高阶统计量是研究非线性和非高斯信号的有效工具,它在信号检测、特征提取以及参数估计等方面具有广泛的应用。本文的主要工作是应用高阶统计量提取舰船目标幅射噪声特征以及构造分类器进行目标识别和分类。 文章首先介绍了高阶统计量的定义和性质,指出高阶统计量对高斯过程的可抑制性,这是利用高阶统计量方法进行信号检测和估计的理论依据。并对高斯有色噪声背景下的谐波信号用常用的三种消噪方法与高阶谱方法进行了仿真比较,结果表明:高阶谱方法均优于其它三种方法。 其次,详细地分析了谐波信号的非线性现象。用三阶累积量的参数化方法和非参数化方法(1 1/2维谱)分析了二次相位耦合现象以及用四阶累积量的方法(2 1/2维谱)分析了三次相位耦合现象。提出了基于三阶累积量的改进的参数化双谱估计算法,仿真表明该方法即使在低信噪比、短数据长度下也获得了较高的频率分辨率。 分析了舰船辐射噪声的产生机理,选择了舰船辐射噪声包络双谱的三个特征;介绍了一种通用的线谱检索算法,有效地提取了舰船辐射噪声的1 1/2维谱、2 1/2维谱的四个线谱特征。 最后,提出了一种改进的RBF神经网络算法,并利用提取的实测数据的双谱特征和线谱特征分别对三类舰船目标进行了分类,取得了90%左右的识别率。验证了高阶谱与改进的RBF神经网络相结合的方法在舰船目标识别、分类应用中的有效性。