沉底目標(biāo)的特征提取及識(shí)別研究.pdf

1、在主動(dòng)聲納探測(cè)沉底靜止小目標(biāo)時(shí),由于目標(biāo)回波信混比低,不易提取用于識(shí)別的目標(biāo)回波特征,因此,本文提出了基于時(shí)頻濾波目標(biāo)回波特征的提取方法,其基本思路為:首先將接收到的目標(biāo)回波信號(hào)與發(fā)射信號(hào)的拷貝信號(hào)作互Wigner-Ville(XWVD)變換,得到二維的時(shí)頻域信號(hào),然后對(duì)時(shí)頻域信號(hào)作脊波變換,進(jìn)行閾值去噪后作脊波逆變換,得到濾波后的時(shí)頻域信號(hào),將濾波后的輸出進(jìn)行Hough變換,并對(duì)Hough平面內(nèi)的雜波再次進(jìn)行硬閾值去噪,最后將去噪后的

2、信號(hào)投影到一維上,得到本文用于識(shí)別的目標(biāo)特征。
　　在主動(dòng)目標(biāo)識(shí)別的實(shí)際工作問(wèn)題中,對(duì)于選擇一種適用的分類器是至關(guān)重要的。由于支持向量機(jī)是一種對(duì)小樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練的模式識(shí)別方法,同時(shí)具有很好的推廣能力,因此本文采用了支持向量機(jī)作為整個(gè)目標(biāo)識(shí)別系統(tǒng)的分類器,將提取出的目標(biāo)特征進(jìn)行學(xué)習(xí)和識(shí)別。最后,為了提高支持向量機(jī)算法效率,研究了最小二乘支持向量機(jī)(LS-SVM)在沉底目標(biāo)識(shí)別中的應(yīng)用,通過(guò)仿真和實(shí)際實(shí)驗(yàn)比較表明LS-SVM的