学位论文 > 优秀研究生学位论文题录展示
水下瞬态信号特征提取与多分类器融合
作 者: 李杨
导 师: 李思纯
学 校: 哈尔滨工程大学
专 业: 水声工程
关键词: 瞬态信号 特征提取 希尔伯特-黄变换 多分类器融合
分类号: TB566
类 型: 硕士论文
年 份: 2009年
下 载: 193次
引 用: 4次
阅 读: 论文下载
内容摘要
水下瞬态信号的特征提取是空投目标分类的重要环节。回顾历史,用于特征提取的信号分析方法有很多:傅立叶变换、短时傅立叶变换、Wigner-Ville变换、小波变换等等。然而它们应用于水下目标特征提取时也存在各自不同的问题。傅立叶分析要求数据必须具有线性、周期性和平稳性的特点;短时傅立叶变换窗口的大小是固定不变的;Wigner-Ville变换会产生严重的交叉项;小波变换的时频窗面积不变,只是形状变化。因此,本文采用希尔伯特-黄变换方法,它是一种更适用于分析非线性、非平稳数据的时频分析方法。在目标分类领域中,人工神经网络分类器应用最为广泛。利用信号的不同特征或不同结构的人工神经网络分类器可以得到不同的分类结果,往往可以利用这些结果之间的互补性来改善系统的分类效果。多分类器输出向量加权投票算法是一种有效的多分类器融合算法,它具有算法简单、便于处理实际问题的优点。因此,本文采用此方法进行多分类器融合。本文首先回顾了几种处理非平稳数据的常见方法,并分析了它们的优缺点,之后介绍了希尔伯特-黄变换方法。通过对空投目标入水声信号构成特点的研究,从击水声脉冲信号、“寂静”区间和气泡脉动信号三方面对空投目标入水声信号进行了理论分析和实测数据的特征提取研究。给出了常见人工神经网络的结构特点以及基本原理,并应用单个人工神经网络分类器对空投目标进行分类,分类结果表明不同分类器之间存在互补性。在本文的最后论述了多分类器融合算法,并给出基于多分类器融合算法的目标分类结果,证明了多分类器融合算法在解决目标分类问题时具有优越性。
|
全文目录
摘要 5-6 ABSTRACT 6-10 第1章 绪论 10-18 1.1 研究背景及意义 10-11 1.2 几种时频分析方法的发展历史及应用 11-17 1.2.1 短时傅立叶变换 11-13 1.2.2 Wigner-Ville变换 13-14 1.2.3 小波变换 14-16 1.2.4 希尔伯特-黄变换 16-17 1.3 本文主要研究内容 17-18 第2章 希尔伯特-黄变换理论 18-28 2.1 相关理论的几个基本概念 18-20 2.1.1 瞬时频率 18-19 2.1.2 极值点和零值点 19-20 2.2 希尔伯特-黄变换 20-23 2.2.1 希尔伯特-黄变换的概念 20 2.2.2 固有模态函数和经验模式分解 20-23 2.3 具体问题的处理 23-27 2.3.1 曲线的拟合 23-24 2.3.2 边界问题的处理 24-26 2.3.3 停止准则 26-27 2.4 本章小结 27-28 第3章 水下瞬态信号特征提取 28-46 3.1 空投目标入水信号概述 28-29 3.2 空投目标入水的脉冲信号检测 29-32 3.2.1 短时能量检测 29-30 3.2.2 短时相关检测 30-32 3.3 水下瞬态信号特征提取 32-44 3.3.1 水下瞬态信号特征提取理论分析 32-34 3.3.2 水下瞬态信号特征提取实验研究 34-44 3.4 本章小结 44-46 第4章 多分类器融合 46-57 4.1 人工神经网络概述 46-48 4.1.1 神经元模型 46-47 4.1.2 神经网络的类型 47 4.1.3 神经网络的学习方式 47-48 4.2 基于BP神经网络的目标分类 48-50 4.3 基于RBF神经网络的目标分类 50-52 4.4 多分类器融合 52-56 4.4.1 属性级融合模型 52-53 4.4.2 多分类器融合模型 53-54 4.4.3 多分类器输出向量的加权投票表决方案 54-55 4.4.4 基于多分类器融合算法的目标分类 55-56 4.5 本章小结 56-57 结论 57-59 参考文献 59-63 攻读硕士学位期间发表的论文和取得的科研成果 63-64 致谢 64
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 统计与语言学相结合的词对齐及相关融合策略研究,TP391.2
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
中图分类: > 工业技术 > 一般工业技术 > 声学工程 > 水声工程 > 水声探测
© 2012 www.xueweilunwen.com
|