基于被动声呐音频信号的水中目标识别综述

基于被动声呐音频信号的水中目标识别是当前水下无人探测领域的重要技术难题,在军事和民用领域都应用广泛.本文从数据处理和识别方法两个层面系统阐述基于被动声呐信号进行水中目标识别的方法和流程.在数据处理方面,从基于被动声呐信号的水中目标识别基本流程、被动声呐音频信号分析的数理基础及其特征提取三个方面概述被动声呐信号处理的基本原理.在识别方法层面,全面分析基于机器学习算法的水中目标识别方法,并聚焦以深度学习算法为核心的水中目标识别研究.本文从有监督学习、无监督学习、自监督学习等多种学习范式对当前研究进展进行系统性的总结分析,并从算法的标签数据需求、鲁棒性、可扩展性与适应性等多个维度分析这些方法的优缺点.同时,还总结该领域中较为广泛使用的公开数据集,并分析公开数据集应具备的基本要素.最后,通过对水中目标识别过程的论述,总结目前基于被动声呐音频信号的水中目标自动识别算法存在的困难与挑战,并对该领域未来的发展方向进行展望.

基于支持向量机的水中目标识别

本文阐述了有关统计学习理论和支持向量机算法,提出了基于支持向量机的水中目标识别方法.该方法与传统方法相比,克服了后者固有的模型选择与过学习问题、非线性与维数灾难问题、局部极小问题.最后进行了水中目标的对比识别实验,实验结果说明,相对于近邻法和神经网络法,支持向量机算法对水中目标有更高的识别性能.

四阶谱在水中目标识别中的应用

由于水声信号通常是非平稳、非高斯的,因此对非高斯特征的提取就显得特别重要。而四阶谱具有抑制高斯噪声的能力,本文用标准的一维滞后窗构造三维滞后窗,并将其应用于四阶谱的非参数估计中。仿真实验证明其能明显地抑制四阶谱估计的方差。另外,提取了水声信号的四阶谱特征,识别实验表明其能提高识别率。推导的离散序列非参数四阶谱递推算法使四阶谱的运算速度明显提高。

一种估计船舶线谱的联合分析法

线谱是船舶辐射噪声中重要的特征信息 ,线谱提取是水中目标识别的关键技术。文章简述了船舶辐射噪声的物理成因和频谱特征 ,利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点 ,结合Matlab仿真试验的结果 ,提出了一种对船舶辐射噪声 0 10 0Hz低频段线谱估计的联合分析法。并用该方法对两艘实船噪声进行了谱分析 ,提取了A型船在中速航行时 5 .2 5Hz的特征线谱 ,B型船存在 6 5 .5Hz和 6 9.2Hz两条特征线谱。