在水声领域,辐射噪声信号能反映水下目标螺旋桨转速、动力系统组成及目标航行方式等相关信息,利用辐射噪声的差异来识别目标是一项很有意义的研究课题。大量初始数据在细致描述目标的同时也带来了许多冗余,因此寻找和研究一种新的有效方法来获得目标特征就变得越来越重要。流形学习方法作为一种高效快速的数据挖掘方法,能够探寻数据的内在规律、发现本质特征,从而完成特征提取任务。通过理论仿真和试验处理相结合,论文对以下内容进行分析与研究:1)阐述了流形学习的基本理论。介绍流形、拓扑结构、流形学习的基本概念,描述局部线性嵌入(LLE)、拉普拉斯特征映射(LE)、等距特征映射(Isomap)以及局部切空间排列(LTSA)这四种流形学习方法的主要设计思路及实现步骤。比较各流形学习方法的特点并分析流形结构的影响因素。2)运用流形学习方法进行降噪研究。将时域信号构造到高维相空间得到高维数据,再利用主成分分析(PCA)、LTSA的流形降噪方法减小噪声干扰,并比较其降噪效果。3)运用流形学习方法提取水下目标辐射噪声的低维流形特征。仿真分析水下目标变速和平稳航行时的特征。介绍试验数据概况,利用短时傅里叶变换(STFT)、小波变换(WT)时频分析技术对试验数据进行前期分析处理,再通过LLE、Isomap、LE三种流形学习方法提取水下目标的流形特征。4)利用支持向量机(SVM)方法识别水下目标,获得识别率曲线。将运用不同流形学习方法提取的低维流形特征,送入SVM作分类识别,比较分析流形学习特征提取技术对水下目标识别率的影响。