学位论文 > 优秀研究生学位论文题录展示
钴结壳的非线性超声识别技术研究
作 者: 谢纪东
导 师: 夏毅敏
学 校: 中南大学
专 业: 机械电子工程
关键词: 钴结壳回声识别 特征提取 非线性分类 多特征融合
分类号: TN912.34
类 型: 硕士论文
年 份: 2011年
下 载: 20次
引 用: 0次
阅 读: 论文下载
内容摘要
随着海洋战略的兴起,世界主要发达国家逐渐将目光聚焦到海洋矿产资源上。其中,大洋钴结壳作为21世纪最具有商业开采价值的海洋战略资源,得到了各国的日益重视。目前,,以美国为首的西方发达国家已经完成了深海钴结壳的勘探、开采技术基础研究工作。为加快我国深海钴结壳的勘探、开采关键技术研究的步伐,在国家自科基金项目“钴结壳采集机器人采掘机理及采掘机构优化设计研究”的资助下,本论文对海底钴结壳回声识别技术做了相关研究。本文首先将应用于沉积物回波特征提取两种有代表性的小波域特征提取方法:小波尾波包络和小波模极大值特征提取方法应用于钴结壳矿床底质回波特征提取问题上。通过对比实验,指出相对于表面平整的沉积物,钻结壳等底质由于受表面地形起伏因素的影响,两种小波域特征样本在特征空间中的分布出现不同程度的退化,线性降维和线性分类效果变差。为改善线性分类效果,本文引入了基于核空间的两种非线性方法:KFDA(Kernel Fisher Discriminant Analysis)非线性降维方法和LSSVM (Least Square Support Vector Machine)非线性分类方法,并将这两种方法应用于钻结壳回声识别问题上。实验结果表明,应用KFDA方法能够有效地抽取出样本的非线性鉴别特征,改善了样本在降维特征空间中的分布;应用LSSVM方法能够提高底质分类效果。为进一步改善分类效果,本文在CCA(Canonical Correlation Analysis)和ECCA(Enhanced CCA)线性特征融合方法的基础上,提出了基于核空间的KECCA(Kernal ECCA)非线性特征融合方法,并结合PLS(Partial Least Square)分类器提出了KECCA+PLS的非线性特征融合识别模型。实验结果表明,应用本文提出的非线性特征融合识别模型,能够进一步提高底质分类效果。最后,本文对主要的19种钻结壳矿床底质应用KECCA+PLS的非线性特征融合识别模型做了全面的实验。实验中,钻结壳平均正确识别率达到了90.2%,平均钻结壳错判率仅为3.1%,取得了不错的钻结壳识别效果。本文的研究不仅为钴结壳识别提供了理论基础,同时还对海底矿产资源的识别提供了良好的理论借鉴,为我国深海采矿提供了有效技术支持。
|
全文目录
摘要 3-4 ABSTRACT 4-6 目录 6-8 第一章 绪论 8-18 1.1 论文背景与研究意义 8 1.2 海底沉积物探测主要方法介绍 8-13 1.3 水下钻结壳超声识别技术难点 13-16 1.4 论文的研究内容和技术路线 16-18 1.4.1 研究内容 16 1.4.2 技术路线 16-18 第二章 底质回波小波特征提取 18-35 2.1 小波理论简介 18-19 2.2 钴结壳回波小波尾波特征提取 19-23 2.2.1 回波的尾波 19-20 2.2.2 尾波信号包络提取 20-23 2.3 钴结壳回波小波模极大值特征提取 23-27 2.3.1 Lipschitz指数 23 2.3.2 小波模极大值 23-26 2.3.3 高斯小波基构造与模极大值特征提取 26-27 2.4 底质回波小波特征提取实验与分析 27-34 2.5 本章小结 34-35 第三章 基于核空间的底质回波非线性识别技术研究 35-47 3.1 SVM与LSSVM 35-40 3.1.1 最大几何间隔分类器 35-36 3.1.2 SVM 36-39 3.1.3 LSSVM 39-40 3.2 KFDA方法 40-43 3.3 基于核空间的底质回波非线性识别实验 43-46 3.4 本章小结 46-47 第四章 基于KECCA多特征融合的底质回波识别技术研究 47-57 4.1 CCA与ECCA方法 47-50 4.1.1 CCA方法 47-49 4.1.2 ECCA方法 49-50 4.2 KECCA方法 50-52 4.3 PLS分类器 52-53 4.4 基于KECCA与PLS多特征融合识别模型 53-54 4.5 基于KECCA与PLS多特征融合的底质回波识别实验与分析 54-56 4.6 本章小结 56-57 第五章 钴结壳回波识别实验 57-71 5.1 底质超声探测实验系统介绍 57-62 5.1.1 回波信号的采集 58-60 5.1.2 发射波与回波信号截取 60-61 5.1.3 回波数据处理系统 61-62 5.2 实验对象准备 62-66 5.3 钴结壳回波识别实验 66-70 5.4 本章小结 70-71 第六章 全文总结与展望 71-73 6.1 总结 71 6.2 展望 71-73 本文所涉及符号说明 73-74 参考文献 74-80 致谢 80-81 攻读学位期间主要科研成果及参与的工作 81
|
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
- 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
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 电声技术和语音信号处理 > 语音信号处理 > 语音识别与设备
© 2012 www.xueweilunwen.com
|