基于水下传感器网络的目标识别分析-电子与通信工程专业论文.docxVIP

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 摘 要 江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 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 PAGE PAGE VI III III A Abstract 江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 Abstract With the development of science and technology,with the needs for national security,it has become more and more important for us to identify the underwater target. Underwater target recognition is one of the three key technical （exploration，orientation，recognition） in the development of acoustic equipment. It is an important symbol of the intelligentized exploration system and is always one of the difficult problems，which are urgent to be resolved in the sonar information processing theory. Developing the research in this field has the most important practical meaning and martial value. The recognition of underwater targets include active and passive identification.The passive recognition is our work.Firstly ,we extract the feature of the radiated noise form u