基于HHT和ELM的水下目標(biāo)識(shí)別技術(shù)研究.pdf

1、水下目標(biāo)的分類識(shí)別技術(shù)一直以來(lái)都是水聲信號(hào)分析領(lǐng)域所研究的熱點(diǎn)問(wèn)題。該問(wèn)題的研究無(wú)論從民用方面還是從軍用方面都有著很重要的價(jià)值。模式識(shí)別技術(shù)包含了水下目標(biāo)識(shí)別技術(shù)，它的研究主要包括特征提取技術(shù)與分類器的設(shè)計(jì)這兩個(gè)部分。特征提取的主要任務(wù)是如何能夠從信號(hào)中提取并選擇可以代表本類別與異類差別的有效特征；分類器的設(shè)計(jì)主要是對(duì)各種分類識(shí)別算法的研究，通過(guò)使用特征提取過(guò)程中獲得的特征向量對(duì)其進(jìn)行訓(xùn)練，之后使用分類器對(duì)整個(gè)分類識(shí)別問(wèn)題做以判別決策。

2、
　　本文的研究對(duì)象主要是艦船的輻射噪聲信號(hào)，研究的主要問(wèn)題是特征提取與分類器的設(shè)計(jì)。在特征提取方面，本文主要對(duì)希爾伯特-黃變換的相關(guān)理論及其在艦船噪聲信號(hào)的特征提取中做了深入研究；在分類器的設(shè)計(jì)方面，主要對(duì)最近幾年才被提出的超限學(xué)習(xí)機(jī)算法進(jìn)行了深入研究并基于壓縮感知的有關(guān)理論對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化。本文的主要研究?jī)?nèi)容如下：
　　1.論文首先介紹了水下目標(biāo)識(shí)別問(wèn)題的有關(guān)基礎(chǔ)理論，并對(duì)水下目標(biāo)分類識(shí)別系統(tǒng)的組成及各部分的作用作

3、了介紹。重點(diǎn)講解了各類特征提取算法及其優(yōu)劣性，以及現(xiàn)有的分類識(shí)別算法的識(shí)別性能。
　　2.基于希爾伯特-黃變換（HHT）在處理非線性、非平穩(wěn)信號(hào)的出色能力，將其應(yīng)用到水下目標(biāo)識(shí)別領(lǐng)域。同時(shí)，對(duì)希爾伯特-黃變換的主要思想和算法實(shí)現(xiàn)進(jìn)行了重點(diǎn)研究。通過(guò)比較采用了更加利于水聲信號(hào)特征提取的實(shí)現(xiàn)算法，提取了信號(hào)的瞬時(shí)頻率特征和邊際譜特征。
　　3.介紹了超限學(xué)習(xí)機(jī)的主要思想和理論，對(duì)超限學(xué)習(xí)機(jī)的算法進(jìn)行了重點(diǎn)研究。由于超限學(xué)習(xí)機(jī)極快

4、的訓(xùn)練速度可能會(huì)造成網(wǎng)絡(luò)結(jié)構(gòu)的龐大，為了解決該問(wèn)題采用壓縮感知技術(shù)對(duì)其進(jìn)行優(yōu)化，在不降低分類識(shí)別正確率的前提下簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)。
　　4.對(duì)壓縮感知的理論思想和相關(guān)的實(shí)現(xiàn)算法進(jìn)行了重點(diǎn)介紹，并使用其對(duì)超限學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的隱層輸入權(quán)值、隱層節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化。設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證壓縮感知算法對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化程度并使用優(yōu)化后的網(wǎng)絡(luò)進(jìn)行船舶噪聲信號(hào)的分類識(shí)別實(shí)驗(yàn)，獲得較好分類效果。
　　本文以船舶的噪聲信號(hào)為對(duì)象，以提升基于被動(dòng)聲吶的目標(biāo)識(shí)別性能為