| 【中文题名】 | 舰船噪声包络的特征提取研究 |
| 【英文题名】 | Methods of Feature Extraction from Envelop of Ship Radiated Noise |
| 【学科专业】 | 水声工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-6-28 |
| 【中关键词】 | 小波变换,向量小波,目标识别,特征提取,包络,信噪分离 |
| 【英关键词】 | wavelet transform, multiwavelets, target recognition, feature extraction,envelop, denoising, neural network classfier, |
| 【分类导航】 | 交通运输>水路运输>船舶工程>导航设备、水声设备>水声设备> |
| 【论文摘要】 |
舰船目标的分类识别是是国防研究的关键技术之一，一直是一个重要的研究课题，也是研究的热点和难点，具有重要的理论意义和军事应用价值。本文研究了小波分析技术在水声信号信噪分离、识别等方面的应用，并对实际的舰船辐射噪声信号进行了计算机仿真和分类验证。
本文的主要工作如下：
1．探讨了一维信号和噪声在小波变换域中的不同的统计特性，它是小波变换应用于舰船辐射噪声信噪分离的理论基础。
2．对小波变换应用于水声信号信噪分离进行了分析。探讨了基于小波变换消噪的基本原理和基于小波变换去噪的基本方法；对标量小波和向量小波信噪分离方法分别进行了仿真，结果表明，向量小波信噪分离方法能更好的去除信号中的噪声。
3．采用了复小波变换提取包络的方法，提取舰船辐射噪声信号的包络，设计了用于提取舰船辐射噪声信号不同频段的频率成分的组合高斯小波滤波器。
4．提出对舰船辐射噪声包络的小波变换系数进行分束，利用每一个束的能量值作为舰船辐射噪声的类别特征。给出了提取该特征的理论依据及其实现方法，并分析了该特征的分类性能。本文还提取了舰船辐射噪声的波形特征，包络小波分解系数频率... |
| 【论文题纲】 |
|
中文摘要 |
4-5 |
|
英文摘要 |
5-6 |
|
目录 |
6-8 |
|
第一章 绪论 |
8-14 |
|
1.1 研究的目的意义 |
8-9 |
|
1.2 水中被动目标识别研究发展及现状 |
9-11 |
|
1.3 小波分析在水下目标识别中的应用 |
11-12 |
|
1.4 本文的主要工作 |
12-14 |
|
第二章 小波分析理论基础 |
14-28 |
|
2.1 引言 |
14-15 |
|
2.2 标量小波变换 |
15-23 |
|
2.3 向量小波变换 |
23-27 |
|
2.4 本章小结 |
27-28 |
|
第三章 基于小波变换的舰船辐射噪声的信噪分离 |
28-39 |
|
3.1 引言 |
28-29 |
|
3.2 基于小波变换的信噪分离原理及方法 |
29-33 |
|
3.3 标量小波的信噪分离算法 |
33-34 |
|
3.4 向量小波的信噪分离算法 |
34-35 |
|
3.5 仿真 |
35-38 |
|
3.6 本章小结 |
38-39 |
|
第四章 基于小波变换的舰船辐射噪声的特征提取 |
39-58 |
|
4.1 引言 |
39 |
|
4.2 基于复小波变换的信号包络提取 |
39-42 |
|
4.3 基于小波变换系数的特征提取 |
42-47 |
|
4.4 基于信号波形的特征提取方法 |
47-49 |
|
4.5 舰船辐射噪声的特征提取 |
49-57 |
|
4.6 本章小结 |
57-58 |
|
第五章 基于小波变换的舰船辐射噪声的分类识别 |
58-74 |
|
5.1 引言 |
58-59 |
|
5.2 人工神经网络基础 |
59-65 |
|
5.3 神经网络分类器的设计 |
65-67 |
|
5.4 分类识别结果 |
67-73 |
|
5.5 本章小结 |
73-74 |
|
第六章 全文总结 |
74-76 |
|
参考文献 |
76-80 |
|
致谢 |
80-81 |
|
| 【DOI】 | LunWen.ID:2.2008.112399 |
