高性能水下目标识别系统及其实验研究

结合“九五”预研课题，设计了一种高性能的水下目标识别系统，具有有源目标识别和无源目标识别两种功能。海上实测数据的大量实验表明：在低信噪比、多工况及大量测试样本条件下，该识别系统具有识别率高、实时性好、推广能力强等优点，具有一定的推广价值。

水下目标识别技术的研究

本文分析了水下目标识别技术的研究现状，阐述了水下目标识别技术的基本原理，为了提高水下目标识别的正确率，给出了三种新的研究方法，最后提出了水下目标识别系统面临的主要困难与亟待解决的问题。

基于高阶谱的水下目标识别

利用高阶谱估值法，对具有很强非高斯性和非线性的舰船辐射噪声信号进行分析及特征提取，并通过结构自适应神经网络作分类实验。表明基于高阶谱的特征提取具有较强的类别可分性，在无源声纳目标识别中特具潜力。

声纳目标分类技术

本文简要分析了水下目标识别技术的研究现状，阐述了水下目标识别技术的基本原理，为了提高水下目标识别的正确率，给出了三种新的研究方法，最后提出了水下目标识别系统面临的主要困难与亟待解决的问题。

舰艇作战系统CAPE技术

本文介绍了舰艇作战系统CAPE的总体方案及其产品数据管理（PDM）子系统、计算机仿真（CS）子系统，计算机辅助设计（CAD）子系统的概念，功能及有关技术。

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上，本文设计出基于模糊理论的多神经网络融合分类器，其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明，该分类方法具有良好的工程应用前景。

神经网络在舰船噪声识别中的应用

本文基于多层前馈型网络模型发展了一种利用声纳信号进行目标识别的技术，并在对传统BP算法局限性详细分析的基础上，对其稍作改进，提出了BP－选择学习算法。实验表明，此算法对噪声信号的识别效果好于BP算法。

基于神经网络的主动声纳目标分类器

人工神经网络是当前模式识别领域非常活跃的工具之一，本文在传统BP算法的基础上，引进了误差范围BP－ER算法，利用各种统计方法所建立的主动声细目标信号的模式表示，提出二重四网络结构对信号进行训练分类，比传统的分类器，性能有明显的提高。在6dB信噪比情形下，对实际海上回声信号进行分类，取得了令人满意的正确分类率。

潜艇危险纵倾和危险深度自动保护的仿真研究

本文以核潜艇为型号背景，对其危险纵倾和危险深度的自动保护进行仿真研究，从分析潜艇发生危险纵倾和危险深度的原因、进行危险趋势预报、研究挽救措施、保护规律及其效果等出发，对核潜艇等潜艇优选危险纵倾和危险深度的自动保护系统的方案、确定其自动保护规律、解决有关技术关键等有重要使用价值。

提高水下目标识别系统实时性的几种途径

本文概要描述了实时专家系统的含义，分析了影响下目标识别系统实时性的因素，进而提出了提高水下目标识别系统实时性的经验，对于提高水下目标自动识别系统的实时性具有一定的参考价值。