论文部分内容阅读
海上目标被动识别是声纳信号处理的重要研究方向。被动声纳探测海上目标的问题十分复杂,舰船辐射噪声级逐年降低和样本获取困难等因素制约了被动声纳目标识别的发展。如何在低信噪比、小样本情况下提取海上目标信号的有效特征参数,快速、准确、稳健地实现目标类型判决,是新技术背景下被动声纳目标识别的新需求。论文针对被动声纳目标识别的需求,研究了低信噪比条件下、从海洋环境噪声背景中提取舰船辐射噪声时域波形的有效方法,探讨了提取海上目标辐射噪声信号有效特征的方法,设计了小样本目标分类器,建立了海上目标多类特征的决策级融合算法,实现了在低信噪比、小样本条件下对两类典型海上目标辐射噪声信号的有效辨识。文章内容主要包含以下四部分:(1)基于非线性动力学模型的微弱信号提取算法。该方法基于相空间重构的基本原理,应用二阶Volterra级数滤波器方法构建了舰船辐射噪声和海洋环境噪声的非线性动力学模型;针对传统Volterra滤波器收敛速度慢和参数不易选择的问题,采用Kalman滤波器估计了 Volterra级数核,改进了 Volterra级数滤波器的非线性逼近能力,提升了非线性动力学模型的预测精度和收敛速度。在此基础上,基于该非线性动力学模型构建了微弱信号提取算法。仿真表明,该算法可在低信噪比情况下,从具有混沌特性的背景噪声中有效提取出有规信号和混沌信号的时域波形。海上实测数据的处理表明,该算法实现了从海洋环境强噪声背景中有效提取舰船辐射噪声信号的时域波形。建立的基于非线性动力学模型的微弱信号提取算法可用于提高海上目标分类识别系统的输入信噪比。(2)海上目标辐射噪声信号的有效特征提取。依据不同噪声源的物理机制,分别从时域波形结构、功率谱(Power Spectral Density,PSD)、LOFAR(Low-Frequency Acquisition and Ranging)谱、DEMON(Detection of Envelope Modulation On Noise)谱和相空间吸引子拓扑结构五个方面提取海上目标辐射噪声的特征参数;探讨了两类典型海上目标辐射噪声时域波形结构特征和非线性特征的类间可分性。海上实测数据的处理表明,两种典型海上目标辐射噪声的时域波形在统计意义上具有独立性,相空间延迟时间、关联维数和最大Lyapunov指数满足类内聚集、类间可分。依椐线性投影分析法(Linear Projection Analysis,LPA)和 PCA(Principal Component Analysis,PCA)方法线性压缩了特征维数,避免了数数据冗余,提取了有效特征。(3)海上目标分类器。为解决小样本条件下的非线性分类问题,基于支持向量机(Support vector machines,SVM)优化设计了海上目标分类器,提出了改进的SVM参数寻优算法。采用改进的网格搜索法进行了二次搜索,提高了搜索速度;将差分进化(Differential Evolution,DE)算法和粒子群优化(Particle Swarm Optimization,PSO)算法结合,提出了 DEPSO算法;得到了 SVM惩罚参数和核参数的全局最优解。基于改进寻优算法DEPSO的SVM分类器显著提高了泛化能力。采用时域波形结构特征对六组海上目标辐射噪声信号进行了分类实验,检验了改进网格搜索法、改进的混合优化算法DEPSO以及特征筛选对SVM分类性能的影响,提高了分类精度,减小了计算时间成本。(4)海上目标辐射噪声多类特征的决策级融合方法。针对传统D-S证据理论在处理冲突证据方面适用性差的问题,采用改进的加权平均方法分配基本概率赋值(Basic Probability Assignment,BPA),对冲突证据进行了预处理;为克服单传感器获取信息不完整的影响,构造了基于SVM分类器后验概率和识别率的BPA分配函数;提出了海上目标辐射噪声多类特征的决策级融合模型,该模型融合了海上目标辐射噪声的时域波形结构特征、PSD特征、LOFAR谱特征、DEMON谱特征和混沌分形特征的初步判决结果。海试数据的处理结果表明,提出的决策级融合方法实现了特征的筛选,为判断特征的有效性提供了依据;利用了多信息源的优势,显著提高了两类典型海上目标识别的准确率;增强了被动识别系统的容错能力,提高了对目标追踪和识别的性能。论文研究了低信噪比、小样本条件下海上目标被动分类识别方法,提出了改进的Volterra滤波器级数核估计方法,预测模型的精度提高3-5个数量级,收敛性增强;建立了基于改进Volterra滤波器微弱信号提取模型,实现了在甚低信噪比情况下从海洋环境噪声背景中提取舰船辐射噪声信号的时域波形;将DE算法和PSO算法结合,改进了SVM分类器参数寻优算法,获取了使测试集识别率最大的全局最优解,设计了适合海上目标的小样本分类器;提出了基于海上目标辐射噪声多类特征的决策级融合方法,克服了单一类型特征获取的信息不完整的影响。海试数据检验表明,所提出的方法显著提高了水面、水下目标识别的准确率和鲁棒性。研究成果为提高复杂海洋环境下被动声纳目标识别系统的性能提供了新途径。