主动目标识别问题是水声信号处理中的一个关键性课题,它在军用和民用两方面都有着重要意义。然而,它的进步显得相对缓慢。本文对主动目标识别问题进入了深入的研究和探讨。一般来说,在主动目标识别中,接收到的回波信号是一个高维的数据,因此,如何从高维的数据得到回波类别信息是最基本的问题。主动目标识别问题分为两个部分,一部分是目标特征提取,即运用信号分析或者其他数据处理的方法将高维的数据空间映射到较低维的特征空间。另一部分是分类器设计,即较低维特征空间映射到类别空间,完成最后识别工作。 本文在现代信号处理理论的框架和目标散射的物理机理的指导下,对回波信号的特征提取部分进行了研究,同时也对分类器的设计有着一定的探讨。在特征提取部分,本文研究了两种回波特征提取算法。一种是基于时间—频率分析和回波强度的特征提取算法。时间—频率分析是一种经典的分析非平稳信号的方法,它在各种非平稳信号的处理和分析中取得了良好的效果。本文应用了频谱图来提取目标的回波强度这一重要特征。第二种是运用多种正交变换结合的算法对回波进行特征提取工作。信号的正交变换是将信号从时域转换到另一个域里面,如果在这个新的域中,回波的特点能被有效的表征出来,那么该正交变换将有助于特征提取工作。本文应用了傅立叶变换、小波变换和离散余弦变换三种变换进行了信号正交变换并对变换之后得到的系数依据一定的准则进行组合聚类。在分类器设计问题中,本文研究并应用了近年来得到极大发展的支持向量分类器,在对它的基本理论进行分析的基础上,根据主动目标识别的特点—样本少和受混响影响严重,应用了C—支持向量机和相关向量机作为整个分类系统最后的分类器。 本文的主要创新点包括: (1) 本文在研究各种时频分布、目标特性和发射信号的特点的基础上,提出了基于频谱图和回波强度的特征提取算法,对窗的形式和参数的确定也进行了一定的研究。不仅如此,针对混响的非高斯性,本文分析了频谱图的鲁棒性并应用其于特征提取过程。 (2) 本文在研究了正交变换的性质和各种正交变换的物理意义的基础上,针对回波的特性,创新性的提出了根据信号可鉴别性的准则进行多种正交变换结合的回波特征提取算法。同时,本文也将传统的可鉴别性算法扩展到任意噪声污染下的信号可鉴别性算法。