水下目標識別的相關(guān)技術(shù)研究.pdf

1、水下目標的識別技術(shù)不僅在民用上具有一定的經(jīng)濟價值，而且在國防建設上也具有重要的軍事價值，世界各國都很重視。盡管混沌與分形理論、小波分析理論等新方法在目標識別領(lǐng)域的文章日益增多，但基本上都屬于起步階段；同時由于種種原因，我們很難從國外獲得其關(guān)鍵技術(shù)。本文對混沌與分形信號處理技術(shù)以及小波分析理論在水聲信號的特征提取、分類識別中的應用進行了較深入的研究。主要內(nèi)容包括： 1.詳細介紹了混沌與分形理論、小波變換理論以及目標識別的相關(guān)理論知

2、識。介紹了混沌的數(shù)學定義，以及描述混沌的兩個基本參數(shù)：Lyapunov指數(shù)和分形維數(shù)；由于小波分析在時域和頻域同時具有良好的局部化性能，得到了廣泛的應用，文中介紹了離散小波變換、小波多分辨分析以及小波包分析的概念和原理；詳細闡述了目標識別的問題描述，介紹了目標識別系統(tǒng)的5個組成部分。 2.對混沌理論進行了系統(tǒng)的闡述，對混沌理論的形成歷史和發(fā)展概況作出了全面的總結(jié)，而在對混沌特性進行定量分析時著重探討了吸引子的分形維數(shù)和Lyapu

3、nov指數(shù)的定義與計算。 3.對混沌信號處理的基本方法—狀態(tài)空間重構(gòu)技術(shù)作了詳細地分析，并對涉及的參數(shù)進行了選擇與確定；討論了主元分析方法(PCA)在抑制噪聲方面的分析原理和實現(xiàn)算法，利用Lorenz模型作為研究對象進行了仿真，不同信噪比(SNR)下的仿真結(jié)果說明了PCA方法從能量的角度出發(fā)，在一定程度上抑制了噪聲、突出了混沌性態(tài)。利用PCA方法對實測回波數(shù)據(jù)進行了分析，估算并提取五類回波的混沌特征參數(shù)。 4.提出了基于

4、狀態(tài)空間重構(gòu)與K-L變換相結(jié)合的特征提取方法，對文獻[12]中的方法進行了改進，提取了相對穩(wěn)定有效的特征，仿真結(jié)果表明該方法具有較好的分類識別效果。 5.利用小波理論對小波域的特征提取方法進行了研究。分析了基于多分辨分析和小波包分析的特征提取，提出了特征向量的構(gòu)造方法，討論了分解層數(shù)、使用的小波函數(shù)以及特征維數(shù)降低這幾個因素對識別結(jié)果的影響。 6.提出了基于小波和分形理論的特征提取方法，比較了基于小波變換提取的多尺度空間

5、能量特征、基于小波和分形理論方法提取的特征，仿真結(jié)果表明，考慮關(guān)聯(lián)維特征后，平均識別率從91.67％提高到了95.14％，識別效果得到了較大的改善。 7.探討了小波多分辨分析與分形理論相結(jié)合，應用分形的思想，提取水下回波信號的廣義分形維特征——小波多分辨分形特征，并對五類回波信號進行了特征提取和分類識別，仿真的結(jié)果說明了提取的特征參數(shù)是合適的、可行的，從而為水下回波的特征分類識別提供了新的特征提取方法和新的特征參數(shù)。 8