷达目标识别，图像处理，地质勘探，故障诊断等许多领域，对国民经济的发展和国防建设都有着不可低估的作用。水下目标检测和识别方法包括主动和被动两种。主动目标识别是利用主动声纳发射信号并根据接收到的水下目标辐射噪声信号对目标做出判别。它的优点在于接收到的回波信号中携带着大量利于分类识别的反映目标本质特性的信息，提取这些特征的方法也是多种多样，但其存在一个明显缺点是易与暴露自身

7、，不能有效地保护自己。而被动目标谚}别可以弥补这一不足，被动目标识别是利用被动声纳接受到的水下目标辐射噪声信号对目标做出判别，具有隐蔽性好的优点，适合于潜艇的作战需要，因为潜艇在作战中既要隐蔽自己不被发现，又要攻击敌方以取得主动。现代声纳技术的采用为水中目标的自动探测提供了必要的保障．但怍为实现水声装备智能化关键要素之一的水下目标识别技术相对比较落后，为了促进罔防越北1：业人学硕十学位论文第二一章鳍谚事、Ik的发展加快水下目标识别技术的研究势在必行。1．2水下被动目标识别研究概况1．2．1引言一个目标识别系统由四个

8、基本环节组成：谚{别对象数据的获取、预处理、特征提取和分类器设计。识别对象：即要分析的水下目标辐射噪声，在本论文中将目标分为三类，即I类，II类，III类；对获取的数据进行非电量转化与数字化：即刖D转换，将模拟信号转换成数字信号，再经过采样、量化，用矩阵或向量表示出来；预处理：目的是去除噪声，减少背景噪声对有用信号的干扰，提高信噪比，加强有用信息，并对输入测