基于時(shí)頻特征提取和支持向量分類的主動(dòng)目標(biāo)識(shí)別.pdf

1、主動(dòng)目標(biāo)識(shí)別問題是水聲信號(hào)處理中的一個(gè)關(guān)鍵性課題，它在軍用和民用兩方面都有著重要意義。然而，它的進(jìn)步顯得相對(duì)緩慢。本文對(duì)主動(dòng)目標(biāo)識(shí)別問題進(jìn)入了深入的研究和探討。一般來說，在主動(dòng)目標(biāo)識(shí)別中，接收到的回波信號(hào)是一個(gè)高維的數(shù)據(jù)，因此，如何從高維的數(shù)據(jù)得到回波類別信息是最基本的問題。主動(dòng)目標(biāo)識(shí)別問題分為兩個(gè)部分，一部分是目標(biāo)特征提取，即運(yùn)用信號(hào)分析或者其他數(shù)據(jù)處理的方法將高維的數(shù)據(jù)空間映射到較低維的特征空間。另一部分是分類器設(shè)計(jì)，即較低維特征空

2、間映射到類別空間，完成最后識(shí)別工作。 本文在現(xiàn)代信號(hào)處理理論的框架和目標(biāo)散射的物理機(jī)理的指導(dǎo)下，對(duì)回波信號(hào)的特征提取部分進(jìn)行了研究，同時(shí)也對(duì)分類器的設(shè)計(jì)有著一定的探討。在特征提取部分，本文研究了兩種回波特征提取算法。一種是基于時(shí)間—頻率分析和回波強(qiáng)度的特征提取算法。時(shí)間—頻率分析是一種經(jīng)典的分析非平穩(wěn)信號(hào)的方法，它在各種非平穩(wěn)信號(hào)的處理和分析中取得了良好的效果。本文應(yīng)用了頻譜圖來提取目標(biāo)的回波強(qiáng)度這一重要特征。第二種是運(yùn)用多種正

3、交變換結(jié)合的算法對(duì)回波進(jìn)行特征提取工作。信號(hào)的正交變換是將信號(hào)從時(shí)域轉(zhuǎn)換到另一個(gè)域里面，如果在這個(gè)新的域中，回波的特點(diǎn)能被有效的表征出來，那么該正交變換將有助于特征提取工作。本文應(yīng)用了傅立葉變換、小波變換和離散余弦變換三種變換進(jìn)行了信號(hào)正交變換并對(duì)變換之后得到的系數(shù)依據(jù)一定的準(zhǔn)則進(jìn)行組合聚類。在分類器設(shè)計(jì)問題中，本文研究并應(yīng)用了近年來得到極大發(fā)展的支持向量分類器，在對(duì)它的基本理論進(jìn)行分析的基礎(chǔ)上，根據(jù)主動(dòng)目標(biāo)識(shí)別的特點(diǎn)—樣本少和受混響影

4、響嚴(yán)重，應(yīng)用了C-支持向量機(jī)和相關(guān)向量機(jī)作為整個(gè)分類系統(tǒng)最后的分類器。 本文的主要?jiǎng)?chuàng)新點(diǎn)包括： (1)本文在研究各種時(shí)頻分布、目標(biāo)特性和發(fā)射信號(hào)的特點(diǎn)的基礎(chǔ)上，提出了基于頻譜圖和回波強(qiáng)度的特征提取算法，對(duì)窗的形式和參數(shù)的確定也進(jìn)行了一定的研究。不僅如此，針對(duì)混響的非高斯性，本文分析了頻譜圖的魯棒性并應(yīng)用其于特征提取過程。 (2)本文在研究了正交變換的性質(zhì)和各種正交變換的物理意義的基礎(chǔ)上，針對(duì)回波的特性，創(chuàng)新性的提

5、出了根據(jù)信號(hào)可鑒別性的準(zhǔn)則進(jìn)行多種正交變換結(jié)合的回波特征提取算法。同時(shí)，本文也將傳統(tǒng)的可鑒別性算法擴(kuò)展到任意噪聲污染下的信號(hào)可鑒別性算法。 本文提出的特征提取算法和分類器都經(jīng)過了兩組數(shù)據(jù)的驗(yàn)證：實(shí)驗(yàn)室波導(dǎo)所獲得的多類目標(biāo)的回波數(shù)據(jù)和松花湖湖試所獲得的兩類數(shù)據(jù)。我們利用實(shí)驗(yàn)室波導(dǎo)所采集的數(shù)據(jù)驗(yàn)證了算法對(duì)于真目標(biāo)和假目標(biāo)的分類有著良好的效果。而松花湖湖試數(shù)據(jù)則有效的證明了算法是能夠識(shí)別不同的真實(shí)目標(biāo)和區(qū)別目標(biāo)回波和混響。不僅如此，而