基于Dopplerlet变换的舰船辐射噪声特征提取方法

在对信号进行线性变换的过程中，最好将基函数取成与待分析信号的性态相类似的信号。基于此，提出了一种基于Dopplerlet变换的舰船辐射噪声特征提取方法，给出了基于进化规划算法的Dopplerlet变换分解流程。理论上该方法提取出的特征不包含其他噪声的信息，因此由此提取出的舰船噪声特征更加可靠。使用本文方法与基于小波变换、波形结构、自然尺度等的特征提取方法对收集到的舰船辐射噪声进行了对比识别试验，结果证明基于Dopplerlet变换的舰船辐射噪声特征提取方法更加可靠和有效。     

水声目标的MFCC特征提取与分类识别

水声目标识别技术在水下信息处理中起着非常重要的作用,从辐射噪声中提取水声目标的有效特征一直都是水声目标识别技术的难点所在。提出了一种利用水声目标辐射噪声的梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCC)作为目标特征提取的方法。通过对辐射噪声信号进行梅尔频率滤波得到目标噪声信号的MFCC特征,它模拟了人耳对不同频率的声音具有不同感知能力的听觉非线性效应,因此具有良好的识别效果。通过对实际水声目标的辐射噪声进行测试实验,提取目标噪声信号的MFCC特征向量,并运用K近邻算法对其进行分类识别,实验结果显示MFCC特征提取与分类识别算法对水声目标的识别率达到85%以上。     

舰船辐射噪声功率谱特征提取及系统实现

舰船辐射噪声特征提取是水下被动声探测装置进行目标识别、分类的关键技术;针对于此,研究了基于功率谱的连续谱、线谱特征实时提取技术和工程实现;该技术以分段拟合为基础,首先提取功率谱中的连续谱特征,再从原始功率谱中减去连续谱得到线谱分布,然后进行线谱特征提取;在此摹础上,详细介绍了舰船噪声功率谱特征提取的软、硬件系统设计和实现技术;系统经过实验验证,能有效提取不同类型目标的特征,系统性能良好,可满足新一代水下智能被动探测的要求.     

舰船辐射噪声混沌特征提取方法研究

研究舰船辐射噪声信号影响目标识别,针对传统子空间降算法只适用于多通道信号处理,为了清楚识别目标,提出多次迭代降噪的思想,并根据定义的信噪比改善量控制迭代次数.用相空间重构进行特征提取,为了降低特征维数,引入K-L变换进行特征压缩,提出一个基于子空间降噪理论与相空间重构以及K-L变换相结合的完整的舰船辐射噪声特征提取方法,进行计算机仿真,结果表明对舰船辐射噪声特征有效提取和分类识别很有效,证明方法对三类目标舰船噪声信号具有较好的分类效果.     

基于高阶谱和倒谱的舰船噪声特征提取研究

研究舰船目标识别问题,舰船辐射噪声的特征提取一直是信号处理工程领域的难点.原因是海洋环境的复杂性和水声信道的特殊性,导致从复杂背景噪声中获取舰船信号特征显得比较困难.针对上述情况,提出了高阶谱和倒谱等多种类型的提取方法.根据舰船辐射噪声不同的特性,选择合适的提取方法,获取更多的线谱特征和抑制干扰噪声的特征信号.最后,采用高阶统计量的双谱、三谱、11/2维谱和倒谱对实测信号和仿真信号进行了特征提取,并指出各种提取方法所具有的优越性.实验结果表明特征提取方法是可行的,从而为目标识别提供有效的特征量.     

一种基于改进深度自编码网络的水声目标识别方法

特征提取是实现目标识别的关键,而在海洋环境中,复杂的环境噪声使得海洋目标的特征提取异常困难。针对复杂海洋噪声下特征提取难的问题,提出一种基于改进深度自编码网络的特征提取方法对目标辐射噪声进行特征提取和识别。该方法通过深度自编码模型逐层学习提取数据中的抽象特征,但是针对海洋数据的样本数量少,呈现一定的随机性,随着模型网络层数加深,会出现梯度消失问题,为了解决该问题,在最后一层隐藏层的输入值中加入第一层的特征值,使得对整个网络的优化过程在两条通道中同时进行,有效地避免了单一通道中由于连乘导致的梯度消失问题。实验结果表明,与传统方法相比,所提算法能够有效地对舰船辐射噪声进行特征提取和分类,并具有良好的鲁棒性。     

基于灰关联分析的声目标识别

提出了一种基于灰关联分析的声目标识别算法.该算法提取坦克、直升机和汽车声信号的线性预测系数特征作为关联参数,通过比较声信号的灰关联值实现目标识别.在白噪声背景下,结合谱相减法,通过提取坦克声信号特征识别,仿真表明:灰关联算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,识别率较高.因此该算法在声目标识别中具有可行性.     

水下目标信号的Lofar谱图特征的主分量分析研究

研究一种基于Lofar谱图特征和主分量分析的水下目标信号的特征处理方法。首先介绍了这种方法的应用背景．给出了舰船辐射噪声的结构和Lofar谱特征的提取方法。在简单介绍了主分量分析的有关基础知识和数学解法后，对于海上测量获得的舰船辐射噪声信号进行特征提取，利用主分量分析的方法对提取的特征向量进行降维处理。针对主分量分析处理前后的特征向量，采用结构自适应模糊聚类神经网络分类器分类，与直接对Lofar谱特征分类相比，主分量提取后的分类准确率有明显提高。     

基于小波矩和BP网络的声音识别

目前大多数声音识别系统在无噪声环境下可以达到很高的识别率,但是在噪声环境下,识别率急剧下降。针对这个问题,提出一种基于小波矩和BP网络的声音识别方法。根据声音信号生成声谱图;通过小波矩对声谱图进行特征提取,选取有代表性意义的特征参数;根据选取的参数进行BP网络分类识别,从而识别声音的种类。实验结果表明,该方法在不同噪声种类以及不同信噪比的噪声环境下仍然具有较好的识别效果,克服了低信噪比下识别率低的缺陷。     

基于深度学习的小样本声目标识别方法

声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。     

基于子波变换的水下目标辐射噪声特征提取方法

将子波变换和多分辨分解算法，分别应用到水下目标辐射噪声的线谱和调制谱提取中。文中主要介绍了基于离散子波变换提取辐射噪声线谱的方法、基于多分辨分解算法提取辐射噪声调制谱的方法；在此基础上，以某型号水下航行器实测辐射噪声为例，进行了仿真研究，通过比较仿真结果与该水下航行器的相关数据，验证了该方法的正确性和可行性。     

基于码元高斯拟合的PUE攻击检测策略*

针对仿冒主用户（PUE）恶意干扰并占用有效频段所造成的频谱资源稀缺问题,提出了一种基于高斯函数特征提取的PUE攻击检测方法。在论证码元上包络起伏特征可以作为细微特征提取的基础上,结合高斯拟合,提取出不同用户发射源的特征参数,利用模糊C均值聚类算法来区分主用户与仿冒攻击用户。仿真实验证明,该方法在不同信噪比下所提取出的两辐射源特征差异明显,稳定性高,可靠性好,能够快速有效地检测出PUE攻击用户。     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

双正交小波方法在面部特征抽取中的应用

人脸识别技术是生物鉴别技术的重要组成部分。脸部特征抽取是人脸识别技术的关键。首先对基于小波极大模的边缘检测算法进行改进 ,提出极大模区域边缘检测算法 ;然后提出一种人脸特征抽取算法。整个脸部特征抽取过程分为三部分 :1 )对图像进行二维小波分解 ;2 )背景分离 ,脸部目标定位 ;3 )脸部特征抽取。实验证明该算法可以准确地抽取人脸特征     

基于HOG特征的行人视觉检测方法

行人检测是近年来计算机视觉领域中备受关注的前沿方向和研究热点.以单目视觉传感器作为外界环境信息获取的主要手段,建立了一个包含行人分割、识别的检测系统.根据行人特有的一些特征,提出了基于垂直边缘和边缘对称性的行人分割方法,并进行精确定位.在行人识别阶段利用HOG特征进行特征提取,然后利用线性支持向量机进行行人识别.对大量...     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度 场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征, 文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用 局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出 并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整 的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。     

基于分形特征的二值图像检索方法的研究

论述了基于分形特征的二值图像检索方法。图像的内容由4种特征来描述:图像分形维数、图像分形矢量、边界分形矢量和骨架分形矢量。实验表明该方法计算简单、有效,匹配快速,检索结果比较理想,只要查询图像在图库中,就一定能通过该方法检索出来。另外,该方法还具有一定的鲁棒性,证明这种检索方法是具有较大实用意义的。     

基于信号处理的声音模式识别过程及方法研究

基于信号处理的声音特征提取和模式识别技术近些年发展较快，声信号具有精确性和稳定性等特点，借助计算机技术运用信号处理的方法对物体发出的声音进行分析，提取其振动特征量，可以为物体运转情况的预测提供精准的数据分析依据。声音模式识别在无人职守、故障检测、灾害预防等方面具有很广阔的应用前景。该文主要介绍了在声音模式识别的一般过程，其中包括声信号预处理、特征提取、模式分类过程的方法。基于信号处理的声音模式识别，主要是利用信号处理的方法手段，对信号进行分析，提取频域、时域、幅域特征，对这些特征进行统计分类，应用数学方法，设计合理的分类器．达到分类识别的目的。文章中主要对在信号处理的过程中所涉及到的方法进行了研究。     

舰船辐射噪声节拍功率增率特征提取

舰船辐射噪声节拍的音色特征是水下目标识别的重要依据,其与节拍能量的变化相关。首先采用短时傅立叶变换对舰船辐射噪声进行时频分析,然后根据时频能量分布图,分别计算节拍能量最强和最弱处累积功率谱,功率增大率反映了节拍的音色特征,是舰船辐射噪声的重要特征。通过实验证明:与以往的功率谱特征相比,节拍功率增率特征和功率谱特征联合识别能有效的提高识别率。     

基于分段拟合的舰船噪声线谱特征提取

提出了一种基于分段拟合的提取舰船噪声信号功率谱中线谱特征的方法。该方法利用分段拟合方法拟合出信号功率谱的连续部分，从原始功率谱中减去连续谱得到拉平的线谱分布，然后进行线谱特征提取。实验证明了该方法的有效性，而且分类效果很好。