水聲目標識別（簡體書）

水聲目標識別是聲納工程的重要技術之一。本書系統介紹了水聲目標識別的基本原理和方法，主要包括特徵選擇、提取和變換技術，以及常用的分類器和機器學習技術等。對於水聲目標識別而言，最重要的環節是特徵提取。本書重點探討了船舶輻射噪聲的調製譜、線譜、聽覺感知和聲源級特徵，水聲瞬態信號特徵，以及船舶運動特徵等。系統闡述了各識別特徵的物理意義、產生機理、提取和利用方法，介紹了現代信號處理技術在譜特徵分析中的應用，以及特徵選擇和變換的常用方法等。

目錄
叢書前言
自序
第1章緒論1
1.1水聲目標識別基本問題1
1.2水聲目標識別系統基本組成4
1.3水聲目標識別技術研究現狀6
1.3.1特徵選擇技術6
1.3.2特徵提取技術8
1.3 .3分類器設計技術12
1.3.4基於深度學習的識別技術14
第2章船舶輻射噪聲調製譜特徵16
2.1船舶螺旋槳空化噪聲16
2.1.1船舶螺旋槳空化17
2.1.2船舶螺旋槳空化噪聲模型19
2.2船舶輻射噪聲調製譜22
2.2.1船舶輻射噪聲調製現象22
2.2.2船舶輻射噪聲調製譜結構23
2.2.3船舶輻射噪聲調製譜數學模型24
2.3船舶輻射噪聲解調基本方法30
2.3. 1絕對值低通解調30
2.3.2平方低通解調31
2.3.3希爾伯特變換解調方法32
2.3.4不同解調方法性能比較33
2.4船舶輻射噪聲調製譜連續譜平滑技術35
2.4.1自適應高斯平滑算法35
2.4.2雙通分離窗算法37
2.4.3排序截短平均算法39
2.5基於船舶輻射噪聲調製譜轉速特徵提取技術40
2.5.1倍頻檢測方法40
2.5.2最大似然估計法41
2.6基於船舶輻射噪聲調製譜槳葉數特徵提取技術44
2.6.1基於專家系統的槳葉數特徵提取方法44
2.6.2基於模板匹配的槳葉數特徵提取方法46
2.6.3基於調製譜相位耦合特性的槳葉數特徵提取方法47
2.7船舶輻射噪聲解調頻帶對解調譜的影響51
2.7.1船舶輻射噪聲調製譜子帶不均勻性51
2.7.2船舶輻射噪聲解調性能與帶寬關係53
2.7.3船舶輻射噪聲寬帶調製譜與子頻帶調製譜之間關係56
2.8聲納預處理AGC對調製譜的影響59
2.8.1聲納預處理AGC電路及作用59
2.8.2 AGC電路對船舶輻射噪聲調製譜的影響61
第3章船舶輻射噪聲線譜特徵66
3.1船舶輻射噪聲線譜聲源66
3.1.1船舶機械噪聲線譜66
3.1.2船舶螺旋槳噪聲線譜70
3.1.3船舶結構振動噪聲線譜73
3.1.4船舶輻射噪聲線譜結構78
3.2船舶輻 噪聲線譜特徵提取方法80
3.2.1線譜分析分辨率問題80
3.2.2線譜提取方法81
3.3船舶輻射噪聲線譜穩定性83
3.3.1船舶輻射噪聲線譜頻率穩定性和幅度穩定性83
3.3.2船舶輻射噪聲穩定線譜存在情況85
3.4船舶輻射噪聲線譜識別能力87
3.4.1線譜分佈經驗模型87
3.4.2線譜識別模板89
3.4.3線譜識別能力數據試驗90
第4章水聲瞬態信號特徵93
4.1水聲瞬態信號波形與頻譜93
4.2瞬態信號基本檢測器96
4.2.1瞬態信號能量檢測器96
4.2.2瞬態信號冪律檢測器99
4.2.3 STFT檢測器101
4.3瞬態信號其他檢測方法102
4.3.1 ARMA逆濾波器法102
4.3.2小波變換法104
4.3.3 Hilbert-Huang變換法108
第5章輔助分類識別特徵113
5.1船舶輻射噪聲的聽覺感知特徵113
5.1.1聲音的聽覺感知特徵113
5.1.2船舶輻射噪聲聽覺感知特徵117
5.2船舶輻射噪聲聲源級特徵124
5.2.1船舶輻射噪聲聲源級124
5.2.2船舶螺旋槳空化對聲源級的影響125
5.2.3聲源級特徵可分性分析127
5.2.4聲源級特徵提取技術130
5.3船舶運動特徵134
5.3.1運動特徵對船舶目標分類的意義134
5.3.2船舶目標速度特徵135
5.3.3船舶目標方位變化率特徵137
第6章現代信號處理技術在譜特徵分析中的應用142
6.1經典譜估計方法142
6.1.1自相關法142
6.1.2週期圖法143
6.2參數模型法145
6.3特徵值分解法150
6.4自適應線譜增強技術153
6.5高階譜分析155
6.5.1高階譜155
6.5.2確定性信號的高階譜155
6.5.3非參數法高階譜估計156
6.5.4雙譜對角切片譜158
6.5.5基於雙譜對角切片譜的調製譜分析159
6.6 Wigner-Ville分佈161
6.6.1 WVD的定義161
6.6.2 Wigner-Ville分佈計算162
6.6.3 Wigner-Ville分佈數據試驗164
第7章特徵選擇與變換167
7.1類別可分性的評估準則167
7.1.1基於距離的可分性準則168
7.1.2基於概率分佈的可分性準則169
7.1.3基於熵函數的可分性準則171
7.2特徵選擇172
7.2.1全局最優搜索策略173
7.2.2次優搜索策略174
7.2.3隨機搜索策略175
7.3典型特徵變換方法180
7.3.1 KL變換182
7.3.2核函數方法188
第8章水聲目標識別分類器設計技術194
8.1分類器概述194
8.1.1模式識別分類器194
8.1.2水聲目標識別分類器設計難點問題196
8.2近鄰分類器198
8.2.1最近鄰法198
8.2.2 k-近鄰法198
8.2 .3具有拒絕決策的k-近鄰法199
8.2.4距離度量200
8.2.5近鄰分類器的特點202
8.3基於CBR推理分類器203
8.3.1 CBR的基本原理203
8.3.2基於CBR系統水聲目標分類器設計206
8.4神經網絡分類器208
8.4.1 ANN的基本概念208
8.4.2神經網絡結構和類型209
8.4.3感知器211
8.4.4 BP神經網絡214
8.4.5基於BP神經網絡水聲目標分類數據試驗216
8.5支持向量機219
8.5.1最優分類超平面220 8.5.2線性支持向量機221
8.5.3非線性支持向量機224
8.5.4支持向量機應用中的幾個問題226
8.5.5基於支持向量機水聲目標分類數據試驗228
參考文獻232