基于主成分分析的神经网络水下目标识别研究

《基于主成分分析的神经网络水下目标识别研究》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、万方数据分类号UDC密级学位论文基于主成分分析的神经网络水下目标识别研究作者姓名：薛鹏指导教师：金伟教授东北大学信息科学与工程学院申请学位级别：硕士学科类别：工学学科专业名称：检测技术与自动化装置论文提交日期：2014年6月23日论文答辩日期：2014年6月24日学位授予日期：2014年7月答辩委员会主席：白秋果评阅人：吴朝霞、童凯东北大学2014年6月万方数据AThesisfortheDegreeofMasterinDetectionTechnologyandAutomationDevicesResearchonUnderwaterTargetsRecognitio

2、nbasedonPrincipalComponentAnalysisandNeuralNetworkByXuePengSupervisor：ProfessorJinWeiNortheasternUniversityJune2014万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。坝，学位论文作者签名：倍即售日期：加纡．‘．万学位论文版权使用授权书本

3、学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年町／一年半口两年口学位论文作者签名：裔孵导师签名：俅签字日期：加绛。石．三f签字日期：幻件．乡．够万方数据东北大学硕士学位论文摘要基于主成分分析的神经网络水下目标识别研究摘要当前，世界各国对海洋及其重要战略地位极为重视。海战中如何精确、快速的进行水下目标识别，发现敌方并采取防御和反击措施，具

4、有重要的意义。在目标识别过程中，针对噪声信号谱图的特征提取是水下目标识别的关键。神经网络已经应用于水下目标识别的相关研究中，其识别的准确性和识别的性能受到所选择特征向量的影响。由此，特征向量是影响识别效果的一个重要原因，找到一个方法使提取的特征更利于识别是特别需要解决的问题。主成分分析(PCA)是针对数据的一种特征提取技术，能在保存原始数据主体信息的同时对其进行有效的降维。维数降低后，对数据的处理更加快速、有效。本文提出了一个主成分分析和BP神经网络相结合的方法对水下目标进行识别。首先利用原始信号获得LOFAR谱图，提取特征后再用PCA提取主成分以降低输入特征向量的维

5、数，最后用神经网络完成噪声信号的分类和识别。本文围绕以下几点进行研究：(1)对水下目标和舰船的振动辐射噪声理论基础进行阐述，在分析水下目标振动噪声的特性的基础上，对信号进行了分类模拟和仿真；(2)引入主成分分析方法，对噪声信号的低频谱图进行有效的降维处理，为后续目标识别提供条件；(3)提出了一种基于PCA方法的BP神经网络水下目标识别算法，论述了用慨R谱图进行特征提取的方法。仿真实验中，对三类不同目标信号提取LOFAR谱图特征并利用主成分分析法对得到的特征矢量进行降维处理，最终利用神经网络对提取的水下目标特征向量进行了分类识别。仿真实验结果表明：(1)PCA与BP神经

6、网络结合的目标识别方法在时效上具有一定的优越性，同时也具有更高的识别率。(2)在PCA与所有BP神经网络优化算法结合的过程中，n忸P神经网络的识别率、抗噪声能力和收敛速度均优于其他几种网络。关键词：水下目标识别；神经网络；PCA；主成分分析；水下目标噪声Ⅱ万方数据东北大学硕士学位论文AbstractResearchonUnderwaterTargetsRecognitionbasedonPrincipalComponentAnalysisandNeuralNetworkAbs仃actNationsaroundtheworldarenowvaluingtheimport

7、antstrategicpositionverymuch．Sohowtorecognizethetargetpreciselyandqmcldybecomeanimportantresearchdirection．Intheprocedureoftherecognizing,thefeatureextractionofthenoisespeclrogramisthekey．However,afterthe传atureextraction,thenoisesignalstillhaveaproblemofhighdimensionnumber．Mean