基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于非完备字典的舰船特征提取和识别

提出了一种基于非完备特征字典的舰船特征提取和识别算法。借鉴稀疏表示理论的思想,根据红外图像中舰船的外形特征数据集构造特征字典,将目标信号进行分解,根据匹配字典中每个特征基原子得到特征响应,从而获得目标的特征表示,最后采用 SVM 一对一投票方法进行目标识别,得到最终的目标识别结果。仿真实验表明,与简单的标量区域描述方法和矩特征方法相比,本文方法得到的特征不仅具备更快的提取速度,而且可以更好地区分目标,提高目标识别的正确率。     

基于舰船辐射噪声的舰船目标定位技术

通过声传感器阵列可实现对声源的自适应检测定位及跟踪,这使得它在目标探测、故障诊断等诸多领域有着广泛的应用。在复杂环境中,常规的相关方法对于声源的定位往往难以得到准确的定位结果。针对常规时差测向定位抗干扰性能差和易受噪声影响,特别是噪声存在显著的尖峰时更不能得到满意结果的问题,本文提出基于盲分离的定位算法改进其性能。通过仿真实验,可以看到本文提出的定位方法能够取得更稳定、准确的结果。     

基于近场声全息的舰船水下辐射噪声识别研究

基于半自由场平面近场声全息的基本原理,采用数值计算的结果作为全息数据,对水面舰船水下辐射噪声进行了反演,着重研究了由螺旋桨噪声和流噪声的数据获得的重建结果与重建距离之间的关系。研究结果表明,半自由场平面近场声全息重建算法能对水面舰船水下辐射噪声进行识别;半自由场平面近场声全息对重建距离的变化较敏感,从而限制了重建距离的适用范围;螺旋桨噪声在船尾附近是主要噪声源。     

基于全局动力学的舰船辐射噪声微结构研究

介绍了以多项式拟合的方法进行信号重构的非线性动力学模型 ,选取少量的拟合系数作为衡量信号与干扰的特征差异的表征量 ,构成“动力学分类器”。数据分析结果表明了该方法的有效性 ,得出的结论表明舰船辐射噪声具有与海洋背景干扰不同的非线性动力学特征 ,且不同目标之间的非线性动力学特征也不相同 ,这为舰船辐射噪声的非线性动力学建模及其用于检测与分类奠定了基础     

舰船辐射噪声建模及仿真研究

在详细研究了舰船辐射噪声特性的基础上，对其线谱、连续谱和调制包络进行了建模与仿真。连续谱采用自适应FIR滤波方法仿真，调制包络由高斯脉冲串组成。通过对仿真出来的信号进行功率谱分析与DEMON谱分析，该仿真能较好地体现舰船辐射噪声的基本声学特征。     

基于STFT的舰船辐射噪声时-频分析与线谱提取

在分析舰船辐射噪声时频分布的基础上，改进了短时傅里叶变换（Short Time Fourier Transform，STFT），使之更易于提取舰船辐射噪声中的特征线谱。首先在时域内对将要分析的数据进行低速率重采样，然后根据需要，选择不同宽度的高斯时窗函数作短时傅里叶变换，再用二重三次立方插值函数对分析结果进行平滑处理，得到了清晰的特征线谱。最后利用改进的时频方法对A型舰进行分析，结果表明：该方法对0-100Hz低频段特征线谱的提取效果很好，这为进一步分析其它舰型的低频段特征线谱提供了一种有效方法。     

舰船红外图象特征提取及目标识别技术探讨

特征提取是舰船红外图象识别的重要步骤,本文通过对舰船目标形状的分析,提出了长宽比与目标分割区域象素数比值的概念,代替了传统的矩、Fourier描绘子对舰船目标的描述,大大减少了运算量。采用二叉树判决识别方法,提高了识别精度、缩短了识别目标时间。通过上机对舰船红外图象进行处理,取得了较为满意的结果。     

噪声中两个节奏特征提取技术研究

考虑到噪声中的节奏信息是声呐员目标判型的一个重要依据,分析声呐员对舰船噪声的听音感受描述,比对相应的噪声样本,提出应用短时能量、小波包低频分量重构及识别频谱中频段数的方法提取目标噪声的两个节奏特征即节奏周期和节拍数。利用实际噪声数据进行计算验证,结果表明利用这一方法可以很好地提取噪声中的有关听觉这两个节奏特征,为量化噪声听觉特征提供依据。     

一种改进的被动合成孔径算法用于舰船辐射噪声检测

舰船辐射噪声在低频段具有稳定的线谱成分,利用该线谱成分可以实现对水下目标的检测。被动合成孔径声呐(Passive Synthetic Aperture Sonar, PSAS)技术是对小孔径基阵沿直线运动接收到的信号进行孔径合成处理,以时间增益换取空间增益,进而提高对弱目标信号的检测能力。该文中提出一种改进的被动合成孔径算法较之常规孔径合成算法不要求阵元相互重叠,综合考虑接收阵元在时间域和空间域上变化,分时间段进行处理,继而可直接进行时延补偿,理论分析结合实际仿真、海试数据综合验证算法及其性能。研究表明：改进的被动合成孔径算法具有一定有效性和可行性,且便于工程实际应用。     

Hierarchical Feature Extraction for Image Recognition

This paper applies a hierarchical classifier to two image recognition tasks. At the heart of this classifier, like many other classifiers, is a distance metric for determining the similarity of pairs of images. As the generalisation performance is often strongly related to the effectiveness of this measure, this paper develops a measure that is statistically more reliable than some metrics, but does not discard discriminating information, often regarded as noise. In addition, it may be computed quickly. This paper also experimentally shows that the metric may be used in the hierarchical classifier to yield error rates far lower to those based on the Euclidean distance metric on the two image recognition tasks. Furthermore, it gives the lowest reported error rate (2.63%) as well as the best training and classification times for a face recognition task.     

低分辨雷达目标调制特征提取和分类识别方法

利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。     

基于纹理特征的背景噪声提取的应用研究

 无线电频谱监测中,背景噪声的检测滤波和提取是影响频谱监测的最关键因素之一.文中提出了一种基于纹理特征的背景噪声提取方法,该方法采用平滑滤波阈值限定法实现背景噪声纹理特征的提取,从而实现背景噪声的提取,达到信噪分离的目的.通过大量的试验和工程应用证明,该方法对背景噪声提取的有效性不受硬件设备、频段背景噪声分布和信号带宽等影响,能够很好地提取背景噪声,实现信噪分离.     

特征提取及其在数字调制方式识别中的应用

通信信号调制识别技术在军事和民用领域都具有重要的应用前景,而特征参数的提取是调制方式识别的首要问题。本文提出了两个新的特征参数,并结合这两个新的特征参数在统计模式识别的基础上构造了一组新的特征集参数,该特征集无需任何先验知识。随后,本文针对2PSK、QPSK、8PSK、16QAM、2FSK、4FSK、8FSK、2ASK、4ASK等9种调制类型,采用了分层结构的神经网络分类器进行自动识别。大量仿真表明,在待识别的信号信噪比大于5dB时,该识别系统的正确识别率达97%以上,且识别的稳定性好。     

基于降维循环谱的特征提取与目标识别

在日益复杂的电磁环境中,如何提取有效特征是解决目标识别难题的一个关键。通过对目标信号的分析,发现它们虽呈现非平稳性,但却具有循环平稳性。因此,循环谱在分析此类信号方面具有优越的潜力,但是采用循环谱通常导致高维问题。针对这个问题,这里提出了降维循环谱的特征提取与目标识别方法,该方法以循环谱的相同频率点在不同循环频率下的相关性作为识别特征,并用主成分分析方法对该特征降维。实验结果表明,基于降维循环谱的方法具有很好的鲁棒性。     

语音识别的鲁棒性特征提取方法研究

训练环境和测试环境的不匹配是造成实际情况下语音识别性能下降的主要原因。在深入研究语音识别的噪声环境和Mel域倒谱系数(MFCC)流程的基础上,基于累计分布函数匹配思想,给出了3种通过减小训练环境和测试环境的不匹配度来提高系统在不同环境下适应性的鲁棒性特征提取方法,分析了它们的理论基础、基本算法,并在Aurora2.0数据库上进行了实现,验证了方法的有效性,为实际应用中如何选择语音识别系统提供了参考。     

小波变换在虹膜图像特征提取与识别中的应用

文章从虹膜图像的灰度直方图入手,分析了虹膜图像的结构及其灰度分布,在此基础上,完成虹膜图像的内、外边缘的定位和归一化;利用小波变换对分区后的虹膜图像进行分解,实现了虹膜的纹理特征提取和识别。实验结果表明,该方法运算速度快,准确度高,能较好的满足虹膜识别的实际要求。     

基于隶属度的人脸图像特征抽取和识别

本文首先从代数理论和模糊数学导出一种新概念，矢量隶属函数，由此构造图像的隶属函数，并证明它具有一些不变性，提出一种基于隶属函数的图像特征抽取和识别方法，并应用于人脸图像识别问题。实验结果表明，隶属函数具有良好的识别分离能力。     

小样本条件下基于全局和局部特征融合的人脸识别

针对线性判别分析的小样本空间问题,提出了一种基于类向量的融合全局和局部特征的人脸识别算法.首先,提取人脸的全局特征;然后将人脸分割成6个关键部分,并用一种新的基于Gabor小波的方法提取特征;其次,将全局和局部特征融合,得出样本的特征向量;再次,得出每类样本的类向量并据此得出一种新的投影准则;最后,将类向量和试验样本分别进行投影,根据其欧氏距离的大小得出试验人脸的最终类.试验表明本文算法不仅能有效解决小样本空间问题,而且计算速度快,识别率高,应用前景良好.