本文關(guān)鍵詞：水下目標(biāo)輻射噪聲生理感知特征的提取方法研究

  更多相關(guān)文章： 目標(biāo)識(shí)別 特征提取 生理感知 聽(tīng)覺(jué)濾波器 感知非均勻譜壓縮 信噪比依賴 恒定束寬 BP網(wǎng)絡(luò) 支持向量機(jī)

【摘要】：復(fù)雜海洋環(huán)境中的水下目標(biāo)特征提取是聲納識(shí)別系統(tǒng)性能提升的關(guān)鍵問(wèn)題。傳統(tǒng)特征提取方法提取的特征矢量容易受到海洋環(huán)境、目標(biāo)類型以及目標(biāo)航速等因素的影響，使聲納系統(tǒng)的識(shí)別性能大幅度下降。本文模擬聲納員感知、辨識(shí)目標(biāo)的機(jī)理，提取目標(biāo)的生理感知特征并進(jìn)行水下目標(biāo)識(shí)別，主要研究工作包括： 1.比較了常用的模式識(shí)別方法，綜合考慮水下目標(biāo)輻射噪聲非線性、樣本少的特點(diǎn)，選擇自適應(yīng)能力強(qiáng)的BP網(wǎng)絡(luò)和在解決小樣本、非線性及高維模式問(wèn)題中表現(xiàn)突出的支持向量機(jī)對(duì)水下目標(biāo)輻射噪聲進(jìn)行分類實(shí)驗(yàn)。識(shí)別結(jié)果表明，BP網(wǎng)絡(luò)和支持向量機(jī)對(duì)待測(cè)實(shí)驗(yàn)數(shù)據(jù)實(shí)現(xiàn)了有效分類，說(shuō)明使用BP網(wǎng)絡(luò)和支持向量機(jī)對(duì)水下目標(biāo)進(jìn)行分類是可行的。 2.給出了反應(yīng)人主觀聽(tīng)覺(jué)感受的響度特征的計(jì)算過(guò)程，結(jié)合水下聲目標(biāo)的特殊性，改進(jìn)了響度特征量化的計(jì)算流程，避免了計(jì)算信號(hào)激勵(lì)等復(fù)雜的運(yùn)算過(guò)程，可方便地得出信號(hào)沿頻率分布的響度特征。實(shí)驗(yàn)結(jié)果表明，利用改進(jìn)的算法可以有效地計(jì)算目標(biāo)信號(hào)響度。 3.為探索聲納員感知、辨識(shí)水下目標(biāo)類型的聲學(xué)因素，研究了基于聽(tīng)覺(jué)濾波的特征提取方法，包括Gammatone頻率離散小波系數(shù)、聽(tīng)覺(jué)倒譜系數(shù)、聽(tīng)覺(jué)慢特征分析、Gammachirp倒譜系數(shù)、改進(jìn)的耳蝸濾波分析模型。這些方法符合人耳對(duì)聲音的感知、辨識(shí)過(guò)程，較好地提取了水下目標(biāo)的固有屬性，避免關(guān)鍵信息的丟失，提高了識(shí)別準(zhǔn)確率，且提取的特征矢量有較好的抗背景干擾性能。 4.針對(duì)基于傳統(tǒng)均勻譜壓縮的特征提取方法提取水下目標(biāo)的特征時(shí)，會(huì)對(duì)某些信號(hào)頻帶造成過(guò)壓縮而同時(shí)對(duì)其他的信號(hào)頻帶造成欠壓縮的特點(diǎn)，結(jié)合人耳聽(tīng)覺(jué)指數(shù)律和聽(tīng)覺(jué)掩蔽效應(yīng)，提出了感知非均勻譜壓縮（Perceptual Non-UniformSpectral Compress, PNUSC）方法。在此基礎(chǔ)上改進(jìn)了邊界的設(shè)計(jì)方法，得到改進(jìn)的感知非均勻譜壓縮（Improved Perceptual Non-Uniform Spectral Compress,IPNUSC）方法。實(shí)錄艦船輻射噪聲的識(shí)別結(jié)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標(biāo)的識(shí)別準(zhǔn)確率。 5.依據(jù)人耳聽(tīng)覺(jué)特性，特別是聽(tīng)覺(jué)掩蔽效應(yīng)，提出了一種魯棒的特征提取方法——信噪比依賴非均勻譜壓縮（SNR-Dependent Non-Uinform SpectralCompress, SDNUSC）方法，并給出了其中具體參數(shù)的選擇過(guò)程。實(shí)錄艦船輻射噪聲的識(shí)別結(jié)果表明，基于SDNUSC方法提取的特征矢量對(duì)目標(biāo)的識(shí)別能力優(yōu)于其他非均勻譜壓縮的特征提取方法和傳統(tǒng)的特征提取方法（MFCC, LPCC, PLP等），且提取的特征矢量具有較好的穩(wěn)健性。 6.研究了基于恒定束寬干擾抑制的聽(tīng)覺(jué)特征提取方法。為了適應(yīng)戰(zhàn)場(chǎng)環(huán)境復(fù)雜化和目標(biāo)信息多樣化的需求，改善聲納識(shí)別系統(tǒng)對(duì)水下目標(biāo)的識(shí)別能力，要求接收到的寬帶信號(hào)經(jīng)陣列輸出后沒(méi)有波形失真。為此，在陣列處理中設(shè)計(jì)了恒定束寬波束形成器，并針對(duì)仿真的陣列數(shù)據(jù)進(jìn)行分類識(shí)別實(shí)驗(yàn)。結(jié)果表明，，基于陣列輸出的聽(tīng)覺(jué)特征提取方法比基于單水聽(tīng)器的特征提取方法更好提取出目標(biāo)的類別屬性，實(shí)現(xiàn)目標(biāo)的有效分類。同時(shí)，基于恒定束寬干擾抑制的聽(tīng)覺(jué)特征提取方法提取的特征矢量對(duì)水下目標(biāo)的狀態(tài)具有良好的寬容性。
【關(guān)鍵詞】：目標(biāo)識(shí)別 特征提取 生理感知 聽(tīng)覺(jué)濾波器 感知非均勻譜壓縮 信噪比依賴 恒定束寬 BP網(wǎng)絡(luò) 支持向量機(jī)
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7;TP18
【目錄】：

• 摘要4-6
• Abstract6-8
• 目錄8-11
• 第一章 緒論11-25
• 1.1 研究背景與意義11-14
• 1.2 研究歷史和現(xiàn)狀14-22
• 1.2.1 特征提取的研究歷史和現(xiàn)狀15-16
• 1.2.2 生理感知的研究歷史和現(xiàn)狀16-18
• 1.2.3 分類決策的研究歷史和現(xiàn)狀18-22
• 1.3 本文研究?jī)?nèi)容及具體安排22-25
• 第二章 人耳對(duì)聲信號(hào)的辨識(shí)過(guò)程與分析25-37
• 2.1 引言25
• 2.2 聽(tīng)覺(jué)系統(tǒng)25-30
• 2.2.1 外耳26-27
• 2.2.2 中耳27
• 2.2.3 內(nèi)耳27-29
• 2.2.4 聽(tīng)覺(jué)中樞系統(tǒng)29-30
• 2.3 人耳對(duì)聲信號(hào)的感受和辨別30-33
• 2.3.1 感受和辨識(shí)機(jī)制30-32
• 2.3.2 掩蔽效應(yīng)32-33
• 2.4 典型目標(biāo)輻射噪聲的聽(tīng)覺(jué)感受描述33-35
• 2.5 本章小結(jié)35-37
• 第三章 基于BP網(wǎng)絡(luò)和支持向量機(jī)的水下目標(biāo)識(shí)別方法37-55
• 3.1 引言37
• 3.2 BP網(wǎng)絡(luò)的原理與設(shè)計(jì)37-43
• 3.2.1 BP網(wǎng)絡(luò)的基本結(jié)構(gòu)38
• 3.2.2 BP學(xué)習(xí)算法38-41
• 3.2.3 BP網(wǎng)絡(luò)在水下目標(biāo)識(shí)別中的研究41-43
• 3.3 支持向量機(jī)的原理與估計(jì)算法43-47
• 3.3.1 SVM的基本原理44-45
• 3.3.2 SVM的估計(jì)算法45-47
• 3.4 傳統(tǒng)的特征提取方法47-50
• 3.4.1 線性預(yù)測(cè)倒譜系數(shù)47-48
• 3.4.2 美爾頻率倒譜系數(shù)48-49
• 3.4.3 感知線性預(yù)測(cè)49-50
• 3.5 實(shí)驗(yàn)數(shù)據(jù)說(shuō)明與分析50-54
• 3.5.1 仿真的艦船輻射噪聲51-52
• 3.5.2 互聯(lián)網(wǎng)公開(kāi)發(fā)布的海洋動(dòng)物叫聲52-53
• 3.5.3 實(shí)錄的艦船輻射噪聲53-54
• 3.6 本章小結(jié)54-55
• 第四章 基于響度特征量化改進(jìn)算法的特征提取方法55-65
• 4.1 引言55
• 4.2 心理聲學(xué)參數(shù)55-60
• 4.2.1 響度55-58
• 4.2.2 尖銳度58-59
• 4.2.3 粗糙度59
• 4.2.4 波動(dòng)強(qiáng)度59-60
• 4.3 響度特征量化的改進(jìn)算法60-61
• 4.4 實(shí)驗(yàn)結(jié)果與分析61-64
• 4.4.1 實(shí)驗(yàn)樣本與分類器61-62
• 4.4.2 識(shí)別結(jié)果與性能對(duì)比分析62-64
• 4.5 本章小結(jié)64-65
• 第五章 基于聽(tīng)覺(jué)濾波的特征提取方法65-89
• 5.1 引言65
• 5.2 常見(jiàn)的聽(tīng)覺(jué)濾波器65-73
• 5.2.1 共振濾波器66-67
• 5.2.2 Roex函數(shù)濾波器67-68
• 5.2.3 Gammatone濾波器68-70
• 5.2.4 Gammachirp濾波器70-73
• 5.3 小波變換73-74
• 5.4 基于聽(tīng)覺(jué)濾波的特征提取方法74-88
• 5.4.1 基于Gammatone頻率離散小波系數(shù)的特征提取方法74-77
• 5.4.2 基于聽(tīng)覺(jué)倒譜系數(shù)的特征提取方法77-79
• 5.4.3 基于聽(tīng)覺(jué)慢特征分析的特征提取方法79-81
• 5.4.4 基于Gammachirp倒譜系數(shù)的特征提取方法81-84
• 5.4.5 基于改進(jìn)的耳蝸濾波分析模型的特征提取方法84-88
• 5.5 本章小結(jié)88-89
• 第六章 基于感知非均勻譜壓縮的特征提取方法89-119
• 6.1 引言89-90
• 6.2 人耳聽(tīng)覺(jué)指數(shù)律90
• 6.3 感知非均勻譜壓縮（PNUSC）方法90-95
• 6.3.1 感知非均勻譜壓縮90-92
• 6.3.2 實(shí)驗(yàn)結(jié)果與分析92-95
• 6.4 改進(jìn)的感知非均勻譜壓縮（IPNUSC）方法95-97
• 6.4.1 改進(jìn)的感知非均勻譜壓縮95-96
• 6.4.2 實(shí)驗(yàn)結(jié)果與討論96-97
• 6.5 基于信噪比依賴的非均勻譜壓縮的聽(tīng)覺(jué)特征提取方法97-101
• 6.5.1 信噪比依賴的非均勻譜壓縮（SDNUSC）98-99
• 6.5.2 實(shí)驗(yàn)結(jié)果與討論99-101
• 6.6 基于恒定束寬波形保真及干擾抑制的聽(tīng)覺(jué)特征提取方法101-114
• 6.6.1 基陣輸出信號(hào)模型102-104
• 6.6.2 二階錐規(guī)劃簡(jiǎn)介104-106
• 6.6.3 恒定束寬波束設(shè)計(jì)106-110
• 6.6.4 基于恒定束寬波束形成方法的Gammatone頻率倒譜系數(shù)110
• 6.6.5 實(shí)驗(yàn)結(jié)果與討論110-114
• 6.7 特征提取方法的性能分析與比較114-116
• 6.7.1 單水聽(tīng)器接收信號(hào)114-115
• 6.7.2 水聽(tīng)器基陣接收信號(hào)115-116
• 6.8 本章小結(jié)116-119
• 第七章 全文總結(jié)119-121
• 7.1 研究的主要工作及研究成果總結(jié)119-120
• 7.2 有待進(jìn)一步研究的工作120-121
• 參考文獻(xiàn)121-131
• 攻讀博士學(xué)位期間完成的論文及參與的科研項(xiàng)目131-133
• 致謝133-135

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 熊紫英;朱錫清;;基于LOFAR譜和DEMON譜特征的艦船輻射噪聲研究[J];船舶力學(xué);2007年02期

2 宋愛(ài)國(guó),陸佶人;信號(hào)功率譜特征提取的進(jìn)化規(guī)劃方法[J];電路與系統(tǒng)學(xué)報(bào);1998年03期

3 蔡悅斌,張明之,史習(xí)智,林良驥;艦船噪聲波形結(jié)構(gòu)特征提取及分類研究[J];電子學(xué)報(bào);1999年06期

4 劉鳴,戴蓓倩,李輝,陸偉,李霄寒;魯棒性話者辨識(shí)中的一種改進(jìn)的馬爾科夫模型[J];電子學(xué)報(bào);2002年01期

5 王s

本文編號(hào)：1045029