資源描述：
《基于混沌預(yù)測水聲信號檢測方法的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、西北工業(yè)大學(xué)碩士學(xué)位論文摘要摘要海洋環(huán)境的復(fù)雜性以及艦船隱身降噪技術(shù)的不斷發(fā)展，使得水聲信號的檢測變得愈加困難，傳統(tǒng)的檢測方法顯現(xiàn)出了一定的局限性。近年來，隨著混沌理論研究的不斷深入，人們將混沌理論引入到水聲信號的分析中來。同時(shí)，結(jié)合水聲信號的特點(diǎn)，研究了水聲信號產(chǎn)生混沌的機(jī)理，證明了水聲信號的混沌特性。本文在此研究的基礎(chǔ)上，對水聲信號的混沌特征參數(shù)提取，混沌信號的降噪處理以及混沌信號的檢測與識別等進(jìn)行了進(jìn)一步研究，本文主要研究內(nèi)容如下：1．針對水聲信號的非線性特點(diǎn)，研究了基于局部投影濾波理論的水聲信號的降噪算法。重點(diǎn)
2、對局部投影濾波算法中鄰域半徑參數(shù)的選擇進(jìn)行了討論，提出了基于遞歸分析和利用噪聲強(qiáng)度計(jì)算鄰域半徑的兩種方法。采用這兩種方法，分別計(jì)算含有不同噪聲強(qiáng)度的Logistic、Lorenz以及水聲信號的鄰域半徑，進(jìn)行局部投影降嗓處理。結(jié)果表明利用噪聲強(qiáng)度計(jì)算鄰域半徑的方法具有較好的降噪效果。2．研究了水聲信號混沌特征參數(shù)的計(jì)算，通過比較降噪前后水聲信號混沌特征參數(shù)的差異，分析了噪聲對水聲信號混沌特征參數(shù)的影響。3．采用RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法分別建立了兩種水聲信號的全局預(yù)測模型。重點(diǎn)討論了兩種預(yù)測模型的學(xué)習(xí)算法，通過仿真對兩種模
3、型的學(xué)習(xí)速度、所需樣本數(shù)以及預(yù)測效果進(jìn)行了比較，結(jié)果表明RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型學(xué)習(xí)速度快，所需樣本點(diǎn)數(shù)少，預(yù)測效果較好。4．在建立水聲信號預(yù)測模型的基礎(chǔ)上，提出了一種基于混沌預(yù)測的信號檢測模型．根據(jù)混沌系統(tǒng)的動(dòng)力學(xué)特性，給出了這種檢測模型的檢驗(yàn)準(zhǔn)則。通過對Lorenz信號和實(shí)際水聲信號進(jìn)行仿真，驗(yàn)證了檢驗(yàn)準(zhǔn)則的有效性．比較兩種預(yù)測模型在仿真中的檢測效果，表明預(yù)測模型的預(yù)測誤差越小，所能檢測出的信號的信噪比越低。5．采用支持向量機(jī)理論，初步研究了水聲信號的分類識別算法。選取兩類水聲信號，計(jì)算它們的關(guān)聯(lián)維數(shù)和以熵，每類信號
4、各提取32組數(shù)據(jù)。取兩類水聲信號各8組數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練支持向量機(jī)，其它樣本用于驗(yàn)證。結(jié)果表明，支持向量機(jī)的分類算法分類效果較好，比較適合小樣本、非線性分類。關(guān)鍵詞：水聲信號，混沌，相空間重構(gòu)，Lyapunov指數(shù)，關(guān)聯(lián)維數(shù)，％熵，局I西北工業(yè)大學(xué)碩士學(xué)位論文摘要部投影濾波，預(yù)測，RBF神經(jīng)網(wǎng)絡(luò)，遺傳算法，信號檢測，支持向量機(jī)Ⅱ西北工業(yè)大學(xué)碩士學(xué)位論文AbgractAbstractThedetectionofunderwateracousticsignalshasbecomesodifficult謝tlltheco
5、mplexitiesoftheseaambientaswellastheimprovementoftheship’snoisereductiontechnologythatithasobviouslimitedtheapplicationoftraditionaldetectionmethodstounderwateracousticsignals．Followingthedevelopmentofchaostheoryinrecentyears，somepeoplehavestudiedtheapplicationo
6、fchaostheorytothefieldofunderwateracousticsignalprocessing．Forexample，somepeopleresearchedthemechanismoftheunderwateracousticsignals，provethesignalsthathavechaoticfeatures，andsomeofthemextractedthecharacteristicparameters．Inthispaper,westudiedthechaoticfeatureex
7、仃actionalgorithm，noisereductionalgorithm，detectionandtargetrecognitionalgorithmsofunderwateracousticsignalsbasedonthechaotictheory．n圮maincontributionsofthepaperareasfollows：1．Focusedontheresearchoftwomethodsofchoosingtheneighborhoodsizeparameterforthede-noisealg
8、orithmforunderwateracousticsignals，anonlinearlocalprojectivenoisereductionalgorithmisstudied．Themethodsarcbasedonrecurrenceplotandnoiselevelestimationrespectively．Wea
