论文部分内容阅读
本文在对海洋混响时间序列进行相空间重构的基础上,构建海洋混响的非线性预测模型,然后通过在不同海域进行的两次海上实验获取的混响信号,对预测模型进行检验,并寻求预测模型在海洋混响背景下目标信号检测中的应用。文中用于预测海洋混响的模型有三个:自适应非线性滤波方法、二阶Volterra级数展开法以及BP神经网络。
本文提出一个自适应非线性滤波方法,作为混响的预测模型,通过海上实验的混响数据对方法进行检验,结果表明,只需很少的训练样本,该方法就可以对海洋混响信号作出很好的预测。利用目标信号与混响之间非线性动力学特征存在的差异,将该预测模型应用于海洋混响背景下目标回波的检测,以模型的预测误差作为检验统计量来检测混响中的目标回波,可以在一定程度上抑制混响干扰,并通过混响实验数据中含有目标回波的混响序列验证了这一点。文中还将二阶Volterra级数展开法应用到海洋混响信号的预测,并与自适应非线性滤波方法进行比较,自适应非线性滤波预测方法要优于二阶Volterra级数展开法。
本文构造BP神经网络模型用于海洋混响信号的预测,可以很好地预测海洋混响信号,将它应用于海洋混响背景下目标信号的检测时,可以获得很好的检测效果,达到抑制混响的目的。