多传感器监视系统的目标识别

摘要

该文的研究对象主要是目标(坦克、汽车、人员)运动产生的振动信号,工作核心为系 统的目标识别.该文首先讨论了地质中波的传播特性,给出了质点振动的数学模型.并对典型目标进行了外场测试,获得了第一手数据资料,总结了目标振动信号的一般规律,为目标的分类识别奠定了基础.为了有效地解决目标识别的关键问题-特征提限,该文采用了几种 方法进行尝试,并用级联的神经网络作为分类器进行识别.结合信号的非平稳特性,该文引入了小波分析,以其变换域中的有效信息作为特征进行识别.该文最后将以上几种仿真结果进行分析比较,获得了一些有用的结果.

目录

文摘

英文文摘

1绪论

1.1课题背景

1.2战场多传感器监视系统的目标识别

1.2.1特征提取

1.2.2分类判别

1.3本文的主要工作

2信号的采集和分析

2.1地震波概述

2.2多传感器监视系统中振动信号的数学模型

2.3典型信号的测试及分析

2.3.1信号的采集

2.3.2信号的分析

本章概要

附图

3基于神经网络的分类器设计

3.1基于神经网络的模式识别

3.1.1神经网络概述

3.1.2 BP神经网络的结构与工作原理

3.2 BP网络在论文中的结构设计和算法改进

3.3 BP级联网络分类系统

本章概要

4模式识别常用方法仿真

4.1概述

4.2基于信号频谱特征的目标识别

4.2.1信号的Fourier特征

4.2.2仿真结果

4.3信号的AR模型参数特征

4.3.1 AR模型简述

4.3.2 AR模型拟合算法

4.3.3 AR模型的定阶

4.3.4仿真结果

本章概要

5小波分析与多传感器监视系统目标识别

5.1小波分析基础

5.1.1从Fourier变换、Gabor变换到小波分析

5.1.2小波理论简介

5.2小波在多传感器监视系统目标识别中的应用

5.2.1振动信号的小波分解

5.2.2基于小波特征的多传感器监测系统目标识别

5.3噪声干扰条件下分类器识别性能分析

本章概要

结束语

致谢

参考文献