基于小波能谱系数的舰船目标分类与识别

由于舰船目标发声机理的复杂性及多样性,导致表征其辐射信号特征的数据量较大且维度较高,带来巨大的处理运算量。因此提取可靠、有效的舰船目标信号特征是水声界研究的难点之一。本文提出基于小波能谱系数的舰船目标信号特征提取方法。首先利用小波变换对舰船目标的波形信号进行分析,获取其时域、频域特征;然后采用小波能谱系数描述信号能量在每个频率范围的分布情况并提取特征向量,以区别3类目标信号;最后以BP神经网络作为分类器对3类目标进行识别与分类。对实验数据的处理结果表明,该方法可以有效获得舰船目标的特征信息,具有较好的分类效果和较高的可靠性。     

基于模糊贴近度的舰船辐射噪声分类

误差反传神经网络在被动声呐目标分类中得到了广泛的应用，但该算法在搜索过程中容易陷入局部最小值，同时使用赢者独活的识别决策策略，导致识别率的下降。针对BP网络的弱点，提出了基于模糊贴近度的舰船辐射噪声分类方法，该方法能够在不对BP网络作大的改动的前提下，解决神经网络陷入局部最小值，同时使用赢者独活决策策略导致误识的弱点。实验结果证明了该方法的有效性。     

浅谈舰船目标识别的方法和技术

针对海洋环境中的舰船目标识别问题,对现有方法和技术进行研究。从基于非成像技术和成像技术2个角度对现有舰船目标识别方法展开介绍。对于基于非成像技术进行舰船目标识别的方法,分析算法的一般性框图,并对国内外的研究历史和现状进行介绍。而对于基于成像技术的方法,从红外成像、合成孔径雷达成像和卫星遥感成像3个方面展开,对每类方法的原理做简要介绍,并阐述每类方法的技术发展和优缺点,给出简单的比较。     

基于灰色加权关联与MS-LSSVM组合的舰船备件需求预测

运用灰色加权关联方法对影响远海舰船备件消耗的主要因素进行分析,以确定备件消耗影响因素的权重大小,以此为依据来筛选出主要影响因素,在此基础上运用支持向量机理论,建立灰色加权关联分析与多尺度最小二乘支持向量机组合的学习模型,将筛选得到的主要影响因素的样本值作为输入值进行学习训练,较好地解决了影响因素与备件消耗之间的非线性关系。实例应用表明,该模型对舰船备件需求的预测具有较高的精度。     

高性能处理器DM6446下的舰船目标识别算法

介绍舰船噪声的频谱特性,并通过对频谱特性分析,研究舰船目标识别算法的可行性,最终选用DEMON谱分析与轴频提取算法作为舰船目标识别的实现方式。考虑到算法的数据处理,软硬件平台及设计选用TI公司基于DM6446高性能处理器TY-DM6446-1000开发板进行舰船目标识别算法研究,并对该算法的实验数据进行测试统计。结果显示,该算法能够实现对舰船目标特征提取和目标的精确识别,可满足应用要求。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

模糊聚类在舰船目标识别标准模型库的应用

对于给定特征的海上舰船目标,使用了模糊聚类的方法(包括三种解算方法),获得目标的分类并形成标准模型库.同时引入了聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选择上存在的主观性.聚类结果表明:对于复杂的战场环境,此方法设计可行有效,建立了标准模型库就可以对获得目标特征样本在标准模型库中进行匹配,进而完成目标识别,具有一定的应用前景.     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

PCA在舰船辐射噪声分类中的研究

在现代化的军事舰船中,舰船噪声的控制一直都是科研人员研究的重点,具有良好的噪声辐射识别与控制能力的一方,能够在战争情况下占尽优势,从而取得最终的胜利。但是船舶噪声由于特性复杂,与船舶本身及环境因素都有相当大的关系,所以对其的识别与分类一直都是个难点。本文首先对舰船的辐射噪声分类进行阐述,并利用主成分分析方法(PCA)对舰船噪声数据作低维度的分析处理和聚类识别,建立了相关的目标函数,通过仿真验证其合理性,最终为舰船的辐射噪声分类提出有价值的参考意见。     

基于灰色关联分析的柴油机故障诊断研究

针对多缸柴油机的多种常见故障,使用灰色关联分析的方法,分析和判断各个待检工作状态与基准工作状态的关联程度,根据关联度的结果对各个气缸的性能进行评估和诊断,得出故障的最后诊断结果。仿真实验证明,该方法可行,结果令人满意。     

船舶操纵性能的灰关联综合评估研究

将层次分析和灰关联综合评估两种系统评价方法结合起来,并将其应用于船舶操纵性能的综合评价.实例应用结果证明该方法综合了两种方法的优点,使用简便,切实可行.     

基于灰色理论的船舶通信系统信息融合技术

针对船舶交通服务系统和船舶自动识别系统中的数据信息,本文基于灰色理论与信息融合技术,充分研究了灰色理论的灰色关联算法,借助信息融合技术,实现两大系统的有机融合,为信息共享和数据互通提供支撑,这对于确保船舶航行的安全性意义重大。     

多特征融合的舰船目标分类研究

给出一种多特征融合的舰船目标分类方法,该分类方法中选用两类特征:第一类特征为根据舰船图像信息提取的RST不变性特征;第二类特征为根据舰船水下的辐射噪声提取到的MFCC系数。将2类特征进行融合,共同作为高斯混合模型的输入值。实验结果表明,本文给出的方法具有较高的识别率。     

灰关联分析在船用制冷系统故障诊断中的应用

灰关联分析方法是一种实用性强、可信度高的设备故障诊断方法,但其存在一定的应用限制。将D-S证据组合规则与灰关联方法相结合,能有效地处理故障征兆与故障类型关系的复杂性与不确定性,且诊断结果可信度较高。通过对某船用制冷系统故障实例计算,证明该方法简单、实用、诊断准确率高。     

灰色理论模型在船艇操纵性能优劣论证中的应用

为了解各船艇之间总的操纵性能是否满足安全要求,本文运用IMO等有关船艇操纵性能的衡准,确定了综合评估指标;基于灰色理论中的灰色关联分析法建立了船艇操纵性能进行综合评判模型,并选择了4种典型船艇进行了论证。结果分析表明,此评估模型正确,方法简单易行,对操纵者掌握、了解各船艇总的操纵性能和实际操纵具有指导意义。     

基于聚类分析的船舶数据库优化分析

数据库优化问题是船舶数据管理系统中的一个关键模块,数据库优化结果直接影响数据查询效率和查询准性,针对当前船舶数据库优化方法存在的错误差、优化时间长等难题,以改善船舶数据库优化效果为目标,设计了一种基于聚类分析的船舶数据库优化方法。首先对船舶数据库优化原理进行分析,提出当前船舶数据库优化方法各自存在的不足,然后引入聚类分析算法对船舶数据库优化问题进行挖掘,发现船舶数据库变化特点,找到最优的船舶数据库优化策略,最后进行了船舶数据库优化仿真对比测试。相对于其他船舶数据库优化方法,聚类分析方法的船舶数据库查询效率高,改善了船舶数据库优化实时性,提高了船舶数据库查准率,船舶数据库优化结果显著优于对比船舶数据库优化方法,在船舶数据库管理中具有更高的应用价值。     

基于深度自编码网络的舰船辐射噪声分类识别

针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。     

基于模糊聚类与灰色关联的舰船装备技术状态评估方法

针对舰船装备维修管理中的技术状态评估需求,给出等效装备概念,构建基于模糊聚类分析的等效装备模型,并结合灰色关联评估理论,提出一种基于模糊聚类与灰色关联的舰船装备技术状态评估新方法,细化了相应的算法流程及实施步骤,从而解决舰船装备维修前后技术状态的分类与辨识问题。大量实例应用分析表明:该方法具备较好的实用性,在实际舰船装备维修工程及其信息管理系统中具有很好的推广应用前景。