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(shù)研究現(xiàn)狀 6
1.3.1 特征選擇技術(shù) 6
1.3.2 特征提取技術(shù) 8
1.3.3 分類器設(shè)計技術(shù) 12
1.3.4 基于深度學習的識別技術(shù) 14
第2章 船舶輻射噪聲調(diào)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(diào)制譜 22
2.2.1 船舶輻射噪聲調(diào)制現(xiàn)象 22
2.2.2 船舶輻射噪聲調(diào)制譜結(jié)構(gòu) 23
2.2.3 船舶輻射噪聲調(diào)制譜數(shù)學模型 24
2.3 船舶輻射噪聲解調(diào)基本方法 30
2.3.1 **值低通解調(diào) 30
2.3.2 平方低通解調(diào) 31
2.3.3 希爾伯特變換解調(diào)方法 32
2.3.4 不同解調(diào)方法性能比較 33
2.4 船舶輻射噪聲調(diào)制譜連續(xù)譜平滑技術(shù) 35
2.4.1 自適應(yīng)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(diào)制譜轉(zhuǎn)速特征提取技術(shù) 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(diào)制譜槳葉數(shù)特征提取技術(shù) 44
2.6.1 基于專家系統(tǒng)的槳葉數(shù)特征提取方法 44
2.6.2 基于模板匹配的槳葉數(shù)特征提取方法 46
2.6.3 基于調(diào)制譜相位耦合特性的槳葉數(shù)特征提取方法 47
2.7 船舶輻射噪聲解調(diào)頻帶對解調(diào)譜的影響 51
2.7.1 船舶輻射噪聲調(diào)制譜子帶不均勻性 51
2.7.2 船舶輻射噪聲解調(diào)性能與帶寬關(guān)系 53
2.7.3 船舶輻射噪聲寬帶調(diào)制譜與子頻帶調(diào)制譜之間關(guān)系 56
2.8 聲納預處理AGC對調(diào)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(diào)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(jié)構(gòu)振動噪聲線譜 73
3.1.4 船舶輻射噪聲線譜結(jié)構(gòu) 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(jīng)驗?zāi)Ｐ?87
3.4.2 線譜識別模板 89
3.4.3 線譜識別能力數(shù)據(jù)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(shù) 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(xiàn)代信號處理技術(shù)在譜特征分析中的應(yīng)用 142
6.1 經(jīng)典譜估計方法 142
6.1.1 自相關(guān)法 142
6.1.2 周期圖法 143
6.2 參數(shù)模型法 145
6.3 特征值分解法 150
6.4 自適應(yīng)線譜增強技術(shù) 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(shù)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(diào)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(shù)據(jù)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(shù)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(shù)方法 188
第8章 水聲目標識別分類器設(shè)計技術(shù) 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(shè)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(shè)計 206
8.4 神經(jīng)網(wǎng)絡(luò)分類器 208
8.4.1 ANN的基本概念 208
8.4.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和類型 209
8.4.3 感知器 211
8.4.4 BP 神經(jīng)網(wǎng)絡(luò) 214
8.4.5 基于BP神經(jīng)網(wǎng)絡(luò)水聲目標分類數(shù)據(jù)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(yīng)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(shù)據(jù)試驗 228
參考文獻 232