支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

倒双谱降维谱的舰船辐射噪声特性分析

海洋资源开发逐渐成为人类发展的趋势,与此同时,海洋在现代战争中的地位也越来越重要,因此,水下目标识别成为各国海洋领域研究的重点。船舶辐射噪声属于时变信号,可以利用高阶统计量抑制高斯噪声,实现信号特征分析。本文研究船舶辐射噪声的主要来源,提出基于倒双谱的降维谱舰船辐射噪声分析算法。     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

混沌理论在船舶辐射噪声特征提取中的应用

随着海洋开发的深入,水声信号处理是水下目标识别的基础,由于目标辐射噪声的干扰,识别的精度会降低。船舶辐射噪声特征值提取是水声信号处理的重要组成。水下目标物辐射噪声是一个非线性信号,随着时间延长,传播行为随机性越来越强。混沌理论是研究非线性随机信号的重要理论,本文在研究船舶辐射噪声非线性特性及混沌理论的基础上,利用非线性多空间重构技术对辐射噪声特性进行提取,最后对水下目标噪声实测数据进行仿真。     

基于递归图理论的舰船辐射噪声的特征量分析

水下目标特征值提取技术一直是研究船舶辐射噪声及水下目标识别的主要方式。舰船辐射噪声是一种非线性时变时序,一般利用非线性系统的状态迁移来描述并构建空间投影。递归图理论是一种混沌特质分析方法,利用信息特征熵概念来研究船舶辐射噪声关联维度。本文研究了船舶噪声辐射噪声空间的特征值及特征向量,给出了基于递归图理论的混沌特征量的维度计算方法,确定了辐射噪声空间矩阵的递归率和信息特征熵,最后进行了仿真。     

基于支持向量机和辐射噪声的舰船目标识别

分类器的构造和特征量的提取是目标识别的两个基本问题。鉴于舰船辐射噪声反映了同种舰船的特征，以及以支持向量机为核心的统计学习理论具有具有较好地解决小样本、非线性问题的能力，提出了一种新的识别方法，首先利用子波变换和多分辨分解算法对舰船目标的辐射噪声进行分解，得到目标的线谱和调制谱特征，然后使用支持向量机构造分类器，进行目标识别。实验表明，这种方法是可行的，且有较好的识别精度和较强的泛化性能。     

基频线谱提取技术在船舶水下目标识别系统的应用

基于目标物的辐射雷达回波信号是船舶水下识别系统的主流技术,水下噪声的混入会对识别产生干扰,时域分析很难区分噪声与目标信号特征。频域特性分布是区分雷达回波辐射噪声及干扰噪声的主要手段,通过对辐射信号及噪声的频谱提取,可以获取目标信号和干扰信号在基频频谱的特性,设计滤波器去除噪声。本文研究目标雷达回波信号及水下噪声信号的特性,在基础上提出基于基频线谱提取技术的噪声分离策略,最后对算法进行仿真。     

基于VMD与IMWPE的舰船辐射噪声特征提取研究

舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解（variational mode decomposition, VMD）与改进多尺度加权排列熵（improved multisacle weighted permutation entropy, IMWPE）相结合的方法进行特征提取,将原始信号通过VMD分解成多个固有模态函数（intrinsic mode function, IMF）,选取能够充分体现目标复杂度特征的IMF作为研究对象,然后通过IMWPE方法采用平移均值法解决多尺度加权排列熵（multisacle weighted permutation entropy, MWPE）的单一粗粒化问题。实验数据表明,将本文算法与对比算法提取的特征参数经过粒子群优化的支持向量机（particle swarm optimization support vector machine, PSO-SVM）进行分类识别,IMWPE算法识别率最高,具有良好的稳定性和优越性。     

SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

船舶水下辐射噪声计算评估方法及应用

本文采用有限元(FEM)和边界元(BEM)相结合的方法对船舶水下辐射噪声进行研究。首先根据船舶的实际情况建立三维结构有限元模型,包括船体结构、压载、主要动力设备及其隔振方式等,然后结合实船测试的柴油发电机组、推进电机机脚振动和轴系中间支撑基座振动数值,及船模试验得到的螺旋桨脉动压力,计算获得流固耦合下结构的响应,最后将船体外壳水线以下结构响应作为约束条件,通过边界元的方法对水下辐射噪声进行计算和分析。从而对船舶设计阶段水下辐射噪声初步评估方法进行修正,同时对比水下辐射噪声实船测试结果,计算准确性较高,修正后的计算评估方法能进一步提高了设计阶段水下噪声的评估精度,为船舶水下辐射噪声控制提供了依据和参考。