摘要：目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术.本文针对被动声纳目标识别,提出了一种新的调制连续谱特征提取方法.此外,为训练神经网络目标分类器,本文将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法.最后,对海上实录的三类目标噪声进行了分类识别,实验结果表明本文设计的被动声纳目标识别系统具有很好的分类效果.

摘要：按照声纳员的感受,被动声纳目标被看作为一个发声体,目标噪声信号表示为激励噪声源与发声体冲激响应的卷积,在这一模型下,使用倒谱分析水声目标噪声的时域特征。提出利用线性预测倒谱和考虑人耳听觉特点的美尔倒谱分析发声体的冲激响应在倒谱域中的表示,据此对水声噪声信号提取这两种倒谱的特征,进行分类识别。设计了神经网络分类器,利用实测数据对三类目标进行分类。分析比较两种方法的分类结果,验证了基于倒谱的水声目标特征提取方法的可行性。

摘要：从声纳员的角度出发,被动声纳目标可以被看作为一个发声体,利用线性预测倒谱从声纳目标噪声中分离出目标作为发声体的冲激响应在倒谱域中的表示,提取一组识别特征,设计神经网络分类器,对三类目标进行分类。实测数据验证了基于线性预测倒谱的被动声纳目标特征提取方法是可行的。

摘要：考虑声纳员听音判型过程中,目标噪声的响度变化是其判型的重要依据,计算目标噪声信号的响度,提取其响度特征,基于响度特征对三类目标进行分类识别。设计神经网络分类器,实测数据验证了基于响度的目标特征提取方法是有效的,并分析了响度特征和能量特征的区别,说明了三类目标噪声响度特征较能量特征分布的集中度好,有利于提高分类识别的正确概率。

摘要：~~