学位论文 > 优秀研究生学位论文题录展示
水下目标识别中的数据融合技术
作 者: 葛青
导 师: 张殿伦;于沨
学 校: 哈尔滨工程大学
专 业: 船舶与海洋工程
关键词: 特征提取 特征融合 人工神经网络 决策融合
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 206次
引 用: 1次
阅 读: 论文下载
内容摘要
水下目标识别中的信息融合技术是以实艇振动噪声综合测试为基础,以利用固有声学特征准确识别水下目标为方向,依托两类水下目标辐射噪声数据,通过预处理、分析其声学特征、提取能够反应不同类型目标的本质特征,并组成新的特征向量,完成特征层的信息融合。本文分别从时域、频域以及时频域3个角度提取特征向量,利用人工神经网络,采用举手表决的方法,进行决策层融合,实现对水下目标的分类识别。在分析软件实现的过程中,利用了C++Builder与Matlab混合编程的技术。本文可分为四个部分:绪论、特征提取、数据融合和算法实现与试验数据分析。在绪论中详细论述了论文的背景和意义,介绍了本论文的研究方法和研究内容。在水下目标特征提取的研究过程中,把输入的采集信号变换到不同的特征空间,提取出反映样本类别特性的特征向量,并把其作为分类器的输入模式。本文经过考察,采用了从时域(波长分布、幅值分布、面积分布)、频域(11/2维谱分析)以及时频域(维格纳变换、小波变换)3个角度获取特征向量的方法。这样,在特征层上融合了目标在不同方面的特征,为正确进行目标分类提供了坚实的基础。在数据融合的过程中,以模糊数学理论为基础通过对同一类目标的不同特征向量的分析,建立一类目标的“超箱”集合,形成以水下目标辐射噪声多种特征为基础的模糊识别分类器。采用“特征提取一分类”的方案,从而避免了特征优化的不利影响。最后一个部分是软件编程和试验数据处理部分。为了验证模糊融合分类器的分类性能,利用两组不同试验所采集的数据,经过分析处理,给出各自具体的识别率,并由此得出水下目标识别的分析结论。
|
全文目录
摘要 5-6 ABSTRACT 6-10 第1章 绪论 10-21 1.1 论文研究背景及意义 10-11 1.2 信息融合技术的概述 11-15 1.2.1 内涵及应用 11-13 1.2.2 层次、顺序与常用方法 13-15 1.3 人工神经网络技术 15-18 1.3.1 概况 15-17 1.3.2 模式识别的方法 17-18 1.4 论文工作内容和主要研究方法 18-21 第2章 水下目标辐射噪声的特征提取 21-45 2.1 时域波形结构特征分析 21-24 2.1.1 波长分布特征 21-22 2.1.2 幅值分布特征 22-23 2.1.3 填充波形面积分布特征 23-24 2.2 频域1(1/2)维谱特征分析 24-30 2.2.1 累积量的定义 24-25 2.2.2 1(1/2)维谱的定义、性质与计算 25-26 2.2.3 1(1/2)维谱二次相位耦合的分析 26-30 2.3 时频域特征分析 30-44 2.3.1 魏格纳变换 30-38 2.3.2 小波变换 38-44 2.4 本章小结 44-45 第3章 人工神经网络与数据融合 45-70 3.1 水下目标识别流程 45-46 3.2 人工神经网络 46-52 3.2.1 多层前向人工神经网络 46-49 3.2.2 反向传播学习算法 49-52 3.3 信息融合技术与神经网络的关系 52-58 3.3.1 融合模型的神经网络描述 53-55 3.3.2 模糊集理论与信息融合的关系 55-58 3.4 模糊融合分类器 58-67 3.4.1 模糊极小极大神经网络分类器 58-62 3.4.2 模糊融合分类器的概述与基本特点 62-63 3.4.3 模糊融合分类器的基础理论 63-65 3.4.4 分类和学习算法 65-67 3.5 实现水下目标识别数据融合的总体架构 67-69 3.6 本章小结 69-70 第4章 软件的编制与信息处理 70-80 4.1 信息融合软件系统设计 70-74 4.1.1 C++Builder与Matlab混合编程 70-72 4.1.2 软件系统的实现 72-74 4.2 模糊融合神经网络分类性能 74-78 4.2.1 训练样本的分类识别 74-76 4.2.2 识别样本的分类识别 76-78 4.3 本章小结 78-80 结论 80-81 参考文献 81-85 攻读硕士学位期间发表的论文和取得的科研成果 85-86 致谢 86-87 个人简历 87
|
相似论文
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 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
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 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
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|