水下瞬態(tài)信號(hào)特征提取與多分類器融合.pdf

1、水下瞬態(tài)信號(hào)的特征提取是空投目標(biāo)分類的重要環(huán)節(jié)?；仡櫄v史，用于特征提取的信號(hào)分析方法有很多：傅立葉變換、短時(shí)傅立葉變換、Wigner—Ville變換、小波變換等等。然而它們應(yīng)用于水下目標(biāo)特征提取時(shí)也存在各自不同的問(wèn)題。傅立葉分析要求數(shù)據(jù)必須具有線性、周期性和平穩(wěn)性的特點(diǎn)；短時(shí)傅立葉變換窗口的大小是固定不變的；Wigner—Ville變換會(huì)產(chǎn)生嚴(yán)重的交叉項(xiàng)；小波變換的時(shí)頻窗面積不變，只是形狀變化。因此，本文采用希爾伯特—黃變換方法，它是一

2、種更適用于分析非線性、非平穩(wěn)數(shù)據(jù)的時(shí)頻分析方法。 在目標(biāo)分類領(lǐng)域中，人工神經(jīng)網(wǎng)絡(luò)分類器應(yīng)用最為廣泛。利用信號(hào)的不同特征或不同結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)分類器可以得到不同的分類結(jié)果，往往可以利用這些結(jié)果之間的互補(bǔ)性來(lái)改善系統(tǒng)的分類效果。多分類器輸出向量加權(quán)投票算法是一種有效的多分類器融合算法，它具有算法簡(jiǎn)單、便于處理實(shí)際問(wèn)題的優(yōu)點(diǎn)。因此，本文采用此方法進(jìn)行多分類器融合。 本文首先回顧了幾種處理非平穩(wěn)數(shù)據(jù)的常見(jiàn)方法，并分析了它們的優(yōu)

3、缺點(diǎn)，之后介紹了希爾伯特—黃變換方法。通過(guò)對(duì)空投目標(biāo)入水聲信號(hào)構(gòu)成特點(diǎn)的研究，從擊水聲脈沖信號(hào)、“寂靜”區(qū)間和氣泡脈動(dòng)信號(hào)三方面對(duì)空投目標(biāo)入水聲信號(hào)進(jìn)行了理論分析和實(shí)測(cè)數(shù)據(jù)的特征提取研究。給出了常見(jiàn)人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)以及基本原理，并應(yīng)用單個(gè)人工神經(jīng)網(wǎng)絡(luò)分類器對(duì)空投目標(biāo)進(jìn)行分類，分類結(jié)果表明不同分類器之間存在互補(bǔ)性。在本文的最后論述了多分類器融合算法，并給出基于多分類器融合算法的目標(biāo)分類結(jié)果，證明了多分類器融合算法在解決目標(biāo)分類問(wèn)題時(shí)