基于支持向量机的水下目标识别技术
发布时间：2024-03-01 05:24
论文结合某预研项目的相关研究计划开展研究工作。引信作为水中兵器的“大脑”,负责对水中兵器周围的目标进行识别、判决,并采取相应的对策。如何实现对目标快速、精确的分类识别,是水下武器设备对目标精准打击的基本条件,一直是国内外研究的热点和难点。基于小样本统计理论的支持向量机(SVM),遵循结构风险最小化原则,具有良好的稳定性、计算有效性和健壮性等特点,能够较好的解决小样本情况下的模式识别问题,成为近年来模式识别分类领域的首选分类器。基于实践应用的需要,论文在介绍水中目标识别现状的基础上,研究了支持向量机的相关基础理论及算法原理,实现了对海上最新实测舰船辐射噪声基于核主元分析法的特征选择与融合,并对目标进行了分类实验,取得了较理想的识别分类结果。论文首先分析了支持向量机在水中目标识别分类中的应用价值,详细综述了统计学理论的核心思想、支持向量机的基本原理以及不同分类面的构造方法,总结了支持向量机在有限的样本识别模型中的优点;分析了目标舰船辐射噪声的基本特性,包括辐射噪声源类型、通过特性和谱特性;分别研究了舰船辐射噪声时域自相关曲线特性、频域双谱特性和时频域的Wigner高阶谱的特性,提取了舰船辐...
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 统计学理论和支持向量机的研究现状
1.2.1 统计学理论发展概况
1.2.2 支持向量机的研究现状
1.3 水中目标识别研究现状
1.4 本文的主要内容
第二章 支持向量机相关理论
2.1 支持向量机在水中目标识别的研究价值
2.2 统计学习核心思想
2.2.1 学习过程的一致性的条件
2.2.2 函数集的VC维
2.2.3 推广性的界
2.2.4 结构风险最小化
2.3 支持向量机
2.3.1 最优分类面
2.3.2 广义最优分类面
2.3.3 支持向量机的优点
2.4 本章小结
第三章 舰船辐射噪声的多特征选择与提取
3.1 舰船辐射噪声特性分析
3.1.1 舰船辐射噪声的类型
3.1.2 舰船辐射噪声的通过特性
3.1.3 舰船辐射噪声的谱特性
3.2 基于自相关处理的舰船辐射噪声时域特征提取
3.2.1 自相关函数及其特性
3.2.2 自相关函数和功率谱的关系
3.2.3 基于自相关的时域特征子集构造
3.3 基于双谱分析的舰船辐射噪声频域特征提取
3.3.1 高阶累积量与高阶谱
3.3.2 双谱估计
3.3.3 基于双谱估计的频域特征子集构造
3.4 基于Wigner高阶谱的舰船辐射噪声时-频域特征提取
3.4.1 Wigner-Ville时频特征分析
3.4.2 Wigner-1(1/2) 谱特征分析
3.4.3 基于Wigner高阶谱的时频特征子集构造
3.5 本章小结
第四章 基于核主元分析的融合特征构造
4.1 维数约简
4.2 核主元分析基本原理和方法
4.2.1 主元分析的几何意义
4.2.2 核主成分分析的模型
4.2.3 主元个数的确定方法及常用核函数
4.2.4 核主元分析特征提取步骤
4.3 基于核主元分析的融合特征提取分析
4.3.1 构造联合多特征向量
4.3.2 构造DDK核函数
4.3.3 基于DDK-KPCA算法的融合特征选择与实例计算
4.4 本章小结
第五章 SVM分类器设计及实例验证
5.1 SVM解决二分类问题优越性分析
5.2 构建基于最小二乘支持向量机的DDK-CK-SVM
5.2.1 最小二乘支持向量机的基本原理
5.2.2 基于LS-SVM的DDK-CK-SVM模型
5.3 水中目标分类实例验证
5.4 本章小结
第六章 识别系统设计与实现
6.1 总体方案设计
6.2 识别接收机（预处理）的设计
6.2.1 接收机参数分析
6.2.2 接收机性能分析
6.2.3 接收机实现原理及模块设计
6.3 数字处理部分
6.3.1 A/D采样电路设计
6.3.2 DSP模块设计
6.4 识别系统的硬件实现
第七章 全文总结
7.1 本文的主要工作总结
7.2 展望
参考文献
攻读硕士学位期间发表的学术论文和参加科研成果情况
致谢
本文编号：3915486
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 统计学理论和支持向量机的研究现状
1.2.1 统计学理论发展概况
1.2.2 支持向量机的研究现状
1.3 水中目标识别研究现状
1.4 本文的主要内容
第二章 支持向量机相关理论
2.1 支持向量机在水中目标识别的研究价值
2.2 统计学习核心思想
2.2.1 学习过程的一致性的条件
2.2.2 函数集的VC维
2.2.3 推广性的界
2.2.4 结构风险最小化
2.3 支持向量机
2.3.1 最优分类面
2.3.2 广义最优分类面
2.3.3 支持向量机的优点
2.4 本章小结
第三章 舰船辐射噪声的多特征选择与提取
3.1 舰船辐射噪声特性分析
3.1.1 舰船辐射噪声的类型
3.1.2 舰船辐射噪声的通过特性
3.1.3 舰船辐射噪声的谱特性
3.2 基于自相关处理的舰船辐射噪声时域特征提取
3.2.1 自相关函数及其特性
3.2.2 自相关函数和功率谱的关系
3.2.3 基于自相关的时域特征子集构造
3.3 基于双谱分析的舰船辐射噪声频域特征提取
3.3.1 高阶累积量与高阶谱
3.3.2 双谱估计
3.3.3 基于双谱估计的频域特征子集构造
3.4 基于Wigner高阶谱的舰船辐射噪声时-频域特征提取
3.4.1 Wigner-Ville时频特征分析
3.4.2 Wigner-1(1/2) 谱特征分析
3.4.3 基于Wigner高阶谱的时频特征子集构造
3.5 本章小结
第四章 基于核主元分析的融合特征构造
4.1 维数约简
4.2 核主元分析基本原理和方法
4.2.1 主元分析的几何意义
4.2.2 核主成分分析的模型
4.2.3 主元个数的确定方法及常用核函数
4.2.4 核主元分析特征提取步骤
4.3 基于核主元分析的融合特征提取分析
4.3.1 构造联合多特征向量
4.3.2 构造DDK核函数
4.3.3 基于DDK-KPCA算法的融合特征选择与实例计算
4.4 本章小结
第五章 SVM分类器设计及实例验证
5.1 SVM解决二分类问题优越性分析
5.2 构建基于最小二乘支持向量机的DDK-CK-SVM
5.2.1 最小二乘支持向量机的基本原理
5.2.2 基于LS-SVM的DDK-CK-SVM模型
5.3 水中目标分类实例验证
5.4 本章小结
第六章 识别系统设计与实现
6.1 总体方案设计
6.2 识别接收机（预处理）的设计
6.2.1 接收机参数分析
6.2.2 接收机性能分析
6.2.3 接收机实现原理及模块设计
6.3 数字处理部分
6.3.1 A/D采样电路设计
6.3.2 DSP模块设计
6.4 识别系统的硬件实现
第七章 全文总结
7.1 本文的主要工作总结
7.2 展望
参考文献
攻读硕士学位期间发表的学术论文和参加科研成果情况
致谢
本文编号：3915486
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3915486.html