水声目标识别PDF|Epub|txt|kindle电子书版本网盘下载

水声目标识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 水声目标识别基本问题1

1.2 水声目标识别系统基本组成4

1.3 水声目标识别技术研究现状6

1.3.1 特征选择技术6

1.3.2 特征提取技术8

1.3.3 分类器设计技术12

1.3.4 基于深度学习的识别技术14

第2章 船舶辐射噪声调制谱特征16

2.1 船舶螺旋桨空化噪声16

2.1.1 船舶螺旋桨空化17

2.1.2 船舶螺旋桨空化噪声模型19

2.2 船舶辐射噪声调制谱22

2.2.1 船舶辐射噪声调制现象22

2.2.2 船舶辐射噪声调制谱结构23

2.2.3 船舶辐射噪声调制谱数学模型24

2.3 船舶辐射噪声解调基本方法30

2.3.1 绝对值低通解调30

2.3.2 平方低通解调31

2.3.3 希尔伯特变换解调方法32

2.3.4 不同解调方法性能比较33

2.4 船舶辐射噪声调制谱连续谱平滑技术35

2.4.1 自适应高斯平滑算法35

2.4.2 双通分离窗算法37

2.4.3 排序截短平均算法39

2.5 基于船舶辐射噪声调制谱转速特征提取技术40

2.5.1 倍频检测方法40

2.5.2 最大似然估计法41

2.6 基于船舶辐射噪声调制谱桨叶数特征提取技术44

2.6.1 基于专家系统的桨叶数特征提取方法44

2.6.2 基于模板匹配的桨叶数特征提取方法46

2.6.3 基于调制谱相位耦合特性的桨叶数特征提取方法47

2.7 船舶辐射噪声解调频带对解调谱的影响51

2.7.1 船舶辐射噪声调制谱子带不均匀性51

2.7.2 船舶辐射噪声解调性能与带宽关系53

2.7.3 船舶辐射噪声宽带调制谱与子频带调制谱之间关系56

2.8 声纳预处理AGC对调制谱的影响59

2.8.1 声纳预处理AGC电路及作用59

2.8.2 AGC电路对船舶辐射噪声调制谱的影响61

第3章 船舶辐射噪声线谱特征66

3.1 船舶辐射噪声线谱声源66

3.1.1 船舶机械噪声线谱66

3.1.2 船舶螺旋桨噪声线谱70

3.1.3 船舶结构振动噪声线谱73

3.1.4 船舶辐射噪声线谱结构78

3.2 船舶辐射噪声线谱特征提取方法80

3.2.1 线谱分析分辨率问题80

3.2.2 线谱提取方法81

3.3 船舶辐射噪声线谱稳定性83

3.3.1 船舶辐射噪声线谱频率稳定性和幅度稳定性83

3.3.2 船舶辐射噪声稳定线谱存在情况85

3.4 船舶辐射噪声线谱识别能力87

3.4.1 线谱分布经验模型87

3.4.2 线谱识别模板89

3.4.3 线谱识别能力数据试验90

第4章 水声瞬态信号特征93

4.1 水声瞬态信号波形与频谱93

4.2 瞬态信号基本检测器96

4.2.1 瞬态信号能量检测器96

4.2.2 瞬态信号幂律检测器99

4.2.3 STFT检测器101

4.3 瞬态信号其他检测方法102

4.3.1 ARMA逆滤波器法102

4.3.2 小波变换法104

4.3.3 Hilbert-Huang变换法108

第5章 辅助分类识别特征113

5.1 船舶辐射噪声的听觉感知特征113

5.1.1 声音的听觉感知特征113

5.1.2 船舶辐射噪声听觉感知特征117

5.2 船舶辐射噪声声源级特征124

5.2.1 船舶辐射噪声声源级124

5.2.2 船舶螺旋桨空化对声源级的影响125

5.2.3 声源级特征可分性分析127

5.2.4 声源级特征提取技术130

5.3 船舶运动特征134

5.3.1 运动特征对船舶目标分类的意义134

5.3.2 船舶目标速度特征135

5.3.3 船舶目标方位变化率特征137

第6章 现代信号处理技术在谱特征分析中的应用142

6.1 经典谱估计方法142

6.1.1 自相关法142

6.1.2 周期图法143

6.2 参数模型法145

6.3 特征值分解法150

6.4 自适应线谱增强技术153

6.5 高阶谱分析155

6.5.1 高阶谱155

6.5.2 确定性信号的高阶谱155

6.5.3 非参数法高阶谱估计156

6.5.4 双谱对角切片谱158

6.5.5 基于双谱对角切片谱的调制谱分析159

6.6 Wigner-Ville分布161

6.6.1 WVD的定义161

6.6.2 Wigner-Ville分布计算162

6.6.3 Wigner-Ville分布数据试验164

第7章 特征选择与变换167

7.1 类别可分性的评估准则167

7.1.1 基于距离的可分性准则168

7.1.2 基于概率分布的可分性准则169

7.1.3 基于熵函数的可分性准则171

7.2 特征选择172

7.2.1 全局最优搜索策略173

7.2.2 次优搜索策略174

7.2.3 随机搜索策略175

7.3 典型特征变换方法180

7.3.1 K-L变换182

7.3.2 核函数方法188

第8章 水声目标识别分类器设计技术194

8.1 分类器概述194

8.1.1 模式识别分类器194

8.1.2 水声目标识别分类器设计难点问题196

8.2 近邻分类器198

8.2.1 最近邻法198

8.2.2 k-近邻法198

8.2.3 具有拒绝决策的k-近邻法199

8.2.4 距离度量200

8.2.5 近邻分类器的特点202

8.3 基于CBR推理分类器203

8.3.1 CBR的基本原理203

8.3.2 基于CBR系统水声目标分类器设计206

8.4 神经网络分类器208

8.4.1 ANN的基本概念208

8.4.2 神经网络结构和类型209

8.4.3 感知器211

8.4.4 BP神经网络214

8.4.5 基于BP神经网络水声目标分类数据试验216

8.5 支持向量机219

8.5.1 最优分类超平面220

8.5.2 线性支持向量机221

8.5.3 非线性支持向量机224

8.5.4 支持向量机应用中的几个问题226

8.5.5 基于支持向量机水声目标分类数据试验228

参考文献232