论文部分内容阅读
水下目标正确分类的决定因素是对不同类型信号特征的有效提取。现已有大量关于时域、频域及时-频联合域的特征提取方法,并在理论上取得了较好的识别结果。但实践中依然要依赖训练有素的声纳员听觉系统对水下目标类型进行判断。声音的响度、音调、音色和持续时间是描述声音听觉属性的有效特征参量,其中响度、音调和持续时间已有较成熟的计算模型,且被有效地应用在主动声纳回波信号分类识别中。由于目标与接收平台距离远近和海况等严重影响响度的大小,而信号的音调和音色几乎不受其影响,可以共同反映不同目标的本质差别。因此,本文提取主动声纳回波的音色特征,实现水下目标回波、噪声和混响信号的有效分离。在前人对音色维度研究的基础上,本文选取与谱形结构和谱能量分布有关的听觉参量对回波信号的功率谱进行细分,并分析听觉感知特征量的分布反映的目标和海底声散射特性。高阶统计量可以抑制某些分布的噪声,提高信混噪比,增加后续特征提取的准确度。本文在目标信号的三、四阶对角切片谱上提取其听觉感知特征,以获得更好的分类识别效果。为此,推导了CW和LFM脉冲的1.5维谱、2.5维谱所包含的信号信息。采用混合高斯分布模型拟合目标回波、噪声和混响瞬时值的概率密度分布,并分析两种非高斯分布的高阶统计量表达式。最后讨论了目标回波、噪声和混响在信号特征空间中可分性,采用径向基核函数支持向量机对提取的听觉特征进行分类。仿真分析验证了提取听觉感知量作为分类特征的可行性。对湖试数据进行处理,在其功率谱,三阶和四阶累积量对角片谱上提取信号的听觉感知特征参数用于回波分类。实验数据处理结果表明,在对音色参数进行特征组合的感知特征空间中,信号的最高分类识别率大约为96.87%,平均准确率在80%以上。且2.5维谱上提取特征的分类准确率高于功率谱上的特征分类准确率,1.5维谱上的特征提取分类效果最差。