智能水中目标识别PDF电子书下载

第1章 智能水中目标识别概述 1

1.1 水中目标识别及其应用需求 1

1.2 智能水中目标识别基本原理 4

1.3 国内外研究现状 6

1.3.1 信号预处理 6

1.3.2 特征提取 9

1.3.3 特征选择与融合 11

1.3.4 分类决策方法 13

第2章 水中目标微弱信号预处理方法 17

2.1 水中目标信号的产生与传播机理 18

2.1.1 目标辐射噪声 18

2.1.2 水声通道 21

2.2 水中目标信号的检测与采集方法 27

2.3 水中目标信号的预处理方法 32

2.4 提高水中目标微弱信号信噪比的方法 36

第3章 水中目标噪声信号特征提取与选择方法 44

3.1 频谱特征提取方法 44

3.1.1 功率谱特征提取 45

3.1.2 DEMON谱特征提取 47

3.2 听觉特征提取方法 47

3.2.1 响度特征提取 48

3.2.2 MFCC特征提取 49

3.2.3 PLP特征提取 52

3.2.4 听觉特征性能对比实验 55

3.3 可视化特征提取方法 55

3.3.1 声信号可视化方法 55

3.3.2 声信号的可视化特征提取方法 63

3.3.3 可视化特征分类性能对比 71

3.4 多维特征融合方法 74

3.4.1 串联特征融合方法 74

3.4.2 并联特征融合方法 75

3.4.3 基于CCA方法的特征融合 75

3.4.4 多种融合策略实验对比分析 76

3.5 高维特征降维方法 77

3.5.1 PCA特征降维方法 77

3.5.2 LDA特征降维方法 79

3.5.3 特征降维对分类识别的影响 80

3.6 特征选择方法 82

3.6.1 启发式特征选择 83

3.6.2 基于迭代的ReliefF特征选择 84

3.6.3 基于遗传算法的特征选择 86

3.6.4 特征选择算法的比较实验 89

3.6.5 基于粗糙集的特征选择方法 94

第4章 水中目标识别分类器及其集成设计方法 101

4.1 基于距离准则的分类器 102

4.1.1 距离的种类 103

4.1.2 距离分类器 105

4.1.3 仿真实验 108

4.2 反向传播神经网络分类器 109

4.2.1 BP神经网络的训练 110

4.2.2 用于水声目标识别的BP神经网络 112

4.3 卷积神经网络分类器 115

4.4 支持向量机分类器 120

4.4.1 硬间隔支持向量机 120

4.4.2 软间隔支持向量机 122

4.4.3 支持向量机的非线性扩展 123

4.4.4 仿真实验 125

4.5 高斯混合模型分类器 126

4.6 GMM-SVM分类器 134

4.7 分类器集成设计方法 136

4.7.1 分类器集成标准 137

4.7.2 分类器集成类型 138

4.7.3 分类器集成设计的主要问题 140

4.7.4 基于度量层信息的分类器集成算法 145

4.7.5 实验研究 149

第5章 分类识别系统的鲁棒性增强方法 151

5.1 加性噪声去除方法 151

5.1.1 滤波器法 152

5.1.2 自相关法 158

5.1.3 相对自相关法 159

5.1.4 谱减法 161

5.1.5 仿真实验 164

5.1.6 小波分析法 169

5.1.7 经验模态分解法 170

5.1.8 独立分量分析法 171

5.2 卷积噪声去除方法 172

5.2.1 RASTA滤波方法 173

5.2.2 倒谱均值处理 174

5.2.3 仿真研究 178

5.3 小样本学习 181

5.4 特征映射方法 184

5.5 多层信息融合 191

第6章 听觉场景分析理论在智能水中目标识别中的应用 195

6.1 听觉场景分析基本理论 196

6.2 基于听觉场景分析的特征提取 199

6.3 计算听觉场景分析在信号去噪中的应用 209

6.4 计算听觉场景分析在多源分类识别中的应用 218

第7章 智能水中目标识别系统设计及实例 229

7.1 智能水中目标识别系统软件设计 229

7.2 智能水中目标识别系统硬件设计 232

7.3 水中目标分类识别实例 237

7.3.1 非混合目标辐射噪声的自动识别 237

7.3.2 混合目标辐射噪声的分类识别 242

第8章 智能水中目标识别发展趋势及新技术 246

8.1 智能水中目标识别技术的发展趋势 246

8.1.1 功能和技术指标发展趋势 246

8.1.2 软硬件设计发展趋势 247

8.1.3 关键技术发展趋势 247

8.2 稀疏信号处理在水中目标识别中的应用 248

8.2.1 稀疏信号处理理论 248

8.2.2 稀疏信号处理理论在水中目标识别中的应用 250

8.3 无监督学习方法在水中目标识别中的应用 251

8.3.1 K均值聚类算法 252

8.3.2 层次聚类算法 252

8.3.3 自组射织映聚类算法 253

8.3.4 模糊聚类算法 253

8.4 深度学习理论及其在水中目标识别中的应用 254

8.4.1 深度学习理论 254

8.4.2 深度学习理论在水中目标识别中的应用 255

参考文献 259