水下目標(biāo)識別中的數(shù)據(jù)融合技術(shù).pdf

1、水下目標(biāo)識別中的信息融合技術(shù)是以實(shí)艇振動噪聲綜合測試為基礎(chǔ)，以利用固有聲學(xué)特征準(zhǔn)確識別水下目標(biāo)為方向，依托兩類水下目標(biāo)輻射噪聲數(shù)據(jù)，通過預(yù)處理、分析其聲學(xué)特征、提取能夠反應(yīng)不同類型目標(biāo)的本質(zhì)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(luò)，采用舉手表決的方法，進(jìn)行決策層融合，實(shí)現(xiàn)對水下目標(biāo)的分類識別。在分析軟件實(shí)現(xiàn)的過程中，利用了C++Builder與Matlab混合編

2、程的技術(shù)。 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(shí)現(xiàn)與試驗(yàn)數(shù)據(jù)分析。 在緒論中詳細(xì)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(nèi)容。 在水下目標(biāo)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(biāo)在不同方面的特征，為正確進(jìn)行目標(biāo)分類提供了堅(jiān)實(shí)的基礎(chǔ)。 在數(shù)據(jù)融合的過程中，以模糊數(shù)學(xué)理論為基礎(chǔ)通過對同一類目標(biāo)的不同特征向量的分析，建立一類目標(biāo)的“超箱”集合，形成以水下目標(biāo)輻射噪聲多種特征為基礎(chǔ)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(yàn)數(shù)據(jù)處理部分。為了驗(yàn)證模糊融合分類器的分類性能，利用兩組不同試驗(yàn)所采集的