期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
水声被动目标识别技术挑战与展望 被引量:25
1
作者 程玉胜 邱家兴 +1 位作者 刘振 李海涛 《应用声学》 CSCD 北大核心 2019年第4期653-659,共7页
低频水声探测和船舶减振降噪技术发展,使得传统水声目标识别技术性能逐渐下降。该文分析了声呐工作带宽、探测频率、船舶减振降噪给识别技术带来的挑战。针对低频声呐广泛使用的低频线谱识别,研究了低频线谱的识别能力问题;针对智能识... 低频水声探测和船舶减振降噪技术发展,使得传统水声目标识别技术性能逐渐下降。该文分析了声呐工作带宽、探测频率、船舶减振降噪给识别技术带来的挑战。针对低频声呐广泛使用的低频线谱识别,研究了低频线谱的识别能力问题;针对智能识别技术发展,研究了深度学习技术在船舶辐射噪声识别中的应用问题,并给出了数据试验结果,文章最后指出了水声被动目标识别技术亟需开展的研究内容和方向。 展开更多
关键词 被动识别 低频探测 船舶减振降噪 深度学习 识别特性
在线阅读 下载PDF
一种基于谱估计的被动声呐目标识别方法 被引量:10
2
作者 康春玉 章新华 张安清 《哈尔滨工程大学学报》 EI CAS CSCD 2003年第6期627-631,共5页
为解决被动声呐目标的特征提取与识别问题,通过对被动声呐目标噪声频谱特性的深入分析,给出了一种基于Welch谱估计的目标特征提取方法.对提取出来的特征采用动态规划的方法进行特征选择,得到用于识别的特征向量.对海上实录的多种型号和... 为解决被动声呐目标的特征提取与识别问题,通过对被动声呐目标噪声频谱特性的深入分析,给出了一种基于Welch谱估计的目标特征提取方法.对提取出来的特征采用动态规划的方法进行特征选择,得到用于识别的特征向量.对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取和特征选择.采用BP神经网络和最近邻法对噪声样本进行了分类识别实验,结果证实了所提方法的可行性和有效性.研究结果可以用于被动声呐目标识别. 展开更多
关键词 频谱分析 Welch谱估计 特征得取 特征选择 被动呐目标识别
在线阅读 下载PDF
基于调制线谱特征提取的被动声呐目标识别技术研究 被引量:14
3
作者 王菲 曾庆军 +1 位作者 黄国建 李洪瑞 《舰船科学技术》 北大核心 2002年第2期36-41,共6页
目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别 ,首先着重研究了调制线谱特征提取方法 ,然后为了训练神经网络目标分类器 ,本文将遗传算法和BP算法相结合 ,提出了一种新的自适应遗传BP... 目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别 ,首先着重研究了调制线谱特征提取方法 ,然后为了训练神经网络目标分类器 ,本文将遗传算法和BP算法相结合 ,提出了一种新的自适应遗传BP算法。最后 ,对海上实录的三类目标噪声进行了分类识别 ,实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果。 展开更多
关键词 被动呐目标识别 调制线谱 特征提取 自适应遗传BP算法
在线阅读 下载PDF
基于BPSO-KNN算法的被动声呐目标分类识别技术研究 被引量:4
4
作者 朱宗斌 陶剑锋 +1 位作者 葛辉良 郑佳 《声学技术》 CSCD 北大核心 2019年第2期219-223,共5页
以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-... 以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。 展开更多
关键词 功率谱特征 被动呐目标分类识别 特征选择 二进制粒子群最近邻算法
在线阅读 下载PDF
一种新的四元阵列融合声源识别方法 被引量:3
5
作者 刘亚雷 顾晓辉 甘宁 《科学技术与工程》 北大核心 2020年第28期11620-11625,共6页
针对声源识别中观测模型线性化误差,信号特征参数提取依赖于经验分析阈值判断而造成信息丢失的问题,从信号观测模型、预处理、特征提取与分类识别、半实物仿真试验等方面,提出了一种新的四元阵列融合声源识别方法。首先在系统坐标系下... 针对声源识别中观测模型线性化误差,信号特征参数提取依赖于经验分析阈值判断而造成信息丢失的问题,从信号观测模型、预处理、特征提取与分类识别、半实物仿真试验等方面,提出了一种新的四元阵列融合声源识别方法。首先在系统坐标系下建立了四元阵列有色噪声环境下的观测模型;其次基于经验模态分解(empirical mode decomposition,EMD)理论,给出了四元阵列EMD融合算法,有效抑制了高频信号的干扰;再次基于梅尔频率倒谱系数-动态时间规整(Mel-frequency cepstrum coefficient-dynamic time warping,MFCC-DTW)方法,设计了阵列信号特征提取与分类识别算法;最后通过半实物仿真试验,并与相关研究基础对比,分别验证了提出的EMD融合算法及阵列信号特征提取与分类识别算法的有效性。 展开更多
关键词 被动声识别 经验模式分解 梅尔倒谱参数 动态时间规整
在线阅读 下载PDF
基于频谱动态特征和CS-SVM的装甲车辆识别 被引量:3
6
作者 石文雷 樊新海 张传清 《计算机应用》 CSCD 北大核心 2018年第A01期44-47,72,共5页
针对地面战场装甲车辆目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,建立了一种以频谱动态特征DMFCC为特征提取方法,以布谷鸟搜索(CS)算法优化的支持向量机(CS-SVM)为分类器... 针对地面战场装甲车辆目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,建立了一种以频谱动态特征DMFCC为特征提取方法,以布谷鸟搜索(CS)算法优化的支持向量机(CS-SVM)为分类器的装甲车辆声识别模型。采集不同工况下的装甲车辆噪声信号并进行频谱分析,证明DMFCC的有效性。在梅尔频率倒谱系数(MFCC)提取方法基础上,增加能够体现信号动态特征的差分系数,得到DMFCC。利用布谷鸟算法对支持向量机核心参数进行寻优求得全局最优解,得到具有最佳参数优化的支持向量机分类模型。对噪声信号分别进行特征提取和分类器识别实验,结果分析表明,DMFCC中的二阶差分组合系数优于传统MFCC以及一阶差分组合系数。布谷鸟算法得到的优化模型CS-SVM比引力搜索算法(GSA)、人工蜂群算法(ABC)等算法得到的模型具有更高的识别率,达到93%以上。 展开更多
关键词 频谱动态特征 支持向量机 布谷鸟算法 特征提取 被动声识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部