版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、水聲目標(biāo)被動聲納的自動識別是水聲領(lǐng)域中一個重要的研究課題。目標(biāo)分類一般來說可按兩部分進(jìn)行:一是特征提取,二是模式識別。識別特征提取的好壞對識別來說非常重要。識別譜特征的提取大體可以從三個方面進(jìn)行:功率譜,線譜和動態(tài)特征即俗稱的動態(tài)譜。大量的工作發(fā)現(xiàn)了不少識別特征,其中經(jīng)研究發(fā)現(xiàn)動態(tài)特征解決實(shí)際工程問題的效果較好。艦船噪聲可用時變功率譜和雙重功率譜來描述。測量短時傅里葉變換的平方可得到時變功率譜的估計(jì),稱為短時譜圖,通常用一幅灰度圖來顯示
2、短時譜圖,其中用灰度的深淺表示譜強(qiáng)度,平面上的X軸和Y軸分別表示頻率和時間。本文介紹了一種分析時變功率譜的方法——瀑布圖,并對其進(jìn)行分析。 近年來,人工神經(jīng)網(wǎng)絡(luò)技術(shù)在被動聲納目標(biāo)的模式識別領(lǐng)域取得了很大的發(fā)展。然而訓(xùn)練樣本集的不完備性與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的局部收斂性及目標(biāo)特征提取的缺陷造成了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)分類器識別率低、難以達(dá)到預(yù)期目標(biāo)的缺陷。因此尋找一種新的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法是實(shí)現(xiàn)在線學(xué)習(xí)目標(biāo)的關(guān)鍵。本文介紹了一種新穎的隱節(jié)點(diǎn)可
3、調(diào)的變結(jié)構(gòu)徑向基函數(shù)網(wǎng)絡(luò),并應(yīng)用進(jìn)化規(guī)劃最優(yōu)地確定和調(diào)節(jié)變結(jié)構(gòu)徑向基函數(shù)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的數(shù)目及其核函數(shù)的中心和寬度,從而使網(wǎng)絡(luò)具有在線學(xué)習(xí)和記憶新的目標(biāo)模式的功能。 文章分為兩大部分五個章節(jié).第一部分包括一、二、三章,主要分析了系統(tǒng)的特征提取部分的原理及實(shí)現(xiàn)。第二部分包括四、五兩章,主要介紹了系統(tǒng)模式識別部分的原理及實(shí)現(xiàn)。第一章分析了水聲目標(biāo)輻射噪聲的調(diào)制機(jī)理。第二章介紹了局部平穩(wěn)過程的時變功率譜與雙重功率譜的原理與應(yīng)用,并利用時
4、變功率譜形成瀑布圖展開進(jìn)行介紹。第三章利用圖像處理的方法就艦船噪聲的瀑布圖展開分析,同時分析了各目標(biāo)的穩(wěn)定特征線譜的判定及多普勒頻移對目標(biāo)線譜的影響,并據(jù)此區(qū)分高速運(yùn)動目標(biāo)與低速運(yùn)動目標(biāo)。第四章介紹了神經(jīng)網(wǎng)絡(luò)在模式識別方面的應(yīng)用,并分析了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)分類識別器的優(yōu)點(diǎn)與不足,介紹了一種新的訓(xùn)練算法——進(jìn)化算法。第五章介紹了在線學(xué)習(xí)能力較好、泛化識別率較高的一種新的神經(jīng)網(wǎng)絡(luò)——基于進(jìn)化規(guī)劃的變結(jié)構(gòu)徑向基函數(shù)網(wǎng)絡(luò),并就其應(yīng)用效果進(jìn)行介紹。在
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征提取及神經(jīng)網(wǎng)絡(luò)的圖像分類識別與目標(biāo)跟蹤.pdf
- 基于特征提取和神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別.pdf
- 水聲被動目標(biāo)特征提取和分類方法研究.pdf
- 基于深層神經(jīng)網(wǎng)絡(luò)的音頻特征提取及場景識別研究.pdf
- 基于特征提取與神經(jīng)網(wǎng)絡(luò)的心電圖分類研究.pdf
- 果蠅鳴聲特征提取及人工神經(jīng)網(wǎng)絡(luò)分類研究.pdf
- 基于多種特征提取組合的BP神經(jīng)網(wǎng)絡(luò)車牌漢字識別.pdf
- 水聲目標(biāo)跡特征的提取及其在目標(biāo)分類識別中的應(yīng)用.pdf
- 無線傳感器網(wǎng)絡(luò)的目標(biāo)特征提取及分類.pdf
- 面向?qū)嵱玫纳窠?jīng)網(wǎng)絡(luò)目標(biāo)分類識別.pdf
- 空間目標(biāo)特征提取及識別技術(shù).pdf
- 基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像特征提取.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像特征提取算法與圖像分類問題研究.pdf
- 水下圖像的特征提取和神經(jīng)網(wǎng)絡(luò)識別技術(shù)研究.pdf
- 軌跡神經(jīng)網(wǎng)絡(luò)模型特征提取能力的研究.pdf
- 人臉表情的特征提取及分類識別研究.pdf
- 水聲信號多途傳播特征提取及識別研究.pdf
- 基于特征提取的目標(biāo)分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動想象腦電信號特征提取與分類.pdf
- 沉底目標(biāo)的特征提取及識別研究.pdf
評論
0/150
提交評論