文档介绍：学校代码: 10289
分类号:
密级: 公开
学号: 092030077
基
于
水
下
传
感
器
网江苏科技大学
络
的
目硕士学位论文
标
识
别
研
究
基于水下传感器网络的
王目标识别研究
波
研究生姓名王波导师姓名朱志宇
江申请学位类别工学硕士学位授予单位江苏科技大学
苏
科学科专业控制理论与控制工程论文提交日期 20 12 年 3 月 10 日
技
大研究方向智能控制论文答辩日期 2012 年 3 月 18 日
学
答辩委员会主席陈红卫评阅人
2012 年 3 月 26 日
分类号:
密级: 公开
学号: 092030077
工学硕士学位论文
基于水下传感器网络的
目标识别研究
学生姓名王波
指导教师朱志宇教授
江苏科技大学
二 O 一二年三月
江苏科技大学学位论文原创性声明
本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进
行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含
任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重
要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声
明的法律结果由本人承担。
学位论文作者签名:
年月日
江苏科技大学学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意
学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文
被查阅和借阅。本人授权江苏科技大学可以将本学位论文的全部或部分内
容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存
和汇编本学位论文。
本学位论文属于:
(1)保密□,在年解密后适用本授权书。
(2)不保密□。
学位论文作者签名: 指导教师签名:
年月日年月日
摘要
摘要
随着科学技术的发展,以及国防安全的需要,对于水下目标的识别已经变得越来
越重要。水下目标识别是水声装备发展的三项关键技术(探测、定位、识别)之一,
是探测系统智能化的重要标志,同时也是声纳信息理论中急待解决的难题。开展该领
域的研究具有极其重要的现实意义与军事价值。
水下目标识别分为主动识别和被动识别两种,本文研究的是被动识别技术。它是
将被动声纳接收的水下目标噪声信号先进行特征提取,提取出能够反映目标特征的特
征向量,然后设计一个目标分类器,最后将提取出的能够反映目标本质特性的特征向
量送入目标分类器进行分类识别。
在特征提取阶段,本文将采集的水下目标的信号进行快速傅里叶变换(FFT)得到
信号的功率谱,然后对功率谱进行特征提取,其中最主要的特征提取方法包括连续谱
特征提取、线谱特征提取、调制连续谱特征提取、调制线谱特征提取,这样就可以得
到信号的基于不同特征提取方法的特征向量。
在得到目标的特征向量后,首先设计一个自适应遗传 BP 神经网络分类器对目标进
行分类处理,经仿真实验表明该特征分类器能够有效地对水下目标信号进行识别,其
识别率达到了 85%以上。为了体现基于水下传感器网络的目标识别,本文又采用了基
于 D-S 证据理论的方法对目标进行融合识别,其过程为:首先训练一个 BP 神经网络,
然后把上文所介绍的水下目标信号的各个特征向量输入训练好的 BP 神经网络,这样
BP 神经网络输出的就是 D-S 证据理论所要得到的基本概率赋值,然后利用该基本概率
赋值对目标进行 D-S 融合识别,经仿真实验表明该融合算法,识别率达到 90%以上,
目标识别的精度明显升高。
在实验室现有条件下,本次试验通过布置在水槽中的一些传感器节点来模拟水下
传感器网络。首先节点将采集的水下目标的特征数据发送给网关,网关再通过串口将
数据传送到网络控制系统的数据库中;然后在数据库中通过调用 matlab 程序完成对目
标的分类识别;最后利用嵌入式 web 实现对目标识别结果的远程监测。
关键字: 目标识别;特征提取;神经网络分类器;遗传算法;D-S 融合;
I
江苏科技大学工学硕士学位论文
II
Abstract
Abstract
With the development of science and technology,with the needs for national security,