鈷結(jié)殼的非線性超聲識(shí)別技術(shù)研究.pdf

1、隨著海洋戰(zhàn)略的興起,世界主要發(fā)達(dá)國家逐漸將目光聚焦到海洋礦產(chǎn)資源上。其中,大洋鉆結(jié)殼作為21世紀(jì)最具有商業(yè)開采價(jià)值的海洋戰(zhàn)略資源,得到了各國的日益重視。目前，以美國為首的西方發(fā)達(dá)國家已經(jīng)完成了深海鉆結(jié)殼的勘探、開采技術(shù)基礎(chǔ)研究工作。為加快我國深海鉆結(jié)殼的勘探、開采關(guān)鍵技術(shù)研究的步伐,在國家自科基金項(xiàng)目“鈷結(jié)殼采集機(jī)器人采掘機(jī)理及采掘機(jī)構(gòu)優(yōu)化設(shè)計(jì)研究”的資助下,本論文對(duì)海底鉆結(jié)殼回聲識(shí)別技術(shù)做了相關(guān)研究。
　　 本文首先將應(yīng)用于沉

2、積物回波特征提取兩種有代表性的小波域特征提取方法:小波尾波包絡(luò)和小波模極人值特征提取方法應(yīng)用于鈷結(jié)殼礦床底質(zhì)回波特征提取問題上。通過對(duì)比實(shí)驗(yàn),指出相對(duì)于表面平整的沉積物,鉆結(jié)殼等底質(zhì)由于受表面地形起伏因素的影響,兩種小波域特征樣本在特征空間中的分布出現(xiàn)不同程度的退化,線性降維和線性分類效果變差。為改善線性分類效果,本文引入了基于核空間的兩種非線性方法:KFDA(Kernel Fisher Discriminant Analysis)非線

3、性降維方法和LSSVM(Least Square SlJpport Vector Machine)非線性分類方法,并將這兩種方法應(yīng)用于鉆結(jié)殼回聲識(shí)別問題上。實(shí)驗(yàn)結(jié)果表明,應(yīng)用KFDA方法能夠有效地抽取出樣本的非線性鑒別特征,改善了樣本在降維特征窄間中的分布;應(yīng)用LSSVM方法能夠提高底質(zhì)分類效果。為進(jìn)一步改善分類效果,本文在CCA(CanonicalCorrelation Analysis)和ECCA(Enhanced CCA)線性特征

4、融合方法的基礎(chǔ)上,提出了基于核空間的KECCA(Kernal ECCA)非線性特征融合方法,并結(jié)合PLS(Partial Least Square)分類器提出了KECCA+PLS的非線性特征融合識(shí)別模型。實(shí)驗(yàn)結(jié)果表明,應(yīng)用本文提出的非線性特征融合識(shí)別模型,能夠進(jìn)一步提高底質(zhì)分類效果。最后,本文對(duì)主要的19種鈷結(jié)殼礦床底質(zhì)應(yīng)用KECCA+PLS的非線性特征融合識(shí)別模型做了全面的實(shí)驗(yàn)。實(shí)驗(yàn)中,鈷結(jié)殼平均正確識(shí)別率達(dá)到了90.2％,平均鈷結(jié)殼