智能傳感器偵察網(wǎng)絡中的地面目標識別算法研究.pdf

1、本文結(jié)合中科院知識創(chuàng)新工程重大項目,針對智能傳感器偵察網(wǎng)絡中的地面目標識別問題展開研究工作。研究對象主要是利用被動式聲(陣列)傳感器實現(xiàn)戰(zhàn)場環(huán)境下的地面目標識別。圍繞信號的特征提取與選擇、分類器設(shè)計、多目標識別這三個內(nèi)容進行了深入研究,主要研究內(nèi)容和成果如下:
　　對地面目標聲信號識別中的特征提取和選擇算法進行了全面、深入、系統(tǒng)的討論。首先從地面目標聲信號的物理產(chǎn)生機理入手,結(jié)合實測信號的時頻分析,定性分析了地面目標聲信號的分類特

2、征;接著對目前應用于地面目標聲信號識別中的特征提取算法進行了歸納和總結(jié);重點研究了基于小波包分析的特征提取方法。在基于小波包能量特征提取算法的基礎(chǔ)上,討論了其分解層數(shù)、分解形式對特征維數(shù)和特征分類性能的影響,并基于類別可分離性判據(jù)對小波包分析中的相關(guān)參數(shù)進行了優(yōu)化,得到了一種以信號各子帶能量分布為特征的最優(yōu)特征提取方法。提出了一種新的基于計算智能方法的地面目標聲信號識別算法。針對地面目標聲信號不確定性對系統(tǒng)識別性能的影響,首次將智能計算

3、方法引入到地面聲目標識別的研究中。將地面目標聲信號的產(chǎn)生視為一個動態(tài)過程,利用其信號特征在一定時間內(nèi)的變化范圍作為分類特征;然后基于粗神經(jīng)網(wǎng)絡設(shè)計分類器,使得分類器的輸入不僅可以是單值數(shù)據(jù),而且可以是一個輸入范圍,具備了處理定性或混合性輸入信息的能力。
　　通過相關(guān)實驗結(jié)果證明,比較于現(xiàn)有的分類算法,基于智能計算方法的分類器明顯的提高了系統(tǒng)的正確識別率和穩(wěn)定性。首次將單類分類算法引入到地面目標聲信號識別的研究中,并提出了兩種新的單

4、類分類算法,以解決現(xiàn)有識別算法存在的系統(tǒng)誤識別率高、學習樣本數(shù)目不均衡情況下性能惡化的難題。首先對基于支持向量描述的單類分類算法進行推廣,針對該方法難以有效處理大樣本數(shù)據(jù)的問題,提出了一種新的二步訓練方法,使其能夠應用于大樣本學習的情況,更能滿足實用系統(tǒng)要求;然后,基于仿生模式識別思想,提出了一種新的基于主曲線分析的單類分類算法,實驗結(jié)果表明,該算法在低訓練樣本數(shù)量的情況下能夠獲得比現(xiàn)有單類分類算法更好的識別效果最后，總結(jié)了以上單類分類

5、算法，并給出了地面目標聲信號識別問題中單類分類器設(shè)計的原則和結(jié)論。
　　首次對于多目標混雜場景下的目標識別問題進行了系統(tǒng)、深入的研究，并根據(jù)地面目標聲信號的混疊特點，提出了一種新的結(jié)合盲源分離理論和缺失特征理論的多目標識別算法。首先將現(xiàn)有的盲源分離算法理論引入到混雜場景下的多目標識別問題中，在現(xiàn)有理論框架下總結(jié)并提出了兩種多目標識別算法基于獨立主量分析的多目標識別算法、基于二階盲解相關(guān)的多目標識別算法在此基礎(chǔ)上，提出了一種新的結(jié)合