基于多物理场特征的舰船目标识别技术研究

摘要

我国领海面积广阔，近年来经常与邻国发生海上争端，故亟需大力发展海上军事力量。本课题来源于总装武器预研基金，以舰船目标识别技术为研究对象，区分舰船目标是军舰还是商船，以提高舰船识别率为研究目标，对舰船物理场仿真方法、特征提取及融合算法、分类器设计方法展开深入研究。
　　对舰船的探测和识别通常是基于舰船物理场进行的。常用的舰船物理场包括声场、磁场、水压场等，它们都含有大量的判别信息。然而，现有的舰船识别方法大都是基于单一物理场，极少数利用了舰船的两种物理场，这限制了分类器模型的性能。本论文旨在提高舰船目标识别率，提出了一种基于多物理场-声场、磁场和水压场的舰船识别方法，据作者所知，这是首次进行的基于三种物理场的舰船识别研究工作。
　　本文的研究内容包括以下几个部分：在MATLAB开发平台上构建舰船声场、磁场、水压场三场联动仿真模型，仿真得到有效的舰船物理场信号，以克服实际舰船物理场信号不易获取的问题。由于舰船辐射噪声包络谱中含有线谱特征，故选用包络谱模型对舰船声场进行仿真。对于舰船磁场，本文选用了近年来最常用的三轴线圈磁体模型实现对磁场的仿真。对于舰船水压场，本文选用了仿真结果最接近真实信号的浅水亚临界模型实现对水压场的仿真。经查阅资料获得实际舰船参数作为仿真模型的输入，包括119个军舰样本和17个商船样本，对每个样本参数加一随机扰动，将总样本数扩充至680个；由于小波变换具有良好的时频分析特性，本文采用基于小波变换的舰船物理场信号特征提取算法，获取含有舰船类别信息的特征；采用基于特征层融合及决策层融合的特征融合算法，将多物理场特征融合，以提升特征的区分能力；由于支持向量机（SVM）有很好的泛化能力且适用于小样本分类问题，故本文构建基于支持向量机的分类器，分别对提取的单场特征及经过各种融合算法得到的多场融合特征进行分类。比较分类结果可知，当综合三场特征时可达到最高识别率为92.6%，比基于单一场的最高识别率提升了4.1%，比基于两场的最高识别率提升了0.4%，从而验证了基于多物理场的舰船识别的有效性。

目录

第1章 绪 论

1.1 课题背景

1.2 本文研究目的及意义

1.3 舰船目标识别的研究现状

1.4 本文研究内容

第2章 舰船三场仿真

2.1 舰船声场仿真

2.2 舰船磁场仿真

2.3 舰船水压场仿真

2.4 本章小结

第3章 基于小波变换的特征提取及特征融合

3.1 特征提取概述

3.2 基于小波变换的特征提取

3.3 特征融合概述

3.4 本章小结

第4章 基于支持向量机的舰船类型识别

4.1 模式识别概述

4.2 支持向量机算法介绍

4.3 舰船识别结果比较

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

声明

致谢