高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于波形结构特征和支持向量机的水面目标识别

孟庆昕 杨士莪 于盛齐

孟庆昕, 杨士莪, 于盛齐. 基于波形结构特征和支持向量机的水面目标识别[J]. 电子与信息学报, 2015, 37(9): 2117-2123. doi: 10.11999/JEIT150139
引用本文: 孟庆昕, 杨士莪, 于盛齐. 基于波形结构特征和支持向量机的水面目标识别[J]. 电子与信息学报, 2015, 37(9): 2117-2123. doi: 10.11999/JEIT150139
Meng Qing-xin, Yang Shi-e, Yu Sheng-qi. Recognition of Marine Acoustic Target Signals Based on Wave Structure and Support Vector Machine[J]. Journal of Electronics and Information Technology, 2015, 37(9): 2117-2123. doi: 10.11999/JEIT150139
Citation: Meng Qing-xin, Yang Shi-e, Yu Sheng-qi. Recognition of Marine Acoustic Target Signals Based on Wave Structure and Support Vector Machine[J]. Journal of Electronics and Information Technology, 2015, 37(9): 2117-2123. doi: 10.11999/JEIT150139

基于波形结构特征和支持向量机的水面目标识别

doi: 10.11999/JEIT150139
基金项目: 

国家自然科学基金(11234002)资助课题

Recognition of Marine Acoustic Target Signals Based on Wave Structure and Support Vector Machine

  • 摘要: 借鉴语音声学的研究成果,音色可作为区分不同目标的依据。由于舰船辐射噪声的音色信息包含在其信号的波形结构特征中,可以通过提取舰船辐射噪声的波形结构特征判断目标类型。该文对水面目标信号时域波形结构特征提取进行了研究,构建了基于信号统计特性的特征矢量,包括过零点波长、峰峰幅度、过零点波长差分以及波列面积等。应用支持向量机(Support Vector Machine, SVM)作为分类器识别两类水面目标信号,核函数为径向基函数(RBF)。提出了差分进化和粒子群算法的混合算法,优化了惩罚因子和径向基函数参数的选取,两类目标的识别率较常规的网格搜索法有显著提高。
  • [1] 王志伟. 水下目标被动识别技术方法研究[D]. [硕士论文], 哈尔滨工程大学, 2002.
    [2] Wang Zhi-wei. The recognition study of passivity target[D]. [Master dissertation], Harbin Engineering University, 2002.
    [3] 蔡悦斌, 张明之, 史习智, 等. 舰船噪声波形结构特征提取及分类研究[J]. 电子学报, 1999, 27(6): 129-130.
    [4] Cai Yue-bin, Zhang Ming-zhi, Shi Xi-zhi, et al.. The feature extraction and classification of ocean acoustic signals based on wave structure[J]. Acta Electronica Sinica, 1999, 27(6): 129-130.
    [5] 廖明熙, 张小蓟, 张歆. 基于稀疏表示的水声信号分类识别[J]. 探测与控制学报, 2014, 36(4): 67-70.
    [6] Liao Ming-xi, Zhang Xiao-ji, and Zhang Xin. Classification and recognition of underwater acoustic signal based on sparse representation[J].Journal of Detection Control, 2014, 36(4): 67-70.
    [7] 许文海, 续元君, 董丽丽, 等. 基于水平集和支持向量机的图像声呐目标识别[J]. 仪器仪表学报, 2012, 33(1): 49-55.
    [8] Xu Wen-hai, Xu Yuan-jun, Dong Li-li, et al.. Level-set and SVM based target recognition of image sonar[J].Chinese Journal of Scientific Instrument, 2012, 33(1): 49-55.
    [9] 史亚, 姬红兵, 朱明哲, 等. 多核融合框架下的雷达辐射源个体识别[J]. 电子与信息学报, 2014, 36(10): 2484-2490.
    [10] Shi Ya, Ji Hong-bing, Zhu Ming-zhe, et al.. Specific radar emitter identification in multiple kernel fusion framework[J]. Journal of Electronics Information Technology, 2014, 36(10): 2484-2490.
    [11] 丁凯, 方向, 张卫平, 等. 基于声信号多重分形和支持向量机的目标识别研究[J]. 兵工学报, 2012, 33(12): 1521-1526.
    [12] Ding Kai, Fang Xiang, Zhang Wei-ping, et al.. Target identification of acoustic signals based on multi-fractal analysis and support vector machine[J]. Acta Armamentarii, 2012, 33(12): 1521-1526.
    [13] 张启忠, 席旭刚, 罗志增. 基于非线性特征的表面肌电信号模式识别方法[J]. 电子与信息学报, 2013, 35(9): 2054-2058.
    [14] Zhang Qi-zhong, Xi Xu-gang, and Luo Zhi-zeng. A pattern recognition method for surface electromyography based on nonlinear features[J]. Journal of Electronics Information Technology, 2013, 35(9): 2054-2058.
    [15] Chen Ping-wei, Wang Yung-ying, and Lee Ming-hahn. Model selection of SVMs using GA approach[C]. Proceedings of 2004 IEEE International Joint Conference on Neural Networks, Pscataway, NJ, 2004: 2035-2040.
    [16] 周绍磊, 廖剑, 史贤俊. RBF-SVM的核参数选择方法及其在故障诊断中的应用[J]. 电子测量与仪器学报, 2014, 28(3): 240-246.
    [17] Zhou Shao-lei, Liao Jian, and Shi Xian-jun. Kernel parameter selection of RBM-SVM and its application in fault diagnosis [J]. Journal of Electronic Measurement and Instrumentation, 2014, 28(3): 240-246.
    [18] 郑适, 张安学, 岳思橙, 等. 基于改进粒子群优化的探地雷达波形反演算法[J]. 电子与信息学报, 2014, 36(11): 2717-2722.
    [19] Zheng Shi, Zhang An-xue, Yue Si-cheng, et al.. Ground penetrating radar inversion algorithm based on improved particle swarm optimization[J]. Journal of Electronics Information Technology, 2014, 36(11): 2717-2722.
    [20] Fernandez P J A, Baeten V, Renier A M, et al.. Combination of support vector machines (SVM) and near-infrared (NIR) imaging spectroscopy for the detection of meat and bone meal (MBM) in compound feeds[J]. Journal of Chemometrics, 2004(18): 341-349.
    [21] Cristianini N and Taylor J S. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods[M]. Cambridge: The Press Syndicate of the University of Cambridge, 2001: 93-94.
    [22] 廖晓晰. 动力系统的稳定性理论和应用[M]. 北京:国防工业出版社, 2000: 169-199.
    [23] Liao Xiao-xi. Stability Theory and Application of Power System[M]. Beijing: National Defence Industry Press, 2000: 169-199.
    [24] 杨坤德. 水声阵列信号的匹配场处理[M]. 西安: 西北工业大学出版社, 2008: 32-39.
    [25] Yang Kun-de. Matched Field Processing of Underwater Acoustic Array Signals[M]. Xian: Press of Northwestern Polytechnical University, 2008: 32-39.
    [26] 纪震,廖惠连,吴青华. 粒子群算法及应用[M]. 北京: 科学出版社,2009: 169-199.
    [27] Ji Zhen, Liao Hui-lian, and Wu Qing-hua. Application of Particle Swarm Algorithm[M]. Beijing: Science Press, 2009: 169-199.
    [28] Clerc M. The swarm and the queen: towards a deterministic and adaptive particle swarm optimization[C]. Proceedings of the Congress of Evolutionary Computation. Washington, USA, 1999: 1951-1957.
  • [1] 张天骐, 范聪聪, 葛宛营, 张天.  基于ICA和特征提取的MIMO信号调制识别算法, 电子与信息学报. doi: 10.11999/JEIT190320
    [2] 陈涛, 柳立志, 郭立民.  基于MWC压缩采样宽带接收机的雷达信号脉内调制识别, 电子与信息学报. doi: 10.11999/JEIT170612
    [3] 伊华伟, 张付志, 巢进波.  基于模糊核聚类和支持向量机的鲁棒协同推荐算法, 电子与信息学报. doi: 10.11999/JEIT161154
    [4] 陈红, 蔡晓霞, 徐云, 刘文涛.  基于多重分形特征的通信调制方式识别研究, 电子与信息学报. doi: 10.11999/JEIT150703
    [5] 陈素根, 吴小俊.  基于特征值分解的中心支持向量机算法, 电子与信息学报. doi: 10.11999/JEIT150693
    [6] 及歆荣, 侯翠琴, 侯义斌.  无线传感器网络下线性支持向量机分布式协同训练方法研究, 电子与信息学报. doi: 10.11999/JEIT140408
    [7] 高发荣, 王佳佳, 席旭刚, 佘青山, 罗志增.  基于粒子群优化-支持向量机方法的下肢肌电信号步态识别, 电子与信息学报. doi: 10.11999/JEIT141083
    [8] 王奕波, 施海荣, 赵伟.  基于信号幅相特性的副瓣跟踪自动识别方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2014.00045
    [9] 靳晓艳, 周希元.  一种基于特定Duffing振子的MPSK信号调制识别算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.01708
    [10] 王超, 刘伟, 袁培苑.  基于细粒度任务分配的空时自适应并行处理算法研究, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00683
    [11] 王琬, 蒋兴浩, 孙锬锋.  基于首位数字特征的双重MPEG压缩检测算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00535
    [12] 王录涛, 金钢, 徐红兵, 王文平.  基于稀疏最小二乘支持向量回归的非线性自适应波束形成, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00118
    [13] 王堃, 吴嗣亮, 侯建刚.  实际COSPAS-SARSAT信号TOA估计算法研究, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00338
    [14] 张路平, 王建新.  MQAM信号调制方式盲识别, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00472
    [15] 王伟伟, 廖桂生, 吴孙勇, 朱圣棋.  基于小波稀疏表示的压缩感知SAR成像算法研究, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.01171
    [16] 陶剑文, 王士同.  具有磁场效应的大间隔支持向量机, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00896
    [17] 王晏, 孙怡.  基于组合区域形状特征的物体检测算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00233
    [18] 张战成, 王士同, 邓赵红, ChungFu-lai.  支持向量机的一种快速分类算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00107
    [19] 潘泓, 李晓兵, 金立左, 夏良正.  一种基于二值粒子群优化和支持向量机的目标检测算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00260
    [20] 李彦兵, 杜兰, 刘宏伟, 丁苏颖, 关永胜.  基于微多普勒特征的地面目标分类, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00128
  • 加载中
  • 计量
    • 文章访问数:  779
    • HTML全文浏览量:  74
    • PDF下载量:  533
    • 被引次数: 0
    出版历程
    • 收稿日期:  2015-01-27
    • 修回日期:  2015-04-20
    • 刊出日期:  2015-09-19

    目录

      /

      返回文章
      返回

      官方微信,欢迎关注