基于分形特征的水声目标信号分类识别
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＡＢＳ ＴＲＡ ＣＴ ：ｎ ｏｄｅ ｏ ｒｄｕ ｅ ｔｅ ｅ ｒ ｒｗｈ ｎ ｅ ａｕ ｔｎ ｒｃ ａ ｉ ｎ ｉ ｎ ｆｕｎ ｅ ｗａｅ ｃ ｕ ｔｃ ｔｒ ｅｓ，ｔ ｉ ａ Ｉ ｒ ｒｔ ｅ ｃ ｈ ｒｏ ｅ ｖ ｌａ ｉｇ ｆａ ｔｌｄ ｍｅ ｓｏ ｓｏ ｄ ｒ ｔｒａ ｏ ｓｉ ａｇ ｔ ｈｓ ｐ — ｐ ｒｐ ｏ ｏ ｅ ｔｏ ａ ｅ ｎ ｆａ ｔｌＢｒ ｗｎ ｍｏｉｎ． Ｆｉｓ ，ｔ ｅ ｌｎ ａ ｅ ｉｎ ｏ ｎ ｒ ｔｒａ ｏ ｓｉ ａ ｇ ｔ ｓｐ ｒｉ ｅ ｒ ｐ ｓ ｓ ａ ｍｅｈ ｄ ｂ ｓ ｄ ｏ ｒｅ ａ ｏ ｔ ｏ ｒｔ ｈ ｉ ｅ ｒｒ ｇｏ ｆｕ ｄｅ ｗａｅ ｃ ｕ ｔｃ ｔｒ ｅｓｉ ａ ・ ｔ ｔ ｎｅ Ｔｈ ｎ，ｔ ｅ ｌａ ｔｓ ｕａｅ ｆｔｉ ｓｕ ｅ ｏ ｃ ｍ ｐ ｔ ｈ ｒ ｃａ ｉ ｎ ｉｎ ｆｅ ｅｙ ｒ ｇｏ ｉ ｄ． ｏ ｅ ｈ ｅ ｓ ｑ ｒ ｔ ｉ ｓ ｄ ｔ ｏ ｕ ｅｔ ｅｆａ ｔｌｄ ｍｅ ｓｏ ｓｏ ｖ ｒ ｅ ｉｎ，ｗｈ ｃ ｒ ｈｅｆ ａｕ ｅ ｉ ｎｇ ｉ ｈ ａｅ ｔ ｅ ｔ ｒ ｏ ｈｅ ｕ ｄｅ ａｅ ｃ ｕｓｉ ａｇ ｔ． Ｆ ｔ ｅ ｍｏ ｅ， ｔｅ ｒ ｃ ｇ ｉｉｎ ｍ ｅｈ ｄ ｂ ｓ ｄ ｏ ｃ ｏ ｇ ｔｏ ｅｗｏ ｋ ｉ ｐ ｏ ｆｔ ｎ ｒ ｔ ｒａ ｏ ｔｃ ｔｒ ｅｓ ｗ ｕｒｈ ｒ ｒ ｈ ｅ ｏ ｎ ｔ ｔｏ ａ ｅ ｎ ｂａ ｋ ｐｒｐａ ａｉ ｎ ｎ ｔ ｒ ｓ ｒ — ｏ ｐ ｓ ｄ．Ｔｈ ｅ ｕ ｔ ｆｔ ｅ ｏ ｎｔｏ ｆａ ｔ ａ ａ ｇ ｔ ｈｏ ｔ ｔｔｅ ｍ ｅｈ ｄ ｃ ｎ ｂｅｕｓ ｄ ａ ｅ ｆａｕｒ ｆｓ ｉ ｉ— ｏｅ ｅ ｒ ｓ ｌｓｏ ｈｅ ｒｃ ｇ ｉｉｎ ｏ ｃｕ ｌｔ ｒｅ ｓｓ ｗ ｈａ ｈ ｔ ｏ ａ ｅ ｓ ａ ｎ ｗ ｅ ｔ ｅｏ ｈ ｐ ｓｇ ｎ ｌ ｏ ｅ ｅ ｔｏ ｎ ｉｅ ｉｉａｉｎ ｆ ｓ ｐ ． Ｆｉａ ｌ ｔ ｅ ｌｏ ｉ ａｓ ｆｒｄ ｔ ｃｉｎ ａ ｄ ｄ ｎｔ ｃ ｔ ｏ ｈｉｓ ｆ ｏ ｎ ｌｙ， ｈ ａｇ ｒｔ ｈｍ ｉ ｉ ｕ ｔａｅ ｍｅ ｉａｌ ｎ ｔｒ ｅ ｅ ｏ ｉｉｎ ｓ ｌ ｓｒ ｔｄ ｎｕ ｒｃ ｌ ｉ ａｇ ｔｒ ｃ ｇ ｔｏ ｌ ｙ ｎ ｐ ｏ ｌｍ ． ｒｂｅ Ｋ ＥＹ Ｗ Ｏ ＲＤ Ｓ： ｒ ｅ ｅ ｏ ｎｉｉｎ；Ｆｒ ｃａ ｍｅ ｓｏ Ｔａｇ ｔｒｃ ｇ ｔｏ ａ ｔｌｄｉ ｎ ｉ ｎ；Ｌｅ ｓ ｑ ｒ ｔｉ ａ ｔｓ ｕａ ｅｆ ｔｎｇ ｉ
习后 ， 良好 的识别性能。 有
由于水下 目标信号具有高度非平稳性 ， 时域上大 多表 在 现出杂乱无 章的形 式 ， 难从 中观察到规 律 ， 以过去 对水 很 所 声 目标信号 特征 的研究主要是集中在频域的分析 ， 如功率谱
信 号 的检 测 和 识 别提 供 良好 的 理 论依 据 ， 给 出 了具 体 的 算 法 的 步骤 。 并
wk.baidu.com
关键词 ： 目标识别 ； 分形维数 ； 最小二乘拟合
中图 分 类号 ：Ｐ １．２ Ｔ ９ １７ 文 献 标 识码 ：Ｂ
Ｕｎ ｒ ｔ ｒ Ａｃ ｕ ｔｃ Ｔａ ｇ ｔＲｅ ｏ ｎ ｔｏ ｓ ｄ ｏ ａ ｔ ｌＦｅ ｔ ｒ ｄｅ ｗａ ｅ ｏ ｓｉ ｒ ｅ ｃ ｇ ｉｉ ｎ Ｂａ ｅ ｎ Ｆｒ ｃ ａ ａ ｕ ｅ
摘要： 在水声信号的研究 中， 应提高准确性 。由于水声信号不具有严格 的线性区域 ， 过去直接对近似线性 区域进行最小 二乘
拟合求得分形维数误差较大 ， 于信号的识别 。为解决上述问题 ， 不利 在分形布朗运动 的基础上， 出采用水声 目标信号近似 提
线性 区域进行了分段处理 ， 运用最小二乘拟合求得各段的分形维数 ， 并将各段的分形维数作为 目标信号的特征矢量 ， 而以 进 Ｂ Ｐ神经网络作为分类器进行 目标的分类识别。实测 目标 的分类结果表 明， 上述方法提高 了分形维数 的稳定性 ， 为水声 目标
Ｗ ＡＮＧ ｎ —ｆ ｎ Ｙａ ｅ ｇ，Ｌ ｎ ＩＧａ ｇ—ｈ ｕ，Ｗ ＡＮＧ ｈ Ｚ ｉ—ｑ ａ ｇ，Ｗ ＥＩＸｉ ｉｎ ｎ
（ ｏｅｅｏ Ｍａ ｎ ｎｉｅｒ ｇ Ｎ ｒ ｗ ｓ ｒ ｏ ｔ ｈ ｉ ｌ ｎｖｒｔ， ｉａ ｈｎｉ １０ ２ Ｃ ｉ ） Ｃ ｌｇ ｆ ｒ ｅ ｇ ｅｉ ， ｏ ｈ ｅｔ ｎＰ ｌ ｅ ｎｃ ｉｅ ｉ Ｘ ’ｎＳａｘ ７０ ７ ， ｈｎ ｌ ｉ Ｅ ｎ ｎ ｔ ｅ ｙｃ ａＵ ｓｙ ａ
１ 引言
在水声信号识别 中， 识别的准确度主要取决于 目标 特征 的选择和所使用 的分类器 。因为 目标 信号 的不 同特征 的提 取方法是不 同的， 并且各种 方法 有其不 同的优缺点 ， 适用 的 场合也不同， 所以 目标特征提取方法的性能决定 了 目标 识别
的成 功 与 否 。
第２卷 第１期 ７ １
文章编号 ：０ ６—９４ （０ ０ １ ０ ２ ０ １０ ３８ ２ １ ） １— ３ ８— ４
计
算
机
仿
真
２１年１月 ００ １
基 于 分 形 特 征 的水 声 目标 信 号 分 类 识 别
王艳 丰 ， 李钢 虎 ， 王志强 ， 魏 鑫
（ 北 工 业 大 学航 海 学 院 ， 西 西 安 ７０ ７ ） 西 陕 １０ ２
虽然水声 目标信号在 时域上表现 出杂乱无章 ， 但其实质 却有一定的内在规律 ， 其规律就体 现在分形维数上 。本文根 据水声 目标信 号 的这种 内在规 律 ， 目标信 号进 行特 征提 对 取， 并将提取 的分形维数作 为特征矢量 ， Ｂ 用 Ｐ神经网络对水
声 目标 信 号 进 行 分类 识 别 。统 计 实 验 表 明 ， 方 法 经 训 练 学 该
习后 ， 良好 的识别性能。 有
由于水下 目标信号具有高度非平稳性 ， 时域上大 多表 在 现出杂乱无 章的形 式 ， 难从 中观察到规 律 ， 以过去 对水 很 所 声 目标信号 特征 的研究主要是集中在频域的分析 ， 如功率谱
信 号 的检 测 和 识 别提 供 良好 的 理 论依 据 ， 给 出 了具 体 的 算 法 的 步骤 。 并
wk.baidu.com
关键词 ： 目标识别 ； 分形维数 ； 最小二乘拟合
中图 分 类号 ：Ｐ １．２ Ｔ ９ １７ 文 献 标 识码 ：Ｂ
Ｕｎ ｒ ｔ ｒ Ａｃ ｕ ｔｃ Ｔａ ｇ ｔＲｅ ｏ ｎ ｔｏ ｓ ｄ ｏ ａ ｔ ｌＦｅ ｔ ｒ ｄｅ ｗａ ｅ ｏ ｓｉ ｒ ｅ ｃ ｇ ｉｉ ｎ Ｂａ ｅ ｎ Ｆｒ ｃ ａ ａ ｕ ｅ
摘要： 在水声信号的研究 中， 应提高准确性 。由于水声信号不具有严格 的线性区域 ， 过去直接对近似线性 区域进行最小 二乘
拟合求得分形维数误差较大 ， 于信号的识别 。为解决上述问题 ， 不利 在分形布朗运动 的基础上， 出采用水声 目标信号近似 提
线性 区域进行了分段处理 ， 运用最小二乘拟合求得各段的分形维数 ， 并将各段的分形维数作为 目标信号的特征矢量 ， 而以 进 Ｂ Ｐ神经网络作为分类器进行 目标的分类识别。实测 目标 的分类结果表 明， 上述方法提高 了分形维数 的稳定性 ， 为水声 目标
Ｗ ＡＮＧ ｎ —ｆ ｎ Ｙａ ｅ ｇ，Ｌ ｎ ＩＧａ ｇ—ｈ ｕ，Ｗ ＡＮＧ ｈ Ｚ ｉ—ｑ ａ ｇ，Ｗ ＥＩＸｉ ｉｎ ｎ
（ ｏｅｅｏ Ｍａ ｎ ｎｉｅｒ ｇ Ｎ ｒ ｗ ｓ ｒ ｏ ｔ ｈ ｉ ｌ ｎｖｒｔ， ｉａ ｈｎｉ １０ ２ Ｃ ｉ ） Ｃ ｌｇ ｆ ｒ ｅ ｇ ｅｉ ， ｏ ｈ ｅｔ ｎＰ ｌ ｅ ｎｃ ｉｅ ｉ Ｘ ’ｎＳａｘ ７０ ７ ， ｈｎ ｌ ｉ Ｅ ｎ ｎ ｔ ｅ ｙｃ ａＵ ｓｙ ａ
１ 引言
在水声信号识别 中， 识别的准确度主要取决于 目标 特征 的选择和所使用 的分类器 。因为 目标 信号 的不 同特征 的提 取方法是不 同的， 并且各种 方法 有其不 同的优缺点 ， 适用 的 场合也不同， 所以 目标特征提取方法的性能决定 了 目标 识别
的成 功 与 否 。
第２卷 第１期 ７ １
文章编号 ：０ ６—９４ （０ ０ １ ０ ２ ０ １０ ３８ ２ １ ） １— ３ ８— ４
计
算
机
仿
真
２１年１月 ００ １
基 于 分 形 特 征 的水 声 目标 信 号 分 类 识 别
王艳 丰 ， 李钢 虎 ， 王志强 ， 魏 鑫
（ 北 工 业 大 学航 海 学 院 ， 西 西 安 ７０ ７ ） 西 陕 １０ ２
虽然水声 目标信号在 时域上表现 出杂乱无章 ， 但其实质 却有一定的内在规律 ， 其规律就体 现在分形维数上 。本文根 据水声 目标信 号 的这种 内在规 律 ， 目标信 号进 行特 征提 对 取， 并将提取 的分形维数作 为特征矢量 ， Ｂ 用 Ｐ神经网络对水
声 目标 信 号 进 行 分类 识 别 。统 计 实 验 表 明 ， 方 法 经 训 练 学 该