基于時頻特征提取和支持向量分類的主動目標識別.pdf

1、主動目標識別問題是水聲信號處理中的一個關(guān)鍵性課題，它在軍用和民用兩方面都有著重要意義。然而，它的進步顯得相對緩慢。本文對主動目標識別問題進入了深入的研究和探討。一般來說，在主動目標識別中，接收到的回波信號是一個高維的數(shù)據(jù)，因此，如何從高維的數(shù)據(jù)得到回波類別信息是最基本的問題。主動目標識別問題分為兩個部分，一部分是目標特征提取，即運用信號分析或者其他數(shù)據(jù)處理的方法將高維的數(shù)據(jù)空間映射到較低維的特征空間。另一部分是分類器設(shè)計，即較低維特征空

2、間映射到類別空間，完成最后識別工作。 本文在現(xiàn)代信號處理理論的框架和目標散射的物理機理的指導(dǎo)下，對回波信號的特征提取部分進行了研究，同時也對分類器的設(shè)計有著一定的探討。在特征提取部分，本文研究了兩種回波特征提取算法。一種是基于時間—頻率分析和回波強度的特征提取算法。時間—頻率分析是一種經(jīng)典的分析非平穩(wěn)信號的方法，它在各種非平穩(wěn)信號的處理和分析中取得了良好的效果。本文應(yīng)用了頻譜圖來提取目標的回波強度這一重要特征。第二種是運用多種正

3、交變換結(jié)合的算法對回波進行特征提取工作。信號的正交變換是將信號從時域轉(zhuǎn)換到另一個域里面，如果在這個新的域中，回波的特點能被有效的表征出來，那么該正交變換將有助于特征提取工作。本文應(yīng)用了傅立葉變換、小波變換和離散余弦變換三種變換進行了信號正交變換并對變換之后得到的系數(shù)依據(jù)一定的準則進行組合聚類。在分類器設(shè)計問題中，本文研究并應(yīng)用了近年來得到極大發(fā)展的支持向量分類器，在對它的基本理論進行分析的基礎(chǔ)上，根據(jù)主動目標識別的特點—樣本少和受混響影

4、響嚴重，應(yīng)用了C-支持向量機和相關(guān)向量機作為整個分類系統(tǒng)最后的分類器。 本文的主要創(chuàng)新點包括： (1)本文在研究各種時頻分布、目標特性和發(fā)射信號的特點的基礎(chǔ)上，提出了基于頻譜圖和回波強度的特征提取算法，對窗的形式和參數(shù)的確定也進行了一定的研究。不僅如此，針對混響的非高斯性，本文分析了頻譜圖的魯棒性并應(yīng)用其于特征提取過程。 (2)本文在研究了正交變換的性質(zhì)和各種正交變換的物理意義的基礎(chǔ)上，針對回波的特性，創(chuàng)新性的提

5、出了根據(jù)信號可鑒別性的準則進行多種正交變換結(jié)合的回波特征提取算法。同時，本文也將傳統(tǒng)的可鑒別性算法擴展到任意噪聲污染下的信號可鑒別性算法。 本文提出的特征提取算法和分類器都經(jīng)過了兩組數(shù)據(jù)的驗證：實驗室波導(dǎo)所獲得的多類目標的回波數(shù)據(jù)和松花湖湖試所獲得的兩類數(shù)據(jù)。我們利用實驗室波導(dǎo)所采集的數(shù)據(jù)驗證了算法對于真目標和假目標的分類有著良好的效果。而松花湖湖試數(shù)據(jù)則有效的證明了算法是能夠識別不同的真實目標和區(qū)別目標回波和混響。不僅如此，而