基于HHT和ELM的水下目標(biāo)識別技術(shù)研究.pdf

1、水下目標(biāo)的分類識別技術(shù)一直以來都是水聲信號分析領(lǐng)域所研究的熱點(diǎn)問題。該問題的研究無論從民用方面還是從軍用方面都有著很重要的價值。模式識別技術(shù)包含了水下目標(biāo)識別技術(shù)，它的研究主要包括特征提取技術(shù)與分類器的設(shè)計(jì)這兩個部分。特征提取的主要任務(wù)是如何能夠從信號中提取并選擇可以代表本類別與異類差別的有效特征；分類器的設(shè)計(jì)主要是對各種分類識別算法的研究，通過使用特征提取過程中獲得的特征向量對其進(jìn)行訓(xùn)練，之后使用分類器對整個分類識別問題做以判別決策。

2、
　　本文的研究對象主要是艦船的輻射噪聲信號，研究的主要問題是特征提取與分類器的設(shè)計(jì)。在特征提取方面，本文主要對希爾伯特-黃變換的相關(guān)理論及其在艦船噪聲信號的特征提取中做了深入研究；在分類器的設(shè)計(jì)方面，主要對最近幾年才被提出的超限學(xué)習(xí)機(jī)算法進(jìn)行了深入研究并基于壓縮感知的有關(guān)理論對其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化。本文的主要研究內(nèi)容如下：
　　1.論文首先介紹了水下目標(biāo)識別問題的有關(guān)基礎(chǔ)理論，并對水下目標(biāo)分類識別系統(tǒng)的組成及各部分的作用作

3、了介紹。重點(diǎn)講解了各類特征提取算法及其優(yōu)劣性，以及現(xiàn)有的分類識別算法的識別性能。
　　2.基于希爾伯特-黃變換（HHT）在處理非線性、非平穩(wěn)信號的出色能力，將其應(yīng)用到水下目標(biāo)識別領(lǐng)域。同時，對希爾伯特-黃變換的主要思想和算法實(shí)現(xiàn)進(jìn)行了重點(diǎn)研究。通過比較采用了更加利于水聲信號特征提取的實(shí)現(xiàn)算法，提取了信號的瞬時頻率特征和邊際譜特征。
　　3.介紹了超限學(xué)習(xí)機(jī)的主要思想和理論，對超限學(xué)習(xí)機(jī)的算法進(jìn)行了重點(diǎn)研究。由于超限學(xué)習(xí)機(jī)極快

4、的訓(xùn)練速度可能會造成網(wǎng)絡(luò)結(jié)構(gòu)的龐大，為了解決該問題采用壓縮感知技術(shù)對其進(jìn)行優(yōu)化，在不降低分類識別正確率的前提下簡化網(wǎng)絡(luò)結(jié)構(gòu)。
　　4.對壓縮感知的理論思想和相關(guān)的實(shí)現(xiàn)算法進(jìn)行了重點(diǎn)介紹，并使用其對超限學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的隱層輸入權(quán)值、隱層節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化。設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證壓縮感知算法對網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化程度并使用優(yōu)化后的網(wǎng)絡(luò)進(jìn)行船舶噪聲信號的分類識別實(shí)驗(yàn)，獲得較好分類效果。
　　本文以船舶的噪聲信號為對象，以提升基于被動聲吶的目標(biāo)識別性能為