舰船RCS特征提取与GA-BP神经网络分类研究

在典型舰船RCS的FEKO仿真数据基础上,提取均值、标准差、变异系数、平滑系数4种RCS数字特征作为BP神经网络的分类特征向量,进行目标分类仿真实验.实验结果显示,由于BP神经网络采用梯度下降法,其初始权值、阀值的随机设置会导致BP神经网络易陷入局部极小,为此,本文研究采用遗传算法对BP网络节点权值和阀值进行优化选择,仿真实验结果显示采用遗传算法优化后的BP神经网络分类识别性能稳定,不易陷入局部极小.     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

基于 Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。     

基于盲源分离的一维距离像特征提取算法磁

在日趋复杂的电磁环境下,雷达回波中存在着大量的噪声和干扰,一维高分辨距离像目标识别过程中,采用一般的特征提取算法不能提取有效的目标特征,影响着目标识别的效果。论文采用盲源分离的方法对复杂电磁环境下的雷达回波进行处理,提取目标回波,将强散射点回波信号视为不同的信号源进行盲源分离,实现了一维距离像上散射点位置特征的提取,并通过计算机仿真验证了该方法的有效性。     

一种交流电机故障诊断中的特征提取与强化

为提高电机故障诊断的准确率和有效性,提出了一种故障特征提取与强化的新方法.即在对所采集的交流电机振动加速度信号进行数据预处理之后,用盲源分离方法进行独立振动源的分离,然后采用小波包分析方法进行特征提取,并进行特征频带的简化及特征强化处理,特征强化后的数据作为交流电机故障诊断模型的输入.该方法通过对振动加速度信号进行分离,能够分离出混合信号中的独立振动源,提高了故障特征提取的正确率和准确度;通过对特征频带化简,减少了故障诊断模型的输入,进而简化了模型的结构;特征强化使模型能够更有效地识别故障状态.     

舰船宽带连续谱特征监测技术

舰船辐射噪声是多年来水声学领域研究的重要对象,对其特征的监测可以发现处于亚健康状态下的舰船,对舰船的维护和保养具有重要意义.本文从宽带连续谱的角度出发,制定特征监测方案.在实现各功能模块的基础上,将其进行整体联调.运用舰船在海上的实测信号对整个方案进行验证,并在多种特征提取方法和相似度计算方法中得到最优组合.     

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。     

基于脆弱数字水印的人脸图像的安全性

针对人脸识别系统中人脸图像数据可能受到攻击，导致人脸图像被恶意添加、替换、篡改等安全隐患，采用脆弱数字水印方法，解决上述人脸识别系统中人脸图像数据安全问题．用人脸原始图像的小波低频系数的高7位生成低频压缩图像，作为水印．通过混沌置乱加密，将水印直接嵌入到原始人脸图像的最低有效位平面，区分人脸图像篡改并定位检测．实验结果表明，采用脆弱数字水印的人脸图像对恶意添加、替换、篡改都有很高的敏感度．嵌入脆弱数字水印对人脸图形的特征提取的识别率以及识别速度的影响都很小．     

强噪声水平下的变形信息特征提取

对含有强噪声水平的变形观测数据序列,采用小渡分析的方法对数据进行处理,研究从含有噪声的观测数据中提取实际变形信号的可行性.在一个长期在线监测点10年的变形观测数据处理中,经过小渡分解、小波消噪、小波重构等操作后,有效地提取出了平滑的实际变形曲线.并且经过对消噪信号和原始信号的比较以及对残差的统计分析,认为小波分析用于强噪声水平下的变形信息特征提取,能够取得较理想的效果.     

Cat Boost算法在舰船轴承故障诊断领域的应用

轴承是舰船故障发生的常见位置,针对现有机器学习方法在舰船轴承故障诊断领域中存在多分类精度差、运算效率低等问题,提出一种基于Cat Boost(category boosting)算法的轴承诊断技术。首先,对振动信号进行时域分析、频域分析以及EMD(empirical mode decomposition)分解,得到截选振动信号段的特征指标;其次,利用Cat Boost算法在所提取特征中进行筛选,通过基尼指数快速建立树结构并进行排序。最后,选取不同维数特征输入进行模型算法评价,并与传统方法分类的准确率进行对比。试验结果表明,该方法在处理滚动轴承故障多分类问题上故障特征提取更为有效,识别效果明显高于其他传统算法。