基于时频域滤波的亮点特征提取及识别研究
海洋混响背景下，主动声呐探测识别水下目标时，混响的干扰增加了从目标回波中提取亮点特征的难度。研究表明，对于静止目标采用宽带信号尤其是线性调频信号其抗混响效果最佳。然而当信混比较低时，单从时域或者频域上分析不能很好地获取目标回波特征。为了在混响背景下提取目标亮点特征，本文在时频联合域上对目标回波采用时频滤波的方法抑制混响干扰进而提取目标亮点特征。 本文研究的时频滤波方法主要是低秩矩阵恢复方法，首先采用自适应核时频分布将目标回波信号变换到时频域上，然后依据目标回波与混响在时频域上能量分布的相关性不同，通过低秩矩阵恢复方法将目标回波与混响分到稀疏矩阵和低秩矩阵中，从而分离目标回波与混响，降低混响对回波信号的干扰。此外，还研究了时频域上的投影滤波，根据发射的线性调频信号在时频域上是一条能量集中的直线，而混响和噪声在时频域上能量分布是杂乱无章的，由于已知发射信号调频斜率，按照这一斜率将时频域信号向频率轴投影，并在投影域上设置门限进行滤波。最后对滤波后的时频域信号采用Hough变换提取回波信号中的亮点特征。通过仿真和实验数据表明低秩矩阵恢复方法和投影滤波方法能够在时频域上有效抑制混响干扰，得到更有利于识别的目标亮点特征。 由于目标的非合作性，通过主动声呐得到的目标特征其样本量不可能很大，支持向量机适用于这类小样本数据的学习训练，因此采用支持向量机作为分类器。支持向量机的参数对识别效果有重要影响，然而往往对其参数的设置是经验性的，因而采用了粒子群算法优化支持向量机中的惩罚因子C和参数σ，通过仿真和实验数据表明粒子群优化的支持向量机能够有效率地找到最佳参数从而达到最优识别率。 实验数据为采集的松花江冰下目标回波数据。通过仿真和实际实验数据表明，低秩矩阵恢复滤波和投影滤波的识别率分别要比传统提取特征的魏格纳-霍夫变换方法高14％和16％，验证了本文提出的时频滤波方法提取目标特征的有效性，从而为抑制混响干扰提取目标亮点特征提供了新的方法。
声呐设备;时频滤波;混响干扰;亮点特征提取;目标识别
哈尔滨工程大学
硕士
水声工程
朱广平
2019
中文
U666.7
2019-08-06（万方平台首次上网日期，不代表论文的发表时间）