舰船辐射噪声的混沌特性检验

为提取舰船目标辐射噪声混沌特征,实现对舰船目标的自动识别,首先需要对舰船辐射噪声的混沌特性进行检验。采用一种改进的Lyapunov指数谱估计方法,计算其最大Lyapunov指数是否大于零,以及所有的Lyapunov指数之和是否小于零来判定噪声时间序列是否具有混沌特性。采用三类舰船目标辐射噪声作仿真计算,仿真结果表明三类舰船辐射噪声都具有一定的混沌特性,该结论为下一步基于混沌预测的目标检测以及提取舰船辐射噪声非线性混沌特征等工作奠定了理论基础。     

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。     

混沌方法在舰船辐射噪声分析中的应用研究

为了检测舰船辐射噪声中的非线性特征,本文采用混沌、分形理论从信号产生的机理、相空间轨迹、分形维数和Lyapunov指数等4个方面着重研究了舰船辐射噪声的混沌现象.研究结果表明舰船辐射噪声信号中确实存在混沌现象,且不同类别的信号具有不同的非线性特征,该结果将为水声信号处理、水下目标检测和识别提供新的理论方法.     

混沌方法在舰船辐射噪声分析中的应用研究

为了检测舰船辐射噪声中的非线性特征，本文采用混沌、分形理论从信号产生的机理、相空间轨迹、分形维数和Lyapunov指数等4个方面着重研究了舰船辐射噪声的混沌现象。研究结果表明舰船辐射噪声信号中确实存在混沌现象，且不同类别的信号具有不同的非线性特征，该结果将为水声信号处理、水下目标检测和识别提供新的理论方法。     

舰船辐射噪声的非线性和确定性检验

为提取舰船目标辐射噪声非线性和混沌特征,实现对舰船目标的自动识别,首先需要对舰船辐射噪声时进行非线性检验和确定性检验。运用替代数据方法,选择合理的检验统计量,根据实验数据与替代数据之间峭度和自相关两个量的差异性,分析得出舰船辐射噪声信号有非线性成分。另外,对舰船辐射噪声时间序列作相空间重构,根据递归图中出现规则图案,定性分析出舰船辐射噪声信号具有确定性成分存在。该结论为下一步提取舰船辐射噪声非线性混沌特征奠定了理论基础。     

基于灰度共生矩阵的舰船噪声特征提取方法研究

灰度共生矩阵（GLCM）可以描述图像各基元灰度的空间分布和结构特征,而舰船辐射噪声二维谱图中也含有许多目标的固有信息。利用灰度共生矩阵对舰船辐射噪声二维谱图的图像进行纹理研究,求取能量、熵、惯性矩等几个典型特征量,并通过实验室仿真和对实际舰船辐射噪声分析计算,其具有明显的差异,可以作为目标分类和识别的重要特征信息。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

1(1/2)维谱在舰船辐射噪声线谱提取中的应用

舰船辐射噪声的线谱成分包含有大量的舰船特征信息,是被动声呐识别目标和估计目标速度的依据。本文对1(1/2)维谱的抑制高斯噪声、增强信号基频分量和剔除非耦合相位的谐波分量等特性进行仿真,通过对2种船型的舰船辐射噪声实测数据进行处理,得出结论,1(1/2)维谱对线谱基频具有增强作用,并且能够有效地抑制高斯背景噪声,相比于传统的功率谱方法,1(1/2)维谱更有利于舰船辐射噪声线谱的提取。     

基于贝叶斯的舰船辐射噪声特征识别方法

针对舰船辐射噪声特征存在非线性、非平稳的时变特点,导致特征识别难度较高的问题,本文提出一种基于贝叶斯的舰船辐射噪声特征识别方法。利用Dopplerlet变换方法,选取高斯函数作为基函数,变换舰船辐射声场信号。利用VMD算法获取搜寻约束变分模型的最优解,将完成变换的舰船辐射信号,分解为多个IMF分量,提取舰船辐射噪声特征。利用所提取的舰船辐射噪声特征构建特征样本集,通过贝叶斯网络计算样本集内各样本的状态概率,识别舰船辐射噪声特征。结果表明,该方法有效识别水面舰船、水下低速运动舰船等不同类型舰船的辐射噪声,适用于舰船目标识别应用中。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。