水声信号的混沌特征参数提取与分类研究

研究了水声信号的混沌特征参数提取以及利用混沌特征参数的水声信号分类。讨论了水声信号的关联维数、最大Lyapunov指数以及时间序列h2熵等混沌特征参数的计算以及它们在水声信号特征提取、分类中的应用。通过对不同类别、一定样本数量的实测水声数据计算它们的混沌特征参数,验证了水声信号不仅具有混沌特性,而且它们的某些混沌特征参数具有可分性。     

高阶累积量计算优化的仿真研究

高阶累积量由于计算量大而未得到广泛的应用,所以对其进行计算优化以及算法的简化能更好的发挥其优越性,根据推导的非平稳随机过程四阶累积量精确递推估计公式,从减少四阶累积量估计的计算量,增强四阶累积量的工程实用性出发,给出了四阶累积量近似递推估计定理.只要四阶累积鼍的更新因子满足定理的条件,就能减少计算量,并且使估计的四阶累积量保持抑制高斯噪声的性能,并且根据四阶累积量的优化给出了五阶累计量的优化和仿真.从时域和频域进行了优化仿真,仿真结果证实了估计的有效性.     

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。     

基于小波包与PCA方法对水下目标识别研究

水下目标信号的分类识别一直是信号处理工程领域的研究难点.针对水下信号发声机理十分复杂与成分多样,导致表征其特征的数据量较大且维数较高,目标识别率低.要解决上述问题,需要很大的计算成本,并影响识别特性量的效率,提出了一种采用小波包与主分量分析(Principal Component Analysis,PCA)相结合的特征提取方法.通过小波包分解与重构得到水下目标辐射噪声的初始特征;用PCA方法实现对高维特征向量的优化处理.采用BP神经网络作为分类器对三类目标进行识别仿真.结果表明,减少计算量的同时,水下目标信号得到了较好的优化提取.     

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。     

基于最小均方无失真响应和支持向量机的被动声纳目标识别

为了有效地进行被动声纳识别,研究了一种运用最小均方无失真响应（Minimum Variance Distortionless Response,MVDR）谱系数作为特征参数,用多分类支持向量机作为分类器,进行被动声纳目标识别的方法。实验表明,在不同数目的训练样本情况下,基于最小均方无失真响应谱系数和多分类支持向量机的被动声纳目标识别方法使系统的性能显著提高,具有很好的识别效果和应用价值.其优于传统的神经网络作为分类器的识别方法,尤其是在训练样本较少情况下,识别率具有很大的提高。     

语音识别方法在水下目标识别中的应用

水下目标识别是潜艇在海战中,先敌发现并有效进行水声对抗的关键技术。然而,如何根据声纳接收到的舰船辐射噪声对三类目标进行分类识别是长期困扰人们的问题。研究了四种语音识别中常用的方法——线性预测系数（LPC）,线性预测倒谱系数（LPCC）,美尔倒谱系数（MFCC）和最小均方无失真响应（MVDR）,在水下目标识别中的应用效果,并比较了这四种方法在无噪声情况下的识别概率,以及在不同信噪比下的识别概率,并通过比较找到在无噪声和有噪声情况下的最佳方法。实验表明,在无噪声的情况下,MFCC方法总体识别率最高,第一类目标MFCC方法的识别率最高,第二类目标MFCC和MVDR方法识别率相似,好于其他两者,第三类目标MVDR方法识别率最高。在加入噪声的情况下,MVDR方法对三类目标的识别和抗噪声性能明显好于其余三者。     

海洋环境噪声背景下水声信号检测的新方法

介绍了利用随机共振原理检测微弱周期信号的基本原理,并对该方法进行了高斯白噪声下的仿真验证。然后,把这种方法应用于以模拟海洋环境噪声为背景干扰的水声信号的检测中,仿真结果证明了这种方法的可行性。     

Wigner-Hough变换在水下目标信号检测中的应用

研究利用Wigner-Hough变换对水下目标信号的检测问题。当信号的时频分布具有线条成分时,可以显著提高检测信噪比,同时对多分量信号时频分布的交叉项具有明显的抑制作用。仿真结果表明：对于多分量线性调频信号,当信噪比为-5 dB时;对于单分量信号,当信噪比为 7dB时,Wigner-Hough变换仍然具有很好的检测性能。将它应用于实际的湖试水声信号,仍然具有较好的检测结果。