基于神经网络的舰船噪声识别方法研究
文献类型：学位论文
| 作者 | 郝帅 |
| 学位类别 | 博士 |
| 答辩日期 | 2002 |
| 授予单位 | 中国科学院声学研究所 |
| 授予地点 | 中国科学院声学研究所 |
| 关键词 | 神经网络 目标识别 分形特征 自组织特征映射 BP算法 |
| 中文摘要 | 舰船目标识别是声纳信号处理领域内研究的一个热点问题，通过分析舰船辐射的噪声进行目标识别是一种主要的研究手段。对于被动声纳系统来说，能够识别出捕捉到的具有威胁特征的舰船信号，显然具有极其重要的军事意义。本文通过研究舰船辐射噪声的时域和频域两方面特征，提出了一种使用神经网络算法对被动声纳获取的舰船目标噪声进行特征提取和分类识别的方法，并在此基础上实现了一个舰船噪声自动识别软件。本文对作者在硕士论文工作期间所做的工作进行了总结。在论文中，作者对舰船目标辐射的噪声进行了细致分析，提取出分形特征矢量作为目标的时域特征。结果表明，分形特征曲线（分形维数）可以作为水面和水下目标的划分界线。本文深入研究了舰船辐射噪声的频谱特点，改进了原声纳目标识别专家系统的频域处理方法，提出了一种基于自组织特征映射算法的频域特征提取方法，这种方法改善了人工特征提取方法对信噪比过于依赖的不足，在较低的信噪比下也能够获得有效的频谱特征。文中对一种传统的神经网络识别算法（LMS－BP）进行了分析和改进，提出一种适合舰船噪声识别的快速算法－递推最小二乘误差反传算法。通过使用海上实录的舰船噪声样本进行目标分类识别实验的结果显示，这个方法的识别效果是令人满意的。作为本文的子课题，作者借鉴了一些商用数据库系统的数据管理方法，组建起一个三层Client/Server结构的水声数据库，对己获得的水声数据样本进行分类管理，建立起多层次的数据索引，实践证明，这个数据库系统可以满足快速数据检索的要求。 |
| 语种 | 中文 |
| 公开日期 | 2011-05-07 |
| 页码 | 57 |
| 源URL | [http://159.226.59.140/handle/311008/768]  |
| 专题 | 声学研究所_声学所博硕士学位论文_1981-2009博硕士学位论文 |
| 推荐引用方式 GB/T 7714 | 郝帅. 基于神经网络的舰船噪声识别方法研究[D]. 中国科学院声学研究所. 中国科学院声学研究所. 2002. |
入库方式： OAI收割
来源：声学研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。