水聲目標識別

目錄
叢書前言
自序
第1章 緒論 1
1.1 水聲目標識別基本問題 1
1.2 水聲目標識別系統(tǒng)基本組成 4
1.3 水聲目標識別技術研究現狀 6
1.3.1 特征選擇技術 6
1.3.2 特征提取技術 8
1.3.3 分類器設計技術 12
1.3.4 基于深度學習的識別技術 14
第2章 船舶輻射噪聲調制譜特征 16
2.1 船舶螺旋槳空化噪聲 16
2.1.1 船舶螺旋槳空化 17
2.1.2 船舶螺旋槳空化噪聲模型 19
2.2 船舶輻射噪聲調制譜 22
2.2.1 船舶輻射噪聲調制現象 22
2.2.2 船舶輻射噪聲調制譜結構 23
2.2.3 船舶輻射噪聲調制譜數學模型 24
2.3 船舶輻射噪聲解調基本方法 30
2.3.1 **值低通解調 30
2.3.2 平方低通解調 31
2.3.3 希爾伯特變換解調方法 32
2.3.4 不同解調方法性能比較 33
2.4 船舶輻射噪聲調制譜連續(xù)譜平滑技術 35
2.4.1 自適應高斯平滑算法 35
2.4.2 雙通分離窗算法 37
2.4.3 排序截短平均算法 39
2.5 基于船舶輻射噪聲調制譜轉速特征提取技術 40
2.5.1 倍頻檢測方法 40
2.5.2 **似然估計法 41
2.6 基于船舶輻射噪聲調制譜槳葉數特征提取技術 44
2.6.1 基于專家系統(tǒng)的槳葉數特征提取方法 44
2.6.2 基于模板匹配的槳葉數特征提取方法 46
2.6.3 基于調制譜相位耦合特性的槳葉數特征提取方法 47
2.7 船舶輻射噪聲解調頻帶對解調譜的影響 51
2.7.1 船舶輻射噪聲調制譜子帶不均勻性 51
2.7.2 船舶輻射噪聲解調性能與帶寬關系 53
2.7.3 船舶輻射噪聲寬帶調制譜與子頻帶調制譜之間關系 56
2.8 聲納預處理AGC對調制譜的影響 59
2.8.1 聲納預處理AGC電路及作用 59
2.8.2 AGC電路對船舶輻射噪聲調制譜的影響 61
第3章 船舶輻射噪聲線譜特征 66
3.1 船舶輻射噪聲線譜聲源 66
3.1.1 船舶機械噪聲線譜 66
3.1.2 船舶螺旋槳噪聲線譜 70
3.1.3 船舶結構振動噪聲線譜 73
3.1.4 船舶輻射噪聲線譜結構 78
3.2 船舶輻射噪聲線譜特征提取方法 80
3.2.1 線譜分析分辨率問題 80
3.2.2 線譜提取方法 81
3.3 船舶輻射噪聲線譜穩(wěn)定性 83
3.3.1 船舶輻射噪聲線譜頻率穩(wěn)定性和幅度穩(wěn)定性 83
3.3.2 船舶輻射噪聲穩(wěn)定線譜存在情況 85
3.4 船舶輻射噪聲線譜識別能力 87
3.4.1 線譜分布經驗模型 87
3.4.2 線譜識別模板 89
3.4.3 線譜識別能力數據試驗 90
第4章 水聲瞬態(tài)信號特征 93
4.1 水聲瞬態(tài)信號波形與頻譜 93
4.2 瞬態(tài)信號基本檢測器 96
4.2.1 瞬態(tài)信號能量檢測器 96
4.2.2 瞬態(tài)信號冪律檢測器 99
4.2.3 STFT 檢測器 101
4.3 瞬態(tài)信號其他檢測方法 102
4.3.1 ARMA 逆濾波器法 102
4.3.2 小波變換法 104
4.3.3 Hilbert-Huang變換法 108
第5章 輔助分類識別特征 113
5.1 船舶輻射噪聲的聽覺感知特征 113
5.1.1 聲音的聽覺感知特征 113
5.1.2 船舶輻射噪聲聽覺感知特征 117
5.2 船舶輻射噪聲聲源級特征 124
5.2.1 船舶輻射噪聲聲源級 124
5.2.2 船舶螺旋槳空化對聲源級的影響 125
5.2.3 聲源級特征可分性分析 127
5.2.4 聲源級特征提取技術 130
5.3 船舶運動特征 134
5.3.1 運動特征對船舶目標分類的意義 134
5.3.2 船舶目標速度特征 135
5.3.3 船舶目標方位變化率特征 137
第6章 現代信號處理技術在譜特征分析中的應用 142
6.1 經典譜估計方法 142
6.1.1 自相關法 142
6.1.2 周期圖法 143
6.2 參數模型法 145
6.3 特征值分解法 150
6.4 自適應線譜增強技術 153
6.5 高階譜分析 155
6.5.1 高階譜 155
6.5.2 確定性信號的高階譜 155
6.5.3 非參數法高階譜估計 156
6.5.4 雙譜對角切片譜 158
6.5.5 基于雙譜對角切片譜的調制譜分析 159
6.6 Wigner-Ville分布 161
6.6.1 WVD的定義 161
6.6.2 Wigner-Ville分布計算 162
6.6.3 Wigner-Ville分布數據試驗 164
第7章 特征選擇與變換 167
7.1 類別可分性的評估準則 167
7.1.1 基于距離的可分性準則 168
7.1.2 基于概率分布的可分性準則 169
7.1.3 基于熵函數的可分性準則 171
7.2 特征選擇 172
7.2.1 全局**搜索策略 173
7.2.2 次優(yōu)搜索策略 174
7.2.3 隨機搜索策略 175
7.3 典型特征變換方法 180
7.3.1 K-L變換 182
7.3.2 核函數方法 188
第8章 水聲目標識別分類器設計技術 194
8.1 分類器概述 194
8.1.1 模式識別分類器 194
8.1.2 水聲目標識別分類器設計難點問題 196
8.2 近鄰分類器 198
8.2.1 *近鄰法 198
8.2.2 k-近鄰法 198
8.2.3 具有拒絕決策的k-近鄰法 199
8.2.4 距離度量 200
8.2.5 近鄰分類器的特點 202
8.3 基于CBR推理分類器 203
8.3.1 CBR的基本原理 203
8.3.2 基于CBR系統(tǒng)水聲目標分類器設計 206
8.4 神經網絡分類器 208
8.4.1 ANN的基本概念 208
8.4.2 神經網絡結構和類型 209
8.4.3 感知器 211
8.4.4 BP 神經網絡 214
8.4.5 基于BP神經網絡水聲目標分類數據試驗 216
8.5 支持向量機 219
8.5.1 **分類超平面 220
8.5.2 線性支持向量機 221
8.5.3 非線性支持向量機 224
8.5.4 支持向量機應用中的幾個問題 226
8.5.5 基于支持向量機水聲目標分類數據試驗 228
參考文獻 232