基于提升小波变换的MFCC在目标识别中的应用

水下环境噪声对被动声呐目标的分类识别影响显著,为了提高水声信号识别系统对环境噪声的鲁棒性,采用提升小波变换方法提取MFCC特征,对水下被动声呐目标进行分类和识别。仿真实验表明,与传统MFCC和小波变换的MFCC相比,在信噪比相近的情况下,提升小波变换方法提取MFCC具有识别率较高、对噪声鲁棒性较好的显著优点。     

一类最小方差无失真响应波束的形成方法

最优广义线性最小方差无失真响应波束形成往往要求阵列导向矢量和信号非圆度必须为已知,为了突破此限制,基于最小方差无失真响应方法的约束条件提出两种波束形成方法:其一是先将阵列导向矢量和非圆度的不确定性转化为整体扩展导向矢量的不确定性,再规划波束形成;其二是利用信号结构信息来规划波束形成。仿真实验结果表明,新方法在突破此限制方面具有可行性。     

声呐目标跟踪关联中的模糊关联方法

声呐目标跟踪关联是为了获得精确的状态和属性估计、完全和实时的态势和威胁评估。在多台声呐系统联合探测中,根据相同目标、不同观测具有相似特征,提出了声呐目标模糊关联算法。模糊关联能够处理模糊性和不确定性信息,求解具有相似特征目标的关联值。通过将探测目标的方位数据模糊化,利用观测的模糊量和模糊隶属度函数进行数据关联,计算关联时长内两台声呐探测目标方位的关联值,仿真分析验证了上述算法的有效性并取得了较好的实验效果。     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。