论文部分内容阅读
舰船目标识别技术是高新技术条件下水下作战克敌制胜的有效手段,也是现今非常迫切实现的关键技术之一,该技术具有很好的民用价值和军事应用价值,因此受到了世界各国学者的广泛重视。本论文主要围绕舰船目标的特征提取与识别技术进行了研究,通过仿真和对真实舰船目标数据的处理,验证了方法的可行性和有效性。本论文的主要内容包括以下几方面:1、研究了舰船辐射噪声的产生机理,分析了DEMON谱分析技术的目的、步骤,并对绝对值低通解调以及平方低通解调这两种经典舰船噪声信号解调方法进行了介绍,通过仿真得到结论:平方解调方式有利于DEMON谱图上的线谱检测,能够获得更为显著的线谱特征。并在DEMON谱分析中加入了自适应线谱增强技术,以提高舰船目标线谱的检测能力以及目标识别的可能性。最后对舰船辐射噪声的轴频提取进行了探索,通过对大量实验数据的处理,表明该算法能够很好且较为准确的提取出舰船的轴频。2、分析了舰船噪声的音高特性,并用小波分析的奇异特征分析方法获得舰船辐射噪声音高,通过仿真证实该方法能够作为舰船辐射噪声分类的一个依据。3、高阶统计量是研究非线性和非高斯信号的有效工具,本文研究了高阶统计量的重要性质和概念,推导了矩和累积量的转换关系。4、论述了希尔伯特黄变换的基本原理,给出了经验模态分解算法的具体步骤以及流程图,通过对信号的仿真试验分离出各阶固有模态函数。最后采用新算法减弱了模式混叠现象,效果比较明显。5、对人工神经网络的基本概念进行简单的介绍,同时给出了BP神经网络网络分类器的定义。对舰船辐射噪声进行Hilbert-Huang变换得到各阶IMF分量,对其进行高阶统计量分析以及瞬时频率特征提取,利用BP神经网络进行分类识别,通过对仿真信号和舰船辐射信号的分类处理,取得了比较满意的结果,正确识别率约为80%,为后续工作的开展打下了良好的基础。