基于正交小波包的水下宽带回波特征提取与识别

水下目标的自动识别是水声设备智能化的关键技术之一。在对目标回波进行正交小波包分析的基础上，提取信号在各分解子空间的能量以构成回波的特征空间。给出了两种衡量各特征识别能力的准则，而且基于这两种准则解决了小波包分析中的频率重叠问题，用它们对莱蒙湖(又名日内瓦湖，Geneva Lake)湖底4类沉积物的反射回波进行了特征提取和分类，比较了两种准则所提取特征的分类结果，得到了较为满意的效果。     

基于双谱的水下目标辐射噪声的特征提取与分类研究

以大量的水下目标辐射噪声资料为依托，借助高阶累积量分析法，研究了目标信号的非高斯特性。基于双谱估计和Walsh维数压缩技术提取了不同类别目标的65维双谱特征。结果表明，该特征对水下目标辐射噪声信号具有很好的分类效果，同时又能有效地抑制高斯有色噪声。对于六类水下目标辐射噪声信号，可取得约92％的正确分类率。     

水下目标特征提取方法研究

目标特征提取目标识别和关键问题,良好的特征提取方法应该是用较少的特征存储量表达目标准确的物理意义,水下目标回波特性既可以由时间域的冲击响应描述,也可以由频率域上的系统函数描述,无论那种描述都是不全面的,本文通过对回波亮点谱特征的研究,提出了一种有效的特征提取方法－频域离散小波变换法（FDWT法）,其优点是能从复杂的目标回波中提取目标的弹性特征,并且特征维数低,将此方法用于三种目标的湖试数据,采用三层BP算法的前向神经网络对目标进行分类,得到了较高的识别率。     

一种利用小波变换处理信号的自适应方法

通过Daubechies方法构造与信号leleccum匹配的尺度函数和相应的Db5小波函数。采用Db5和Cgau5小波将信号分解至第5层,得到了各层分解系数。结合椭圆滤波器对信号在1∶2 960段进行滤波分析,最后利用Matlab小波工具箱重构信号并与原信号进行对比。结果表明:经过滤波处理后的信号比原始信号更加光滑。     

利用小波变换提取电力系统故障时刻的研究

在简要介绍小波理论的基础上，将小波变换应用于电力系统故障时刻的提取，并给出了220kV系统单相接地故障的MATLAB仿真实例，同时根据有效信号和随机噪声的小波变换呈现出不同的特征，探讨了小波分析用于微机继电保护时，尺度参数对小波变换的影响。     

高斯小波在低对比度目标识别中的应用研究

应用光电混合联合变换相关器对复杂背景低对比度目标进行探测识别时,物面图像不作任何处理根本无法获得相关峰,无法实现目标探测识别的目的。为此提出在物面应用高斯小波模极大法处理技术,有效抑制了背景噪声的干扰,提高了有用信息量的衍射,从而提高了应用联合变换相关器对复杂背景低对比度目标进行探测识别的能力。实验证明对于对比度高于6%的复杂背景目标经高斯小波处理后,获得的相关峰对比度较处理前相关峰对比度能达到百分之百的增强效果。文中给出了雾天汽车处理前后的实验结果,有力地证明了该方法的有效性。     

基于Gammatone频率离散小波系数的水下目标鲁棒识别

针对水下目标辐射噪声的复杂性和研究样本的局限性,提出了一种基于Gammatone频率离散小波系数的特征提取方法,结合人耳听觉感知机理,提取出了有效吻合人耳听觉特性的识别特征。该方法在2个方面改进了目前广泛采用的美尔倒谱系数:1用Gammatone滤波器代替三角滤波器,更好地模拟了人耳基底膜的滤波特性;2用离散小波变换替换离散余弦变换,使得识别特征具有优良的局部化特性。针对实录的水下动物叫声和舰船辐射噪声进行分类实验,表明所提出的特征提取方法在识别率和稳健性方面都有明显提高。     

基于小波分析的透平机械振动故障特征定量识别研究

通过对透平机械振动信号的连续小波变换，利用小波滤波器良好的时频特性,研究了振动故障信号的统计特征．在信号的特征提取中引入“灰度矩”，并把一阶矩作为定量指标．对8种典型振动故障信号的初步研究表明，这种方法能够简单有效地提取信号的特征，区分振动故障．     

乐音旋律识别研究

乐音中的基音成分是进行乐音分析的重要参数，使用小波分解可以比较清晰地反映基音周期情况，FFT对于周期信号有精确的频域分辨．利用小波在信号低频分解方面的良好性质，提出了小波分解的基音检测方法，并用优化的FFT方法获得基音频率的精确定位．在实际开发的系统中取得了较好的效果．     

风力机叶片裂纹特征的小波尺度谱识别

为了在强大噪声干扰下提取风力机叶片的早期裂纹特征,识别不同种类的裂纹,通过搭建声发射设备检测风力机叶片复合材料块实验平台,采集扩展裂纹与萌生裂纹的声发射信号,并借助小波尺度谱优越的时频分析性能来有效提取裂纹信号的特征,以区别扩展裂纹和萌生裂纹.实验结果表明,小波尺度谱能有效提取非线性、非平稳信号中的故障特征,优于小波分析方法.通过实验研究,得到了识别扩展裂纹和萌生裂纹的判据,建立了基于声发射和小波尺度谱的风力机叶片裂纹识别新方法.     

水下目标特征提取方法比较研究

为提高目标特征提取的有效性。通过计算各种特征的类间平均距离、类内紧致性度量及相对评价指标对不同特征提取方法的特征向量进行比较。给出相同目标状态、相同环境条件下同特征提取方法性能比较结果。结果表明,不同的特征提取方法均有一定的适用条件,融合不同特征是提高识别率的有效途径。     

小波变换在水下目标回波奇异性检测中的应用

研究了信号的奇异性检测问题．给出小波变换和信号奇异性的关系及小波基的选取方法，实现小波分析对信号各类奇异间断点的有效检测，最后进行实例分析，分析结果表明此理论与方法适用于对边缘信号与突变信号的处理和提取．     

小波变换在水下目标回波奇异性检测中的应用

研究了信号的奇异性检测问题.给出小波变换和信号奇异性的关系及小波基的选取方法,实现小波分析对信号各类奇异间断点的有效检测,最后进行实例分析,分析结果表明此理论与方法适用于对边缘信号与突变信号的处理和提取.     

基于高阶统计量的水下目标动态线谱增强算法研究

提出了基于高阶累积量的自适应动态线谱增强算法（Cumulant-Based Adaptive Dynamic Line Enhancement,CBADLE)，并对其原理进行了剖析，用水下某航行器线谱的实测数据，对水下航行器与水听器处于不同方位时水听器接收的线谱进行了动态仿真，结果表明，该算法在抑制高斯噪声，提高信噪比和收敛等方面的性能优于通常的自适应线谱增强算法。     

一种辐射噪声的特征提取新方法

应用离散子波变换原理,对信号进行谱估计,提出了基于离散子波变换的特征提取方法,并对实测数据进行特征提取,获得了稳定有效的线谱和连续谱,提高了线谱和连续谱分离的准确度。     

基于相关法方位分析的水下主动目标尺度识别研究

水下目标识别技术是现代声纳系统与水声对抗的一个极为重要的组成部分。它是随着声纳技术、信号检测理论、计算机技术等的进步而发展起来的 ,目前有多种识别方法。由于水下目标回波亮点结构是重要的目标特征 ,因此对目标回波亮点时空特征的提取已成为水下主动目标识别的一种有效方法。文中研究了水下高频 ( 2 0～ 35 k Hz)主动声学目标的识别方法及仿真性能。首先基于水下潜艇目标回波的亮点空间方位特征 ,提出了水下目标回波多亮点方位估计算法。然后 ,研究了目标亮点视在方位的模糊特性 ,给出了舷角与空间视在目标张角的关系。最后 ,进行了仿真实验 ,结果表明 :相关法方位分析的水下主动目标识别算法抗噪声能力强 ,在 S/N =0 d B时仍能很好地完成目标识别功能 ;在近正横附近 ,在距离 5 0 0 m处仍可完成目标尺度识别功能 ;在舷角 70°～ 2 0°扇面有良好的尺度识别能力 ;采用复杂波形 ,复本相关处理后可得到目标亮点时域信息和亮点方位信息。     

一种水下目标分类的新方法

水下目标信号的特征提取和分类是当今水声信号处理领域中存在的难题。随着人工神经网络技术的发展,众多的研究人员已致力于将人工神经网络应用于水下目标分类的研究中。本给出了ＦＫＣＮ（ｆｕｚｚｙ Ｋｏｈｏｎｅｎ ｃｌｕｓｔｅｒｉｎｇ ｎｅｔｗｏｒｋ）算法,并将ＦＫＣＮ应用于水下目标的分类问题中。实录海上无源声纳目标信号的分类实验验证了该算法的可行性。实验结果表明：在大量的训练样本和测试样本下,ＦＫＣＮ提高     

基于纯方位角测量的水下目标跟踪

在笛卡尔卡尔曼滤波器的基础上，提出了改进极坐标扩展卡尔曼滤波器，并且研究了应用于纯方位角测量的目标跟踪算法，对提出的算法进行了相应的仿真实验，仿真结果表明，改进极坐标扩展卡尔曼滤波器非常适合于目标的跟踪研究，具有很高的工程应用价值。