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。     

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。     

基于Lyapunov指数的水下目标信号混沌特征提取

以Takens定理为基础，通过对几种不同类别舰船信号采用相空间重构，建立了混沌分析的数学模型，研究了它们的相空间轨迹结构并计算最大Lyapunov指数。结果表明，不同类别的般船信号具有不同的空间轨迹，且对应不同的最大Lyapunov指数。这一结果为水下目标信号的检测与识别提供了新的理论和方法。     

水下目标特性特征提取及其融合

为解决基于回波法水下目标分类与识别问题,从水下目标回波的弹性亮点特性、多分量特性和能量积分特性出发,利用频域离散小波变换(FDWT)、希尔伯特谱(Hilbert谱)、希尔伯特边际谱、分数阶傅里叶变换(FRFT)4种时-频分析方法从不同角度对目标回波与混响进行分析.对所提取的特征进行压缩与融合,利用支持向量机完成对水下目标和混响的分类与识别.文中给出了发射换能器以不同掠射角工作时4种时-频特征及其融合特征的识别率.实验结果表明,随着掠射角的增大,总体识别率呈现升高的趋势,融合特征可以有效提高识别率.     

机械故障诊断的稀疏特征提取方法

针对旋转机械的周期性稀疏故障特征提取问题,提出了一种周期重叠簇稀疏信号优化特征提取算法．该算法根据机械故障诊断周期性特征提取问题构造了有效的稀疏优化目标函数,该目标函数中的正则项(惩罚函数)选用非凸惩罚函数来增强周期性特征的稀疏性,并且证明了非凸可控化参数在一定约束条件下可以保证目标函数整体为凸．基于优控极小化方法求解所构造的优化问题,推导出高效的快速迭代收敛数值算法,该求解算法最终收敛于优化问题的全局最优解．将所研究的周期重叠簇稀疏信号优化特征提取算法应用于仿真信号,定量分析了其相对于对比算法的优越性．最后,将所研究的周期重叠簇稀疏信号优化特征提取算法应用于轴承故障特征提取中,结果表明,该算法其可以有效地提取稀疏微弱故障特征．     

基于不变性特征的水下目标特征提取

针对水下成像环境的特殊性和复杂性,分析了在离散状态下比例因子对不变矩特征的影响,构造了基于区域矩的仿射变换不变量,以克服水下不确定因素给目标识别带来的困难,为了验证所提取特征的有效性,对球体、椭球体、三棱柱和四棱柱4类水下目标进行了特征提取试验．仿真试验结果表明,该方法在对简单背景水下图像的特征提取上能够取得较好的效果,可有效地克服水下图像灰度分布不均和环境不确定因素的干扰,实现了对水下目标的区分．     

水下复杂目标宽带回波精细特征提取

针对水下复杂目标宽带回波的精细特征问题,该文研究了提取与分析方法,并利用湖试和海试回波数据进行验证.推导出了多亮点目标回波频率-角度谱函数,详细分析了其上亮线的形成原因及分布规律,指出了函数其与多元阵指向性函数的类似性;讨论了目标回波谱频谱能量随着声波入射角趋于90°时趋向低频的原因.通过湖上试验和海上试验分别获得了复杂目标宽带回波的精细特征,特别是提取了肋板、肋骨、内外壳的回波,试验数据的谱频谱与理论分析结果吻合.     

应用希尔伯特黄变换的水下目标特征提取

针对传统时频分析方法的水下目标特征提取各有其局限,采用了希尔伯特黄变换方法用于水下目标特征提取.仿真与实验数据的处理结果表明,希尔伯特黄变换方法对于信号的时频特性具有较高的分辨能力,希尔伯特边际谱能够清晰的突出目标弹性成分;希尔伯特谱能有效地展现目标的亮点结构,时频分辨力高于小波变换.研究表明混响具有与目标信号明显不同的希尔伯特谱特征,希尔伯特谱可以有效抑制混响.结果表明希尔伯特黄变换方法是一种有效的水下目标特征提取方法.     

线性判别分析特征提取稀疏表示人脸识别方法

针对稀疏表示分类(SRC)算法采取随机脸法提取的数据特征判别力较弱问题,提出一种线性判别分析特征提取稀疏表示人脸识别方法.该方法首先采用线性判别分析算法求解最优判别投影子空间,然后把训练样本投影到该子空间以提取相应的数据特征,并用训练样本的数据特征做字典来表示测试样本数据特征.更进一步来说就是,通过提取出测试样本稀疏特征的向量,和测试样本的数据特征进行比对找出其联系和差别并表示出比对后的残差.最后根据构造的残差找出样本的类别来实现其识别目的.通过在Extend Yale B和CMU PIE人脸数据库上一系列的测试,证明该方法具有很好的识别效果.     

基于主动声纳的水下目标特征提取技术综述

主要针对目前国内外常用的主动声纳水下目标特征提取技术进行综述，并分析了目前尚存在的主要技术困难。     

目标声 /地震动信号特征提取

声和地震动传感器通常是构成地面传感器侦察系统的基本单元 .在分析战场常见的目标噪声场和地震动场特性的基础上 ,根据目标声 /地震动信号的非平稳特性 ,对目标声 /地震动信号进行了时 频分析 .提出了窄带能量函数 (NEF)和局部功率谱密度 (LPSD)的分析方法 ,有效地从目标声 /地震动信号时 频分布中提取各种目标的特征参数     

机动车声信号特征提取方法及在目标识别中的应用

使用谐波集法和小波子空间能量法，对目标识别中的声信号特征量提取技术进行了较为深入的研究，介绍了两种用于被动声信号特征提取的方法——谐波集法和小波子空间能量法，谐波集法是提取不同的频域特征作为特征矢量，小波子空间能量法是将不同尺度小波子空间能量作为目标识别的特征矢量；并采用k近邻(kNN)分类器对机动车目标的声信号和非机动车目标的声信号进行分类,经过对实测数据的计算机仿真结果表明，这两种方法都能达到较高的正确识别率，且小波子空间能量法性能更优。     

信号稀疏表示方法研究进展综述

稀疏分解表示能够大大降低数据存储量,提高压缩效率,一直是学者研究的热点.传统的信号稀疏表示主要集中在各种线性正交基变换以及组合正交基上,对于高维空间信息数据的表达,传统方法往往受到各种限制.研究学者根据人类视觉系统接受场具有局部、方向和带通的特性,提出多尺度几何分析的方法,并证明了对光滑的分段函数和高维空间信号的表达,达到了更好的逼近效果.由于传统方法没有考虑原始信号特点,无法达到更好的逼近,这就引出了对信号进行训练来构造自适应学习字典的研究,并且取得了一定的研究成果.本文对信号稀疏表示方法进行了分析研究,同时分析了目前信号稀疏表示的发展趋势.     

频域稀疏信号可压缩采样方法

针对宽带频域稀疏信号采样时数据量大、不利于存储和传输问题,结合压缩感知和时间交替采样技术提出一种可压缩的采样方法．基于压缩感知原理提出了由多个并行同步压缩器组成的数据压缩电路,在时间交替采样的基础上,利用压缩电路将多路采样数据流在随机序列所张成的空间中进行投影,实现对数据流的不失真压缩．数值实验结果表明,所提出的采样方法,可以对宽带频域稀疏信号进行低速率采样,从压缩的低速采样值中能够以高概率不失真地恢复出原信号,有效缓解了存储和传输的压力．     

舰船水声信号特征提取方法研究

信号特征提取是目标识别的关键技术,为实现水中目标信号的识别,提出一种利用小波库提取水中舰船目标信号波形特征的方法。该方法针对水中舰船目标的水声信号及其频率特性,在满足理想重建条件下,构造正交的小波滤波器,进而构造符合舰船水声频率特性的小波库。利用小波库将信号分解,结合最小二乘法提取舰船信号的波形特征值,并借助Matlab仿真工具进行仿真。结果表明:用小波库方法提取的信号波形特征可降低信号识别维度,在一定的误差范围内识别水中舰船目标信号。     

车辆振动信号的特征提取方法比较

针对用于车辆振动信号分析的常用方法:小波分析方法和Hilbert-Huang变换方法,以及作者新近提出的时序多相关-经验模式分解方法,通过仿真对比分析了它们各自的特点以及它们在振动信号特征提取中的适用性。非线性信号的仿真分析表明,在没有噪声或分析对象背景噪声较小的情况下,后两种方法能提取到特征信号,小波分析不适合非线性信号的分析;在强背景噪声下,前两种方法均不能得到满意的特征信息,而时序多相关-经验模式分解方法能提取到所需的目标信息。最后将时序多相关-经验模式分解方法用于某特种车辆特征信号的提取,得到了满意的结果,验证了该方法在车辆振动信号特征提取中的有效性。     

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。     

再制造对象磁记忆信号的特征提取方法

针对在工程实践中对再制造对象进行金属磁记忆检测时容易受环境磁场干扰的情况,给出一种利用小波分析和希尔伯特变换进行磁记忆信号去噪和特征提取的方法.利用金属磁记忆检测仪采集一铁磁性试件的磁记忆信号,对其中受环境磁场干扰的信号进行小波阈值去噪处理,并对去噪后的信号采用希尔伯特变换提取信号包络,最后通过求取梯度获得信号特征.试验结果表明：利用小波阈值方法进行磁记忆信号去噪效果明显,对磁记忆信号利用希尔伯特变换可以获得信号的包络,从而有效地提取信号特征.     

基于小波的浮筏振动信号特征提取方法

针对浮筏振动信号受到强烈的随机噪声干扰,给它的特征提取带来很大困难的问题,对浮筏振动信号特征进行小波降噪.通过仿真实验,对比分析了几种不同小波函数和阈值函数对浮筏振动信号降噪性能的影响.分析结果表明,在选取的小波函数和阈值函数中高阶db小波以及最优预测变量阈值函数有利于减小小波重构信号与真实信号的误差,降噪效果明显.通过振动测试验证了其降噪效果.