智慧型水中目標識別

《智慧型水中目標識別》是國防工業出版社2016年出版的圖書，作者是曾向陽。

基本介紹

• 中文名：智慧型水中目標識別
• 作者：曾向陽
• ISBN：9787118106893
• 頁數：263頁
• 定價：48.00
• 出版社：國防工業出版社
• 出版時間：2016年3月1日
• 裝幀：平裝
• 開本：32開

內容簡介

本書全面系統地闡述了智慧型水中目標識別的原理、研究現狀、核心方法和關鍵技術，並按照水中目標識別的原理框架，逐步闡述了每一關鍵技術環節中涉及的問題和方法，詳細給出了算法原理、測試實驗結果和對比分析結論。本書可供國內從事相關研究的人員參考，也可用於聲學、水聲工程等相關專業的研究生教學用書。

作者簡介

曾向陽.1974年生，湖北人，教授，博士生導師。現任航海學院環境工程系主任。2002年獲西北工業大學水聲工程專業博士學位。2004-2005年在丹麥科技大學作聲學系訪問學者。2004年破格晉升為副教授，2007年破格晉升為教授。兼任中國聲學學會理事、中國聲學標準化技術委員會噪聲分會委員、中國聲學學會環境聲學分會委員、中國振動工程學會振動與噪聲控制分會理事。

主要從事水下目標識別、噪聲源定位、聲場模擬與控制等方面的研究工作。主持國家自然科學基金、總裝“十一五”、“十二五”預研、航空科學基金等課題20餘項。已出版專著1部、教材3部，發表論文130餘篇，被SCI、EI等檢索40餘篇。獲省部級科技獎2項，獲“全國百篇優秀博士學位論文”提名獎、“陝西青年科技獎”、教育部“霍英東青年教師獎”，入選教育部“新世紀優秀人才支持計畫”。

目錄

第1章　智慧型水中目標識別概述1

1．1　水中目標識別及其套用需求1

1．2　智慧型水中目標識別基本原理4

1．3　國內外研究現狀6

1．3．1　信號預處理6

1．3．2　特徵提取9

1．3．3　特徵選擇與融合11

1．3．4　分類決策方法13

第2章　水中目標微弱信號預處理方法17

2．1　水中目標信號的產生與傳播機理18

2．1．1　目標輻射噪聲18

2．1．2　水聲通道21

2．2　水中目標信號的檢測與採集方法27

2．3　水中目標信號的預處理方法32

2．4　提高水中目標微弱信號信噪比的方法36

第3章　水中目標噪聲信號特徵提取與選擇方法44

3．1　頻譜特徵提取方法44

3．1．1　功率譜特徵提取45

3．1．2　DEMON譜特徵提取47

3．2　聽覺特徵提取方法47

3．2．1　響度特徵提取48

3．2．2　MFCC特徵提取49

3．2．3　PLP特徵提取52

3．2．4　聽覺特徵性能對比實驗55

3．3　可視化特徵提取方法55

3．3．1　聲信號可視化方法55

3．3．2　聲信號的可視化特徵提取方法63

3．3．3　可視化特徵分類性能對比71

3．4　多維特徵融合方法74

3．4．1　串聯特徵融合方法74

3．4．2　並聯特徵融合方法75

3．4．3　基於CCA方法的特徵融合75

3．4．4　多種融合策略實驗對比分析76

3．5　高維特徵降維方法77

3．5．1　PCA特徵降維方法77

3．5．2　LDA特徵降維方法79

3．5．3　特徵降維對分類識別的影響80

3．6　特徵選擇方法82

3．6．1　啟發式特徵選擇83

3．6．2　基於疊代的ReliefF特徵選擇84

3．6．3　基於遺傳算法的特徵選擇86

3．6．4　特徵選擇算法的比較實驗89

3．6．5　基於粗糙集的特徵選擇方法94

第4章　水中目標識別分類器及其集成設計方法101

4．1　基於距離準則的分類器102

4．1．1　距離的種類103

4．1．2　距離分類器105

4．1．3　仿真實驗108

4．2　反向傳播神經網路分類器109

4．2．1　BP神經網路的訓練110

4．2．2　用於水聲目標識別的BP神經網路112

4．3　卷積神經網路分類器115

4．4　支持向量機分類器120

4．4．1　硬間隔支持向量機120

4．4．2　軟間隔支持向量機122

4．4．3　支持向量機的非線性擴展123

4．4．4　仿真實驗125

4．5　高斯混合模型分類器126

4．6　GMM－SVM分類器134

4．7　分類器集成設計方法136

4．7．1　分類器集成標準137

4．7．2　分類器集成類型138

4．7．3　分類器集成設計的主要問題140

4．7．4　基於度量層信息的分類器集成算法145

4．7．5　實驗研究149

第5章　分類識別系統的魯棒性增強方法151

5．1　加性噪聲去除方法151

5．1．1　濾波器法152

5．1．2　自相關法158

5．1．3　相對自相關法159

5．1．4　譜減法161

5．1．5　仿真實驗164

5．1．6　小波分析法169

5．1．7　經驗模態分解法170

5．1．8　獨立分量分析法171

5．2　卷積噪聲去除方法172

5．2．1　RASTA濾波方法173

5．2．2　倒譜均值處理174

5．2．3　仿真研究178

5．3　小樣本學習181

5．4　特徵映射方法184

5．5　多層信息融合191

第6章　聽覺場景分析理論在智慧型水中目標識別中的套用195

6．1　聽覺場景分析基本理論196

6．2　基於聽覺場景分析的特徵提取199

6．3　計算聽覺場景分析在信號去噪中的套用209

6．4　計算聽覺場景分析在多源分類識別中的套用218

第7章　智慧型水中目標識別系統設計及實例229

7．1　智慧型水中目標識別系統軟體設計229

7．2　智慧型水中目標識別系統硬體設計232

7．3　水中目標分類識別實例237

7．3．1　非混合目標輻射噪聲的自動識別237

7．3．2　混合目標輻射噪聲的分類識別242

第8章　智慧型水中目標識別發展趨勢及新技術246

8．1　智慧型水中目標識別技術的發展趨勢246

8．1．1　功能和技術指標發展趨勢246

8．1．2　軟硬體設計發展趨勢247

8．1．3　關鍵技術發展趨勢247

8．2　稀疏信號處理在水中目標識別中的套用248

8．2．1　稀疏信號處理理論248

8．2．2　稀疏信號處理理論在水中目標識別中的套用250

8．3　無監督學習方法在水中目標識別中的套用251

8．3．1　K均值聚類算法252

8．3．2　層次聚類算法252

8．3．3　自組射織映聚類算法253

8．3．4　模糊聚類算法253

8．4　深度學習理論及其在水中目標識別中的套用254

8．4．1　深度學習理論254

8．4．2　深度學習理論在水中目標識別中的套用255

參考文獻259