基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

舰船水压场信号实时检测方法研究

为了有效地从风浪背景中检测舰船水压场信号,在对大量实测海浪水压场数据和舰船水压场数据分析的基础上,对海浪水压场信号的特性进行了研究,发现海浪水压场信号可用AR模型对其进行描述．从而对海浪水压场信号建立AR模型,计算AR模型的反射系数并提取其欧氏距离作为特征,采用滑动检测法对信号进行实时检测．通过大量实测数据检验其有效性,结果表明,该算法简单,能较好的检测目标信号．     

交通事件小波分解与支持向量机声频识别方法

分析了现有交通事件自动检测和识别方法,提出了应用小波分解与支持向量机相结合的交通事件声频识别方法。将车辆行驶的声音信号进行小波分解,以不同频段的重构信号能量作为特征向量,对由多个支持向量机构成的交通事件分类器进行训练,并对正常行驶、刹车和碰撞事件的声音信号进行识别。试验结果表明:利用车辆声音信号能够正确识别不同的交通事件,识别准确率达95%,识别方法可行。     

一种基于RBF神经网络预测模型的舰船静电场检测方法

海洋环境中,舰船静电场信号易受背景噪声的影响,给目标检测带来了困难.通过对静电场的分析,提出了一种低信噪比下检测舰船静电场的方法,首先对信号进行小波分解并在低频段进行晕构,然后利用RBF神经网络对海洋环境噪声建立了预测模型,以模型对于接受信号的一步预测误差作为检验统计量来判断目标是否存在.将该方法用于实测舰船静电场信号的检测,取得了较好的效果.     

海浪水压场的混沌特性分析及预测模型

海浪水压场作为水中兵器水压引信最严重的干扰源,对其混沌特性进行研究具有极为重要的意义.依据判断系统是否具有混沌特性的2个重要指标:关联维数和最大Lyapunov指数,分别通过G-P算法和小数据量的Wolf算法进行了计算.对一定数量的海浪水压场数据所进行的计算表明,海浪水压场具有分数的关联维数和正的Lyapunov指数,表现出明显的混沌特性.在此基础上依据混沌信号的相空间重构理论使用支持向量机对海浪水压场进行了预测建模,结果表明非线性混沌模型较常规的线性AR模型具有更高的预测精度.     

一种基于小波分解的信号特征提取方法

利用目标信号功率主要集中在低频部分的特点，对信号进行小波分解，提取在不同频率带内信号的能量作为特征，用费歇判别方法对目标进行检测．通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算，验证了该方法的有效性，尤其是在高海况、低信噪比条件下，达到了比较好的效果．     

基于小波支持向量机的电力系统短期负荷预测

根据相空间延迟坐标重构理论,基于支持向量机强大的非线性映射能力和小波核函数的局部分析和特征提取能力,提出了一种基于小波支持向量机的电力系统短期负荷预测方法,并利用该方法对嵌入维数与预测性能的关系进行了探讨。仿真结果表明,该预测方法能精确地预测电力负荷,而且在电力负荷序列的最佳嵌入维数未知时也能取得比较好的预测效果,这一结论预示着小波支持向量机是一种预测电力系统短期负荷的有效方法。     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

最小二乘小波支持向量机在电力负荷预测中的应用

针对中期电力负荷预测问题,提出了一种基于多维允许小波核的最小二乘小波支持向量机(least squares wavelet support vector machines,LS-WSVM)方法,并且给出了一种可有效求解LS-WSVM的Cholesky分解算法.该方法结合小波技术和最小二乘支持向量机,其中小波核函数具有近似正交以及适用于局部信号分析的特性.将LS-WSVM应用于电力负荷预测的两个实例中,结果表明,与LS-SVM、标准SVM、多层前向神经网络等方法相比,LS-WSVM均能给出相当好的预测性能,所提出的用于中期电力负荷预测的LS-WSVM方法显示了其有效性和应用潜能.     

Neural Network Prediction Model for Ship Hydraulic Pressure Signal Under Wind Wave Background

The ship hydraulic pressure signal is one of the important characters for the target detection and recognition. At present, most of the researches on the detection focus on the ways in the time domain. The ways are usually invalid in the large wind wave background. In order to solve the problem efficiently, we present an effectual way to detect the ship using the ship hydraulic pressure signal. Firstly, the signature in the proposed method is decomposed by wavelet-transform technique and reconstructed at the low-frequency region. Then,a predictive model is set up by using the radial basis function(RBF) neural network. Finally, the signature predictive error is regarded as the testing signal which can be used to judge whether the target exists or does not.The practical result shows that the method can improve the signal to noise ratio(SNR) obviously.     

水中目标水压场信号特征提取与检测研究

利用目标信号功率主要集中在低频部分的特点，用功率谱估计方法提取低频信号的能量作为特征，提出了所谓的浮动阈值方法，对信号滑动地进行目标检测．通过对实验船模水压场信号进行检测验证。讨论了在各种不同情况下，目标信号的特征提取及目标检测方法的效果，验证了该方法的有效性．     

舰船水压场实验的新方法

舰船水压场是舰船目标自身的特性之一.在压力直接测量法基础上,研制了舰船速度-压力场和舰船浪高-压力场套联合测试系统,建立了基于扰动速度和表面波高间接获取舰船水压场的理论反演模型,通过船模实验验证了所提出的2种方法效果良好.     

舰船水压场实验的新方法

舰船水压场是舰船目标自身的特性之一．在压力直接测量法基础上,研制了舰船速度一压力场和舰船浪高一压力场套联合测试系统,建立了基于扰动速度和表面波高间接获取舰船水压场的理论反演模型,通过船模实验验证了所提出的2种方法效果良好．     

基于图像序列区域混沌特征的海面舰船目标检测算法

为了检测复杂海面背景中的舰船目标,提出了一种基于图像序列区域混沌特征的目标检测新算法,算法利用小数据量法计算图像序列区域的最大Lyapunov指数,分析运动目标存在时背景信号混沌特征的变化,并利用混沌特征的变化差别检测淹没在混沌背景信号中的目标信号,最后对100帧图像进行了目标检测.计算结果表明:新算法检测率为100%,虚警率为5%,检测结果优于利用统计分析方法的结果.     

基于三维时域Green函数法的船舶在规则波浪中的运动数学模型

在小时间区域采用级数展开法, 在大时间区域采用渐进展开法, 在大、小时间过渡区域采用精细积分法, 对三维时域Green函数进行数值计算; 采用线性叠加原理求解船舶辐射与绕射问题, 构造出船舶在规则波浪中的运动数学模型, 并采用数值方法计算WigleyⅠ型船舶和S60型船舶以Froude数为0.2迎波浪航行时的水动力系数、波浪激励力与运动时间历程。计算结果表明: 由于不规则频率的影响, 当量纲一频率为1.7时, WigleyⅠ型船舶的垂荡附加质量计算结果比试验结果小44%, 当量纲一频率为2.5时, S60型船舶的纵摇阻尼系数计算结果比试验结果小43%;随着入射波频率的增加, WigleyⅠ型船舶和S60型船舶的水动力系数和波浪激励力的大部分计算结果与试验结果的相对误差小于30%, 且二者的变化趋势一致; 对于WigleyⅠ型船舶, 当波长与船长比为1.25时, 采用三维时域方法计算的垂荡幅值响应因子和纵摇幅值响应因子分别比试验值小11.3%和4.8%, 采用三维频域方法计算的垂荡幅值响应因子比试验值大48.4%, 纵摇幅值响应因子比试验值小48.4%, 当波长与船长比为1.50时, 采用三维时域方法计算的垂荡幅值响应因子和纵摇幅值响应因子分别比试验值小3.0%和11.3%, 采用三维频域方法计算的垂荡幅值响应因子比试验值大9.8%, 纵摇幅值响应因子比试验值小23.6%。可见, 采用三维时域方法能准确地仿真船舶在波浪中的运动时间历程。      

浅海低频点声源作用下海底地震波的数值模拟

建立了点声源作用下海底地震波的时域数值计算模型.利用该模型,对二维半无限空间简单海洋模型的低频点声源海底地震波问题进行了数值模拟,得到了海底表面处的加速度和声压值.结果表明,浅海低频点声源的大部分能量耦合到海底基岩中以地震波的形式向远处传播.声源频率、海底吸声系数和海底基岩阻尼系数对舰船海底地震波信号均有影响.     

A New Multi-sensor Data Fusion Algorithm Based on EMD-MMSE

A new multi-sensor data fusion algorithm based on EMD-MMSE was proposed.Empirical mode decomposition(EMD)is used to extract the noise of every time series for estimating the variance of the noise.Then minimum mean square error(MMSE)estimator is used to calculate the weights of the corresponding series.Finally,the fused signal is the weighted addition of all these series.The experiments in lab testified the efficiency of this method.In addition,the comparison in fusion time and fusion results with existing fusion method based on wavelet and average technique shows the advantage of this method greatly.