水下目標識別中的數(shù)據(jù)融合技術.pdf

1、水下目標識別中的信息融合技術是以實艇振動噪聲綜合測試為基礎，以利用固有聲學特征準確識別水下目標為方向，依托兩類水下目標輻射噪聲數(shù)據(jù)，通過預處理、分析其聲學特征、提取能夠反應不同類型目標的本質特征，并組成新的特征向量，完成特征層的信息融合。本文分別從時域、頻域以及時頻域3個角度提取特征向量，利用人工神經(jīng)網(wǎng)絡，采用舉手表決的方法，進行決策層融合，實現(xiàn)對水下目標的分類識別。在分析軟件實現(xiàn)的過程中，利用了C++Builder與Matlab混合編

2、程的技術。 本文可分為四個部分：緒論、特征提取、數(shù)據(jù)融合和算法實現(xiàn)與試驗數(shù)據(jù)分析。 在緒論中詳細論述了論文的背景和意義，介紹了本論文的研究方法和研究內容。 在水下目標特征提取的研究過程中，把輸入的采集信號變換到不同的特征空間，提取出反映樣本類別特性的特征向量，并把其作為分類器的輸入模式。本文經(jīng)過考察，采用了從時域(波長分布、幅值分布、面積分布)、頻域(1 1/2維譜分析)以及時頻域(維格納變換、小波變換)3個角度

3、獲取特征向量的方法。這樣，在特征層上融合了目標在不同方面的特征，為正確進行目標分類提供了堅實的基礎。 在數(shù)據(jù)融合的過程中，以模糊數(shù)學理論為基礎通過對同一類目標的不同特征向量的分析，建立一類目標的“超箱”集合，形成以水下目標輻射噪聲多種特征為基礎的模糊識別分類器。采用“特征提取—分類”的方案，從而避免了特征優(yōu)化的不利影響。 最后一個部分是軟件編程和試驗數(shù)據(jù)處理部分。為了驗證模糊融合分類器的分類性能，利用兩組不同試驗所采集的