水声信号处理的模式识别方法——Ⅱ 实验研究

本文在前文理论的指导下,着重论述模式识别中基本和重要的模板匹配和聚合分析原理用于水声信号处理的实验研究。 通过计算机模拟和湖上试验.研究了旨在改善检测和定位能力的特征波束形成和模域的波束形成,进而研究了将属于非数值程序的模式识别用于多路径环境下的定位和跟踪的可能性。最后,给出了用神经网络解决典型分类问题的计算机模拟和实验结果。     

用于细颗粒度挖掘的产品评论语料库构建技术

为了辅助进行产品评论中特征-观点对识别的挖掘工作,对细颗粒度产品评论语料库的构建技术进行了研究.介绍了用于产品评论细颗粒度挖掘的语料库构建方法,以及目前初步进行的语料标注工作.标注数据可以数据库形式存储,从而实现了无结构化到结构化的转变,为自动查询等处理提供了极大方便.实验结果表明:虽然文中的标注方法以手机产品为例,但具有良好的移植性,可以应用到其他产品评论的细颗粒度语料库构建.相应的语料库构建对于高性能机器学习方法的应用、特征-观点对识别算法的性能提高以及自动评价等具有重要意义.     

广义指向性信号的计算机模拟

给出了计算机模拟广义指向性信号的一种方法。其基本思想是:两个互不相关的高斯过程,它们的S-H矩阵乘积的协方差矩阵等于这两个过程协方差矩阵的s-H乘积。用对应于信号到达方向的时延或相移产生其中的一个过程,用RC低通信号经过适当的时延来造成另一个过程,这两个过程的S-H矩阵乘积就是所谓的广义指向性信号。本文还分析了这种广义指向性信号的波阵面空间相干损失与RC低通信号的时延之间的关系。     

波导中模滤波与模波束形成

本文在“模波束形成及其Robust处理”一文的基础上,着重于对通过加大阵元个数、基阵尺寸和声源距离来提高模滤波精度从而改善模波束形成性能的问题进行实验研究。实验在新安江水库进行,给出了前文提出的三种模波束形成对声源深度分辨的结果。     

用基阵灵敏度描述基阵性能

本文从空间信号处理的角度出发,提出了一种表征基阵性能的概念——基阵灵敏度(AS),并对其物理意义作了简要阐述。着重描述了基阵灵敏度的实际意义和测量方法,并给出了实验圆柱阵在特定噪声场环境下的测量结果,同时用基阵的最小可检测信噪比的测量结果对由基阵灵敏度计算的基阵增益值作了验证,说明测试方法的可靠性。 测试结果和分析表明,对一个确定的实际基阵(real array),在背景噪声为各向异性的随机场中,用基阵信号灵敏度(ASS)和噪声灵敏度(ASN)的测量值描述基阵实际工作状态的综合性能是一种行之有效的方法。     

水声信号处理的模式识别方法——Ⅰ.一般理论

声呐目标的检测、识别(分类)。定位及运动分析,从根本上说,可以放在一个识别空间来考虑,统一在模式识别的—般问题中。识别空间参量以及识别特征或识别基元的选择和提取,是信号处理研究的关键问题。模式识别技术,特别是模式和环境属于自由参量建模的系统处理技术。以及通用的多种模板匹配技术,在水声信号处理中有广泛的应用。本文分别论述了模式识别和水声信号处理的发展,力求探索它们之间的内在联系和结合,重点是研究水声信号处理的模式识别方法。