基于水下声信号目标分类识别算法研究与应用.pdf

基于水下声信号目标分类识别算法研究与应用

摘要

随着海洋资源的开发、探测技术的发展，需要对声信号目标分类识别方面进行深入

研究。水下声信号分类识别旨在提高水下目标识别的准确率，主要研究方向有两个：一

是寻求有效的特征提取方法，二是设计更有效的分类识别算法。目标分类识别是建立在

声信号数据之上，采用预处理、特征提取、分类识别的方法，进行快速、准确地确定目

标身份等。

为执行有效的特征提取，设计更加高效的分类识别系统，并实现对数据的高效处理，

主要研究工作如下：

(1)对特征提取算法的改进。针对MFCC所提取的特征不够丰富，结合EEMD和

MFCC特征提取，提出了改进的MFCC的特征提取(ImprovedMelFrequencyCepstral

Coefficient,IMFCC)算法。对预加重系数和分解方式进行了调整，用简单的相加和移位运

算取代了复杂的相乘运算，从而得到了更细致的信号划分。

(2)对量子粒子群算法的改进。由于粒子运动的复杂非线性行为，提出基于指数函

数的自适应的量子粒子群(AdaptiveQuantumParticleSwarm,AQPSO)算法。用非线性函

数刻画CE系数在迭代过程中的动态变化规律，变化指数的数值相当于变化CE系数曲

线的凹凸性。研究AQPSO优化的性能相当于研究非线性变化的CE系数曲线的凸凹性。

(3)对分类器的改进。由于SVM对声信号应用效果较好，AQPSO算法加快了算法

收敛速度的同时也提高了粒子迭代时的多样性，降低了出现早熟现象的概率，提出了利

用AQPSO算法训练SVM分类器，形成了新的分类器。

关键词：水下声信号；特征提取；量子粒子群；支持向量机

基于水下声信号目标分类识别算法研究与应用

ABSTRACT

Withthedevelopmentofmarineresourcesanddetectiontechnology,itisnecessaryto

conductin-depthresearchontheclassificationandrecognitionofacousticsignaltargets.The

classificationandrecognitionofunderwateracousticsignalsaimstoimprovetheprecisionof

underwatertargetrecognition,therearetwomainresearchdirections:oneistoseekeffective

featureextractionmethods,andtheotheristodesignmoreeffectiveclassificationand

recognitionalgorithms.Targetclassificationrecognitionisbasedonacousticsignaldata,using

preprocessing,featureextractionandclassificationrecognitionmethodsforfastandaccurate

determinationoftargetidentity.

Toperformeffectivefeatureextraction,designamoreefficientclassificationand

recognitionsystemandachieveefficientprocessingofthedata,themainresearchworkisas

follows:

(1)Improvementstofeatureextractionalgorithms.ForthefeatureextractionbyMFCCis

notr