论文部分内容阅读
多基地声纳组网探测系统是目前大范围水下安保领域的研究热点。综合利用多基地系统中各个声纳节点的信息进行水下目标识别是亟待解决的问题。本文主要针对多基地水下目标识别开展技术研究,研究内容包括以下几个部分: 1.对双基地系统进行了几何关系分析,建立了双基地系统的声纳方程。对蛙人目标各主要散射部分的目标强度分别进行了建模分析,给出了仿真结果。 在消声水池开展了多基地声纳系统的模拟实验。对各目标在各分置角上散射强度的分布进行了分析,不同形状的目标强度曲线具有显著差异,说明利用目标强度曲线特征进行目标识别具有可行性。本文提出了通过提取在不同分置角上的目标强度曲线的统计特征进行水下多基地目标识别的方法,得到了较高的目标识别率。 2.高分辨距离像能够提供目标沿声纳视线方向的散射点分布信息,可以反映目标的几何结构特征,在获取和处理上都比较方便。围绕多基地水下目标一维距离像的特征提取,开展了以下工作: (1)分析了水下目标一维距离像的特点,详述了一维距离像的获取方法。针对一维距离像的平移敏感性,使用了滑动相关法做距离像对齐处理; (2)提取并分析了目标一维距离像的双谱特征; (3)利用RELAX算法提取了目标一维距离像强散射点特征。 3.在贝叶斯理论的基础上,提出了利用特征预测和误差映射进行多基地水下目标识别的方法,推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对多基地中的某些节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度。将各个节点处获得的条件概率累乘,以得到各类目标的条件概率。对每个目标重复此过程,取条件概率结果最大值对应的目标类别为最后的识别结果。针对该方法的缺点,提出了两点改进: (1)将特征预测和误差映射的方法推广到多个声纳节点上,而不是仅限于一个声纳节点,这样有效避免了在某些声纳节点上的识别正确率过低而引起多基地目标融合识别率降低的问题; (2)针对误差概率分布模型不准确的问题,在误差映射阶段,提出了利用混合高斯模型代替多维高斯分布来计算条件概率密度函数的改进方法,使得模型描述更为准确,得到了更高的目标识别率。 4.将隐马尔科夫模型引入到多基地目标识别问题中,首先提取多基地声纳系统中目标在不同分置角下的散射点特征,组成随分置角变化的回波特征序列,将特征相似的节点抽象为同一个状态,完成HMM模型的搭建和对最终目标的识别。CHMM的初始值通常采用k-means聚类算法得到,最终收敛结果容易集中在某个数据局部,选取的初始聚类中心可能是数据中的孤立点,从而对最终的聚类结果产生影响。本文在考虑数据分布密度的前提下,借助k-dist的曲线变化,来确定初始聚类中心,在避免初始聚类中心过于集中的情况下同时得到密度大于类中其他点密度的初始聚类中心。