基于调制线谱特征提取的被动声呐目标识别技术研究

《基于调制线谱特征提取的被动声呐目标识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于调制线谱特征提取的被动声呐目标识别技术研究王菲I曾庆军I黄国建I李洪瑞2（1.华东船舶工业学院电子与信息系镇江2120032.第七一六研究所连云港222006）摘要：日标噪声特征提取和日标分类器设讣是被动声呐日标识别系统的关键技术。木文针对被动声呐日标识别，滋先着重研究了调制线谱特征提取方法，然后为了训练神经网络目标分类器，本文将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法。最后，对海上实录的三类目标噪声进行了分类识别，实验结杲表明本文设计的被动声呐目标识別系统具冇很好的分类效果。。关键词：被动声呐日标识别调制线谱特征

2、捉取自适应遗传BP算法ResearchonTechniquerfJussiveSonarTargetRecognitionBasedModulationLineSpectrumFeatureExtractionWangFei1ZengQingjun1HuangGuojian1LiFbngrui2(1.Dept.ofElectronicandinformationEngineering,BistCliinaShipbuildingInstitute.Zlienjiang,212003)2.The716ResearchInstituteJ^

3、ianyungang,222006)Abstract:Featureextractionoftargetsradiated-noiseanddesignoftargetsclassifierarekeytechniqueofpassivesonartargetrecognitionsystem.Inthispaper,afeatureextractionmethodofmodulationline印eelrumisstudiedatfirst,andthenanoveladaptivegenetic-backpropagationalg

4、orithmisproposedfortrainingneuralnetworktargetclassifier・Atlast.theclassificationeperimenttorthreedifferentclassesoftargetsisdone,resultsofexperimentshowthatthepassivesonartargetrecognitionsystemdesignedinthepaperhashighercorrectclassificationrate。Keywords:passivesonar

5、targetrecognition,modulationlinespectrum,featureextraction,adaptivenetic-backpiopagationalgprithm收稿日期：2000・05-091引言水下kl标识别是水声装备发展的三项关键技术（探测、定位、识别）之一,是探测系统智能化的重要标志，一直是声呐信息处理理论中急待解决的难题Z一。开展该领域的研究工作具有极其重要的现实意义和军事价值。水下H标识别主要包括被动声呐忖标识别和主动声呐日标识别两种，前者是利用舰船辐射的噪声信号来识别目标，而后者则是通过冋声

6、信号来识别目标。由于海洋环境的复杂性和水声信道的特殊性，要从舰船噪声信号中抽取出一种能反映1=1标本质特性的有效特征，一直是这一领域的难题。为了提高水下冃标识别的止确率，人们从不同的和度对水卜•目标辐射噪声原始信号进行了分析和研究，得出了几种常用的特征提収方法,主要有:时域波形结构特征提取;信号谱估计特征提取;时间-频率分析特征提取等。其中谱估计的主要方法有非参数化谱估计、参数化谱佔计和高阶谱估计筹。対舰船辐射噪声迹行功率谱分析，提取谱特征是经典而有效的目标分类技术，目前深受人们关注的有线谱特征法、调制特征法和谱形特征法等HI⑵。长期以

7、來冰下日标识别主要靠声呐操作员通过听测或边听测边观察信号谱图来进行分类。训练一个熟练的声呐员需耍很长的时间，且分类精度受人的糟神状况和心理素质等因素的影响较人。近年来，随着计算技术和人工神经网络（ANN）技术的快速发展，利用神经网络进行水下目标的自动化分类己越来越受到人们的关注⑶。丨I标分类器是水下H标识別系统的重耍组成部分，传统的分类器需要事先从训练样木屮获得参数估计,从而计算待识别样木与各类模式样本的匹配程度。市于水下目标型号繁多，口工况多变，难以得到完备的样本集，这使得水下Id标识别在实际应用中难以达到预期的性能。自从1988年美

8、国Cbrman等人将神经网络技术应用于声呐检测系统的11标分类器设计以来，神经网络技术在声呐目标分类中的应用得到了很大发展⑼。神经网络分类器的样本参数隐含于网络的连接权中，它无须被事先知道,衣反复训练屮自动