论文部分内容阅读
复杂海洋环境中的水下目标特征提取是声纳识别系统性能提升的关键问题。传统特征提取方法提取的特征矢量容易受到海洋环境、目标类型以及目标航速等因素的影响，使声纳系统的识别性能大幅度下降。本文模拟声纳员感知、辨识目标的机理，提取目标的生理感知特征并进行水下目标识别，主要研究工作包括：1.比较了常用的模式识别方法，综合考虑水下目标辐射噪声非线性、样本少的特点，选择自适应能力强的BP网络和在解决小样本、非线性及高维模式问题中表现突出的支持向量机对水下目标辐射噪声进行分类实验。识别结果表明，BP网络和支持向量机对待测实验数据实现了有效分类，说明使用BP网络和支持向量机对水下目标进行分类是可行的。2.给出了反应人主观听觉感受的响度特征的计算过程，结合水下声目标的特殊性，改进了响度特征量化的计算流程，避免了计算信号激励等复杂的运算过程，可方便地得出信号沿频率分布的响度特征。实验结果表明，利用改进的算法可以有效地计算目标信号响度。3.为探索声纳员感知、辨识水下目标类型的声学因素，研究了基于听觉滤波的特征提取方法，包括Gammatone频率离散小波系数、听觉倒谱系数、听觉慢特征分析、Gammachirp倒谱系数、改进的耳蜗滤波分析模型。这些方法符合人耳对声音的感知、辨识过程，较好地提取了水下目标的固有属性，避免关键信息的丢失，提高了识别准确率，且提取的特征矢量有较好的抗背景干扰性能。4.针对基于传统均匀谱压缩的特征提取方法提取水下目标的特征时，会对某些信号频带造成过压缩而同时对其他的信号频带造成欠压缩的特点，结合人耳听觉指数律和听觉掩蔽效应，提出了感知非均匀谱压缩（Perceptual Non-UniformSpectral Compress, PNUSC）方法。在此基础上改进了边界的设计方法，得到改进的感知非均匀谱压缩（Improved Perceptual Non-Uniform Spectral Compress,IPNUSC）方法。实录舰船辐射噪声的识别结果表明，基于PNUSC和IPNUSC方法提取的特征矢量有效地提高水下目标的识别准确率。5.依据人耳听觉特性，特别是听觉掩蔽效应，提出了一种鲁棒的特征提取方法——信噪比依赖非均匀谱压缩（SNR-Dependent Non-Uinform SpectralCompress, SDNUSC）方法，并给出了其中具体参数的选择过程。实录舰船辐射噪声的识别结果表明，基于SDNUSC方法提取的特征矢量对目标的识别能力优于其他非均匀谱压缩的特征提取方法和传统的特征提取方法（MFCC, LPCC, PLP等），且提取的特征矢量具有较好的稳健性。6.研究了基于恒定束宽干扰抑制的听觉特征提取方法。为了适应战场环境复杂化和目标信息多样化的需求，改善声纳识别系统对水下目标的识别能力，要求接收到的宽带信号经阵列输出后没有波形失真。为此，在阵列处理中设计了恒定束宽波束形成器，并针对仿真的阵列数据进行分类识别实验。结果表明，基于阵列输出的听觉特征提取方法比基于单水听器的特征提取方法更好提取出目标的类别属性，实现目标的有效分类。同时，基于恒定束宽干扰抑制的听觉特征提取方法提取的特征矢量对水下目标的状态具有良好的宽容性。