水下瞬態(tài)信號特征提取與多分類器融合.pdf

1、水下瞬態(tài)信號的特征提取是空投目標分類的重要環(huán)節(jié)?；仡櫄v史，用于特征提取的信號分析方法有很多：傅立葉變換、短時傅立葉變換、Wigner—Ville變換、小波變換等等。然而它們應用于水下目標特征提取時也存在各自不同的問題。傅立葉分析要求數(shù)據(jù)必須具有線性、周期性和平穩(wěn)性的特點；短時傅立葉變換窗口的大小是固定不變的；Wigner—Ville變換會產(chǎn)生嚴重的交叉項；小波變換的時頻窗面積不變，只是形狀變化。因此，本文采用希爾伯特—黃變換方法，它是一

2、種更適用于分析非線性、非平穩(wěn)數(shù)據(jù)的時頻分析方法。 在目標分類領域中，人工神經(jīng)網(wǎng)絡分類器應用最為廣泛。利用信號的不同特征或不同結構的人工神經(jīng)網(wǎng)絡分類器可以得到不同的分類結果，往往可以利用這些結果之間的互補性來改善系統(tǒng)的分類效果。多分類器輸出向量加權投票算法是一種有效的多分類器融合算法，它具有算法簡單、便于處理實際問題的優(yōu)點。因此，本文采用此方法進行多分類器融合。 本文首先回顧了幾種處理非平穩(wěn)數(shù)據(jù)的常見方法，并分析了它們的優(yōu)

3、缺點，之后介紹了希爾伯特—黃變換方法。通過對空投目標入水聲信號構成特點的研究，從擊水聲脈沖信號、“寂靜”區(qū)間和氣泡脈動信號三方面對空投目標入水聲信號進行了理論分析和實測數(shù)據(jù)的特征提取研究。給出了常見人工神經(jīng)網(wǎng)絡的結構特點以及基本原理，并應用單個人工神經(jīng)網(wǎng)絡分類器對空投目標進行分類，分類結果表明不同分類器之間存在互補性。在本文的最后論述了多分類器融合算法，并給出基于多分類器融合算法的目標分類結果，證明了多分類器融合算法在解決目標分類問題時