數(shù)據(jù)融合在水聲信號目標識別中的應用.pdf

1、水聲目標的分類識別問題中，水聲信號的復雜性決定了現(xiàn)有分析方法的“非全能性”，即沒有哪一種分析方法適合于分析所有類型的信號。傳統(tǒng)的基于專家知識的識別系統(tǒng)用判決結構來解決各分析方法之間的關系，帶有較大的主觀因素。而利用數(shù)據(jù)融合則可以較好地解決這一問題。 本文的主要工作是利用數(shù)據(jù)融合來解決水聲信號目標識別系統(tǒng)中所用多種分析方法之間的關系。利用來自各分析方法的各種信息之間可以互補的性質，消除不確定性和錯誤信息的影響，從而提高系統(tǒng)性能。介

2、紹了數(shù)據(jù)融合的概念，并針對決策層常用的融合方法Dempster-Shafer證據(jù)理論進行了詳細介紹。在此基礎上展開了一系列的工作：1.在系統(tǒng)內直接利用Dempster-Shafer證據(jù)理論進行融合。2.討論D-S證據(jù)理論在水聲信號分類識別中的優(yōu)缺點，并針對其缺點提出特征關聯(lián)的改進方法。3.分析識別系統(tǒng)中來自不同分析方法的多個特征參數(shù)。4.考察識別系統(tǒng)中各特征參數(shù)之間的關聯(lián)性，并建立特征參數(shù)關聯(lián)數(shù)據(jù)庫。5.利用圖論解決不同特征參數(shù)之間的關

3、系，進行特征層融合。6.利用加入特征層融合，即特征關聯(lián)后的Dempster-Shafer證據(jù)理論融合識別系統(tǒng)改善識別性能。 本文共分為四章。第一章，簡要地介紹了數(shù)據(jù)融合的概念，Dempster-Shafer證據(jù)理論的原理及算法。第二章，介紹了識別系統(tǒng)中用到的特征參數(shù)。第三章，指出D-S證據(jù)理論的一些缺陷及其給目標識別帶來的影響，并針對這些缺陷提出改進方法。由于D-S證據(jù)理論是一種建立在證據(jù)之上的融合理論，因此針對融合所用的證據(jù)提