水声目标识别是声纳工程的重要技术之一。本书系统介绍了水声目标识别的基本原理和方法，主要包括特征选择、提取和变换技术，以及常用的分类器和机器学习技术等。对于水声目标识别而言，最重要的环节是特征提取。本书重点探讨了船舶辐射噪声的调制谱、线谱、听觉感知和声源级特征，水声瞬态信号特征，以及船舶运动特征等。系统阐述了各识别特征的物理意义、产生机理、提取和利用方法，介绍了现代信号处理技术在谱特征分析中的应用，以及特征选择和变换的常用方法等。
样章试读
目录
- 目录
丛书前言
自序
第1章 绪论 1
1.1 水声目标识别基本问题 1
1.2 水声目标识别系统基本组成 4
1.3 水声目标识别技术研究现状 6
1.3.1 特征选择技术 6
1.3.2 特征提取技术 8
1.3.3 分类器设计技术 12
1.3.4 基于深度学习的识别技术 14
第2章 船舶辐射噪声调制谱特征 16
2.1 船舶螺旋桨空化噪声 16
2.1.1 船舶螺旋桨空化 17
2.1.2 船舶螺旋桨空化噪声模型 19
2.2 船舶辐射噪声调制谱 22
2.2.1 船舶辐射噪声调制现象 22
2.2.2 船舶辐射噪声调制谱结构 23
2.2.3 船舶辐射噪声调制谱数学模型 24
2.3 船舶辐射噪声解调基本方法 30
2.3.1 绝对值低通解调 30
2.3.2 平方低通解调 31
2.3.3 希尔伯特变换解调方法 32
2.3.4 不同解调方法性能比较 33
2.4 船舶辐射噪声调制谱连续谱平滑技术 35
2.4.1 自适应高斯平滑算法 35
2.4.2 双通分离窗算法 37
2.4.3 排序截短平均算法 39
2.5 基于船舶辐射噪声调制谱转速特征提取技术 40
2.5.1 倍频检测方法 40
2.5.2 最大似然估计法 41
2.6 基于船舶辐射噪声调制谱桨叶数特征提取技术 44
2.6.1 基于专家系统的桨叶数特征提取方法 44
2.6.2 基于模板匹配的桨叶数特征提取方法 46
2.6.3 基于调制谱相位耦合特性的桨叶数特征提取方法 47
2.7 船舶辐射噪声解调频带对解调谱的影响 51
2.7.1 船舶辐射噪声调制谱子带不均匀性 51
2.7.2 船舶辐射噪声解调性能与带宽关系 53
2.7.3 船舶辐射噪声宽带调制谱与子频带调制谱之间关系 56
2.8 声纳预处理AGC对调制谱的影响 59
2.8.1 声纳预处理AGC电路及作用 59
2.8.2 AGC电路对船舶辐射噪声调制谱的影响 61
第3章 船舶辐射噪声线谱特征 66
3.1 船舶辐射噪声线谱声源 66
3.1.1 船舶机械噪声线谱 66
3.1.2 船舶螺旋桨噪声线谱 70
3.1.3 船舶结构振动噪声线谱 73
3.1.4 船舶辐射噪声线谱结构 78
3.2 船舶辐射噪声线谱特征提取方法 80
3.2.1 线谱分析分辨率问题 80
3.2.2 线谱提取方法 81
3.3 船舶辐射噪声线谱稳定性 83
3.3.1 船舶辐射噪声线谱频率稳定性和幅度稳定性 83
3.3.2 船舶辐射噪声稳定线谱存在情况 85
3.4 船舶辐射噪声线谱识别能力 87
3.4.1 线谱分布经验模型 87
3.4.2 线谱识别模板 89
3.4.3 线谱识别能力数据试验 90
第4章 水声瞬态信号特征 93
4.1 水声瞬态信号波形与频谱 93
4.2 瞬态信号基本检测器 96
4.2.1 瞬态信号能量检测器 96
4.2.2 瞬态信号幂律检测器 99
4.2.3 STFT 检测器 101
4.3 瞬态信号其他检测方法 102
4.3.1 ARMA 逆滤波器法 102
4.3.2 小波变换法 104
4.3.3 Hilbert-Huang变换法 108
第5章 辅助分类识别特征 113
5.1 船舶辐射噪声的听觉感知特征 113
5.1.1 声音的听觉感知特征 113
5.1.2 船舶辐射噪声听觉感知特征 117
5.2 船舶辐射噪声声源级特征 124
5.2.1 船舶辐射噪声声源级 124
5.2.2 船舶螺旋桨空化对声源级的影响 125
5.2.3 声源级特征可分性分析 127
5.2.4 声源级特征提取技术 130
5.3 船舶运动特征 134
5.3.1 运动特征对船舶目标分类的意义 134
5.3.2 船舶目标速度特征 135
5.3.3 船舶目标方位变化率特征 137
第6章 现代信号处理技术在谱特征分析中的应用 142
6.1 经典谱估计方法 142
6.1.1 自相关法 142
6.1.2 周期图法 143
6.2 参数模型法 145
6.3 特征值分解法 150
6.4 自适应线谱增强技术 153
6.5 高阶谱分析 155
6.5.1 高阶谱 155
6.5.2 确定性信号的高阶谱 155
6.5.3 非参数法高阶谱估计 156
6.5.4 双谱对角切片谱 158
6.5.5 基于双谱对角切片谱的调制谱分析 159
6.6 Wigner-Ville分布 161
6.6.1 WVD的定义 161
6.6.2 Wigner-Ville分布计算 162
6.6.3 Wigner-Ville分布数据试验 164
第7章 特征选择与变换 167
7.1 类别可分性的评估准则 167
7.1.1 基于距离的可分性准则 168
7.1.2 基于概率分布的可分性准则 169
7.1.3 基于熵函数的可分性准则 171
7.2 特征选择 172
7.2.1 全局最优搜索策略 173
7.2.2 次优搜索策略 174
7.2.3 随机搜索策略 175
7.3 典型特征变换方法 180
7.3.1 K-L变换 182
7.3.2 核函数方法 188
第8章 水声目标识别分类器设计技术 194
8.1 分类器概述 194
8.1.1 模式识别分类器 194
8.1.2 水声目标识别分类器设计难点问题 196
8.2 近邻分类器 198
8.2.1 最近邻法 198
8.2.2 k-近邻法 198
8.2.3 具有拒绝决策的k-近邻法 199
8.2.4 距离度量 200
8.2.5 近邻分类器的特点 202
8.3 基于CBR推理分类器 203
8.3.1 CBR的基本原理 203
8.3.2 基于CBR系统水声目标分类器设计 206
8.4 神经网络分类器 208
8.4.1 ANN的基本概念 208
8.4.2 神经网络结构和类型 209
8.4.3 感知器 211
8.4.4 BP 神经网络 214
8.4.5 基于BP神经网络水声目标分类数据试验 216
8.5 支持向量机 219
8.5.1 最优分类超平面 220
8.5.2 线性支持向量机 221
8.5.3 非线性支持向量机 224
8.5.4 支持向量机应用中的几个问题 226
8.5.5 基于支持向量机水声目标分类数据试验 228
参考文献 232
京公网安备 11010102004214号