一、基于小波与三次样条插值的包迹谱的水下目标分类研究（论文文献综述）
李倩[1]（2017）在《基于光视觉的水下图像复原与目标分类方法研究》文中研究指明水下机器人是进行深海工作的重要装备,在海洋开发中具有不可替代的作用。自主式水下机器人在进行水下作业时,通过光视觉系统获取清晰的水下图像和精准的目标物类别信息,能够帮助机械手针对不同形状类别的目标物选择不同抓取部位,提高作业效率。因此研究基于光视觉的水下图像复原和目标分类方法,对提高水下机器人自主作业能力具有重要的理论研究意义和实际应用价值。围绕水下机器人自主作业中的目标物分类问题,本文研究水下图像复原方法和目标分类方法,在目标分类方法中,主要研究词袋模型中视觉词典的创建及其空间位置信息的创建,为水下机器人提供准确的目标物类别信息。在水下图像复原方法研究中,本文主要研究在自然光和照明灯两种条件下,由光的散射作用造成的模糊图像复原问题。本文在分析基于散射分层传输模型的基础上,在对由光的散射作用引起的模糊图像复原时,针对由功率谱求出的参数值在处理照明灯条件下的退化图像时,不能直接得到最优复原效果的问题,本文改进基于散射模型的水下图像复原方法,引入清晰度评价函数,在初始值附近寻求能得到最高清晰度评价的最优参数值,从而实现两种光照条件下由光的散射作用造成的模糊图像复原问题和最优参数的鉴别,并通过实验验证本文算法有效性。在基于词袋模型的视觉词典创建方法研究中,针对传统词袋模型在水下图像出现目标物边缘模糊以及噪声点多时分类准确率下降严重的问题,本文提出一种基于轮廓片段的词袋模型视觉词典创建方法,将形状轮廓分解为分辨率不同的轮廓片段作为视觉单词,提高分类准确率。针对使用最大相关-最小冗余准则剔除视觉词典中的冗余单词时,由于准则中两个性质使用先后顺序不同导致分类结果不稳定的问题,本文提出一种基于加权的最大相关-最小冗余准则平衡两个性质的关系,获得稳定高效的分类结果。并通过对比实验验证本文改进算法的分类准确率高于传统词袋模型。在具有空间位置信息的词袋模型研究中,针对词袋模型在处理简单形状类别目标物的分类问题时,由于轮廓片段间的相对空间位置信息缺失造成的分类准确率低的问题,本文研究两种加入空间信息的方法:一种是针对空间金字塔模型对目标物位姿和大小变化敏感的问题,本文提出一种改进算法,用局部约束线性编码和池化处理相结合的方法表述空间位置信息;另一种是针对基于相对空间位置信息的描述方法中,由于二元单词相互组合造成的分类准确率不增反降的问题,本文提出将具有近邻关系的轮廓片段表示成视觉短语的方法提高分类准确率,并针对由于不同类别的图像形状复杂程度不同,而造成的轮廓片段自身信息与空间位置信息对图像分类的贡献程度不相同的问题,本文定义一个权重值来平衡两者的重要程度,提高分类准确率。并通过实验验证本文两种改进算法能够获得更高的分类准确率。
吴姚振[2]（2015）在《水下目标辐射噪声生理感知特征的提取方法研究》文中提出复杂海洋环境中的水下目标特征提取是声纳识别系统性能提升的关键问题。传统特征提取方法提取的特征矢量容易受到海洋环境、目标类型以及目标航速等因素的影响，使声纳系统的识别性能大幅度下降。本文模拟声纳员感知、辨识目标的机理，提取目标的生理感知特征并进行水下目标识别，主要研究工作包括：1.比较了常用的模式识别方法，综合考虑水下目标辐射噪声非线性、样本少的特点，选择自适应能力强的BP网络和在解决小样本、非线性及高维模式问题中表现突出的支持向量机对水下目标辐射噪声进行分类实验。识别结果表明，BP网络和支持向量机对待测实验数据实现了有效分类，说明使用BP网络和支持向量机对水下目标进行分类是可行的。2.给出了反应人主观听觉感受的响度特征的计算过程，结合水下声目标的特殊性，改进了响度特征量化的计算流程，避免了计算信号激励等复杂的运算过程，可方便地得出信号沿频率分布的响度特征。实验结果表明，利用改进的算法可以有效地计算目标信号响度。3.为探索声纳员感知、辨识水下目标类型的声学因素，研究了基于听觉滤波的特征提取方法，包括Gammatone频率离散小波系数、听觉倒谱系数、听觉慢特征分析、Gammachirp倒谱系数、改进的耳蜗滤波分析模型。这些方法符合人耳对声音的感知、辨识过程，较好地提取了水下目标的固有属性，避免关键信息的丢失，提高了识别准确率，且提取的特征矢量有较好的抗背景干扰性能。4.针对基于传统均匀谱压缩的特征提取方法提取水下目标的特征时，会对某些信号频带造成过压缩而同时对其他的信号频带造成欠压缩的特点，结合人耳听觉指数律和听觉掩蔽效应，提出了感知非均匀谱压缩（Perceptual Non-UniformSpectral Compress, PNUSC）方法。在此基础上改进了边界的设计方法，得到改进的感知非均匀谱压缩（Improved Perceptual Non-Uniform Spectral Compress,IPNUSC）方法。实录舰船辐射噪声的识别结果表明，基于PNUSC和IPNUSC方法提取的特征矢量有效地提高水下目标的识别准确率。5.依据人耳听觉特性，特别是听觉掩蔽效应，提出了一种鲁棒的特征提取方法——信噪比依赖非均匀谱压缩（SNR-Dependent Non-Uinform SpectralCompress, SDNUSC）方法，并给出了其中具体参数的选择过程。实录舰船辐射噪声的识别结果表明，基于SDNUSC方法提取的特征矢量对目标的识别能力优于其他非均匀谱压缩的特征提取方法和传统的特征提取方法（MFCC, LPCC, PLP等），且提取的特征矢量具有较好的稳健性。6.研究了基于恒定束宽干扰抑制的听觉特征提取方法。为了适应战场环境复杂化和目标信息多样化的需求，改善声纳识别系统对水下目标的识别能力，要求接收到的宽带信号经阵列输出后没有波形失真。为此，在阵列处理中设计了恒定束宽波束形成器，并针对仿真的阵列数据进行分类识别实验。结果表明，基于阵列输出的听觉特征提取方法比基于单水听器的特征提取方法更好提取出目标的类别属性，实现目标的有效分类。同时，基于恒定束宽干扰抑制的听觉特征提取方法提取的特征矢量对水下目标的状态具有良好的宽容性。
杨宏晖,王芸,戴健[3]（2014）在《水下目标识别中样本选择与SVME融合算法》文中进行了进一步梳理水下目标识别中训练样本集含有冗余样本、噪声样本及无关样本,且特征提取、特征选择和决策系统设计过程分离而导致系统识别性能的下降,为此提出了基于加权最近邻收缩样本选择的SVM集成算法（SVME-WRNN）和基于加权免疫克隆样本选择的SVM集成算法（SVME-WICISA）。这2种集成方法通过样本选择来构建精度高、差异大的子分类器,并将其集成。利用4类水下目标实测数据进行了分类仿真实验。实验结果表明:SVME-WRNN算法和SVME-WICISA算法与SVME算法（无样本选择）相比较,在识别率相当的情况下,大幅度地降低了训练样本数目,得到的综合分类器具有良好的分类精度。
戴健,杨宏晖,王芸,孙进才[4]（2013）在《用于水声目标识别的自适应遗传样本选择算法》文中进行了进一步梳理针对训练样本集中含有噪声样本、冗余样本以及无关样本,导致分类系统分类性能下降、不稳定的水声目标识别问题,提出了一种新的自适应遗传样本选择算法（Adaptive Genetic Instance Selection Algorithm,AGISA）。算法先随机生成初始种群,接着利用设计的遗传算子（跨代选择、自适应交叉和简化最近邻变异）指导种群进化,每代中对分类贡献大且选择样本数目少的个体适应度值高。提取了实测3类水声目标的多域特征,进行样本选择和分类识别仿真实验,结果表明:AGISA可以选出有效样本子集,在样本维数下降约73%的情况下,支持向量机分类器的正确分类率能提高约2.5%;并且AGISA具有较好的收敛性、稳定性,所得优化样本子集具有较好泛化能力且能明显减少分类的时间。
杨宏晖,王芸,戴健[5]（2013）在《用于水声目标分类的加权免疫克隆样本选择算法》文中进行了进一步梳理提出了一种新的用于水声目标分类的加权免疫克隆样本选择算法（weight Immune Clonal Instance Selection,wI-CISA）。算法利用Adaboost算法给予每个样本一权值,每代中根据样本权值计算抗体亲合度和克隆数,且根据克隆复制、抗体更新（海明距离交叉和加权简化最近邻变异）和克隆选择操作指导种群进化。提取了实测3类水声目标的时域波形结构特征、小波分析特征和听觉谱特征,进行样本选择和分类仿真实验,结果表明:wICISA可以选出有效样本子集,使样本数目减少82%左右,并且支持向量机分类器的正确分类率能提高约2%;wICISA具有较好的收敛性、稳定性,所得优化样本子集具有较好的泛化能力且能明显减少分类的时间。
吴国清,王美刚,陈耀明[6]（2012）在《水声波导中包络线谱强度数值预报》文中研究说明为了预报声呐远距离检测包络线谱的性能,本文分析在辐射噪声传播过程中包络线谱强度衰减的原因及提出在水声波导中包络线谱强度的数值预报方法。依据周期性局部平稳过程对舰船辐射噪声建模,推导出无噪声干扰及有噪声干扰下的包络线谱强度的数学表达式,获得了包络线谱强度传播衰减的规律,在水声波导中包络线谱声级传播规律与平稳谱一致,但包络线谱高出连续谱的强度的衰减取决于随信噪比变化的调幅深度修正因子。包络线谱强度数值预报方法如下:先利用传播衰减的数值方法例如用简正波方法波数积分方法PE方法等求出平稳辐射噪声的传播衰减,再求信噪比,最后依据调幅深度修正因子获得包络线谱强度降低的分贝数,预报出在水声波导中任意一点包络线谱信号高度。该理论和数值预报方法具有创新性,实用,简单,适合工程应用。
刘志强[7]（2012）在《水下输油管道泄漏辐射噪声研究》文中研究说明在能源日渐匮乏的现今社会，水下石油、天然气运输管道的泄漏问题，越来越受到国内外许多石油公司的重视，特别是不明显泄漏点的检测问题，在国内还没有很好的检测方法。本文便是根据这种情况，采用水池模拟试验的方法，来研究水下运输管道泄漏时的辐射噪声及其探测定位问题。首先，本文在理论上研究了水下射流噪声的莱特希尔模型，给出了声压的经验公式，通过计算机仿真和水池试验，对经验公式进行了修正，并且结合试验数据求出了声源级。在后续处理过程中，得到了射流噪声的功率谱密度及其随着开孔、压力等参数的变化规律，并结合试验数据，拟合出变化规律曲线。其次，本文研究了单矢量水听器的测向原理，仿真了加权直方图法和直方图法两种测向手段，结合水池试验数据讨论了这两种方法在测向中的优缺点和适用范围。再次，本文研究了基本的三元阵被动测向测距原理，分析了其误差来源，并且讨论了减小误差的方法。通过计算机仿真了信号相关性、目标方位、目标距离等因素对水听器阵列被动定位的影响。同时在水池条件下，进行了定点目标的被动定位和运动目标的被动跟踪两部分试验。结合试验数据和仿真结果分析了三元阵被动定位的性能和适用范围。最后，结合试验数据得出了漏点辐射噪声的声源级、频带范围、功率谱密度曲线等结果，分析了各种定位方法的优缺点、定位精度和适用条件。本文也阐述了管道漏点探测的难点问题，例如双层管道的内流和表面渗流等的外检测问题，还有待于进一步的探索研究。
杨宏晖,戴健,孙进才,杜方键,彭圆,李桂娟[8]（2011）在《用于水声目标识别的自适应免疫特征选择算法》文中研究说明针对水声目标小样本识别中样本数目有限而特征数目不断增加,导致分类系统分类性能下降的问题,提出了一种新的自适应免疫特征选择算法（AIFSA）.该算法先利用先验知识生成初始种群,接着利用交叉、变异和新的自适应免疫算子指导种群进化,每代中对分类贡献大且选择特征数目少的个体适应度值高.AIFSA具有可以利用先验知识、收敛速度快以及优化特征子集维数小的优点.提取了实测4类水声目标的多域特征,进行特征选择和分类识别仿真实验,结果表明:AIFSA可以选择有效特征子集,在特征维数下降60%的情况下,支持向量机分类器的平均正确分类率下降很小;AIFSA与标准遗传算法相比,收敛快、稳定,所得优化特征子集具有更高的正确分类率和更好的范化性能.
史广智,胡均川,笪良龙[9]（2011）在《水声目标DEMON线谱仿真研究》文中指出DEMON线谱特征是水声目标识别的核心特征之一。本文在水声目标DEMON线谱模型理论研究的基础上,对DEMON线谱进行了仿真研究,该研究对目标不同状态下的DEMON线谱的特性分析和目标识别研究具有一定意义。
张明远,于铭[10]（2009）在《基于小波包分解的水下物体探测仪目标特征提取》文中进行了进一步梳理研究基于小波包分解的水下物体探测仪水下目标信号的特征提取方法。应用小波包分解来提取水下目标特征能有效地对水下物体探测仪目标信号进行特征提取,然后通过BP神经网络对小波包所提取的目标特征进行分类。对湖上实验数据的处理结果表明,该方法能够有效地提取水下目标辐射噪声的频域能量特征。
二、基于小波与三次样条插值的包迹谱的水下目标分类研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波与三次样条插值的包迹谱的水下目标分类研究（论文提纲范文）
（1）基于光视觉的水下图像复原与目标分类方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 水下图像复原方法简述与分析 |
| 1.3 目标分类技术研究现状 |
| 1.3.1 基于声视觉的目标分类技术 |
| 1.3.2 基于光视觉的目标分类技术 |
| 1.4 词袋模型的发展和研究现状 |
| 1.4.1 词袋模型的发展现状 |
| 1.4.2 视觉词典创建方法研究现状 |
| 1.4.3 含有空间位置信息的词袋模型研究现状 |
| 1.5 课题来源及本文主要研究内容 |
| 第2章 基于散射分层传输模型的水下图像复原方法研究 |
| 2.1 引言 |
| 2.2 基于散射分层传输模型的水下图像复原方法分析 |
| 2.2.1 基于散射分层传输模型的水下图像复原方法简介 |
| 2.2.2 问题发现与问题分析 |
| 2.3 改进的基于散射分层传输模型的水下图像复原方法研究 |
| 2.3.1 清晰度评价函数 |
| 2.3.2 改进的水下图像复原方法 |
| 2.4 实验结果及分析 |
| 2.4.1 自然光照条件下水下图像复原效果 |
| 2.4.2 照明灯条件下水下图像复原效果 |
| 2.5 本章小结 |
| 第3章 基于轮廓片段的词袋模型视觉词典创建方法研究 |
| 3.1 引言 |
| 3.2 词袋模型算法简述 |
| 3.3 基于轮廓片段的视觉词典创建方法研究 |
| 3.3.1 基于轮廓片段的描述方法研究 |
| 3.3.2 基于轮廓片段的初始视觉词典生成方法选择 |
| 3.4 基于加权的最大相关-最小冗余准则的视觉单词选择方法研究 |
| 3.4.1 最大相关-最小冗余准则问题分析 |
| 3.4.2 本文改进的视觉单词选择方法 |
| 3.4.3 参数 δ 和词典规模对分类结果的影响 |
| 3.5 实验结果及分析 |
| 3.5.1 实验图像库 |
| 3.5.2 本文方法与传统词袋模型的分类结果比较 |
| 3.5.3 本文方法与传统词袋模型对噪声的鲁棒性比较 |
| 3.5.4 本文方法与其他典型分类方法的分类结果比较 |
| 3.6 本章小结 |
| 第4章 具有空间位置信息的词袋模型研究 |
| 4.1 引言 |
| 4.2 基于空间金字塔模型的表示方法研究 |
| 4.2.1 空间金字塔模型问题分析 |
| 4.2.2 基于局部约束线性编码的空间金字塔匹配 |
| 4.3 基于相对空间位置信息的视觉短语创建方法研究 |
| 4.3.1 相对空间位置信息描述方法问题分析 |
| 4.3.2 改进的基于相对空间位置信息的视觉短语创建方法研究 |
| 4.3.3 视觉单词与视觉短语重要程度平衡方法研究 |
| 4.4 实验结果及分析 |
| 4.4.1 空间金字塔模型改进前后的分类结果比较 |
| 4.4.2 视觉短语创建方法改进前后的分类结果比较 |
| 4.4.3 本文两种改进空间描述方法的分类结果比较 |
| 4.5 本章小结 |
| 第5章 面向AUV目标分类的水下光视觉系统及实验 |
| 5.1 引言 |
| 5.2 AUV“UVIC-I”水下光视觉系统硬件 |
| 5.2.1 水下光视觉系统硬件组成简介 |
| 5.2.2 照明灯安装方式改进 |
| 5.3 水下光视觉系统程序设计 |
| 5.4 分类实验结果及分析 |
| 5.4.1 自然光照条件下的水下目标分类结果 |
| 5.4.2 照明灯条件下的水下目标分类结果 |
| 5.4.3 水下其他类别目标分类结果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（2）水下目标辐射噪声生理感知特征的提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究历史和现状 |
| 1.2.1 特征提取的研究历史和现状 |
| 1.2.2 生理感知的研究历史和现状 |
| 1.2.3 分类决策的研究历史和现状 |
| 1.3 本文研究内容及具体安排 |
| 第二章 人耳对声信号的辨识过程与分析 |
| 2.1 引言 |
| 2.2 听觉系统 |
| 2.2.1 外耳 |
| 2.2.2 中耳 |
| 2.2.3 内耳 |
| 2.2.4 听觉中枢系统 |
| 2.3 人耳对声信号的感受和辨别 |
| 2.3.1 感受和辨识机制 |
| 2.3.2 掩蔽效应 |
| 2.4 典型目标辐射噪声的听觉感受描述 |
| 2.5 本章小结 |
| 第三章 基于BP网络和支持向量机的水下目标识别方法 |
| 3.1 引言 |
| 3.2 BP网络的原理与设计 |
| 3.2.1 BP网络的基本结构 |
| 3.2.2 BP学习算法 |
| 3.2.3 BP网络在水下目标识别中的研究 |
| 3.3 支持向量机的原理与估计算法 |
| 3.3.1 SVM的基本原理 |
| 3.3.2 SVM的估计算法 |
| 3.4 传统的特征提取方法 |
| 3.4.1 线性预测倒谱系数 |
| 3.4.2 美尔频率倒谱系数 |
| 3.4.3 感知线性预测 |
| 3.5 实验数据说明与分析 |
| 3.5.1 仿真的舰船辐射噪声 |
| 3.5.2 互联网公开发布的海洋动物叫声 |
| 3.5.3 实录的舰船辐射噪声 |
| 3.6 本章小结 |
| 第四章 基于响度特征量化改进算法的特征提取方法 |
| 4.1 引言 |
| 4.2 心理声学参数 |
| 4.2.1 响度 |
| 4.2.2 尖锐度 |
| 4.2.3 粗糙度 |
| 4.2.4 波动强度 |
| 4.3 响度特征量化的改进算法 |
| 4.4 实验结果与分析 |
| 4.4.1 实验样本与分类器 |
| 4.4.2 识别结果与性能对比分析 |
| 4.5 本章小结 |
| 第五章 基于听觉滤波的特征提取方法 |
| 5.1 引言 |
| 5.2 常见的听觉滤波器 |
| 5.2.1 共振滤波器 |
| 5.2.2 Roex函数滤波器 |
| 5.2.3 Gammatone滤波器 |
| 5.2.4 Gammachirp滤波器 |
| 5.3 小波变换 |
| 5.4 基于听觉滤波的特征提取方法 |
| 5.4.1 基于Gammatone频率离散小波系数的特征提取方法 |
| 5.4.2 基于听觉倒谱系数的特征提取方法 |
| 5.4.3 基于听觉慢特征分析的特征提取方法 |
| 5.4.4 基于Gammachirp倒谱系数的特征提取方法 |
| 5.4.5 基于改进的耳蜗滤波分析模型的特征提取方法 |
| 5.5 本章小结 |
| 第六章 基于感知非均匀谱压缩的特征提取方法 |
| 6.1 引言 |
| 6.2 人耳听觉指数律 |
| 6.3 感知非均匀谱压缩（PNUSC）方法 |
| 6.3.1 感知非均匀谱压缩 |
| 6.3.2 实验结果与分析 |
| 6.4 改进的感知非均匀谱压缩（IPNUSC）方法 |
| 6.4.1 改进的感知非均匀谱压缩 |
| 6.4.2 实验结果与讨论 |
| 6.5 基于信噪比依赖的非均匀谱压缩的听觉特征提取方法 |
| 6.5.1 信噪比依赖的非均匀谱压缩（SDNUSC） |
| 6.5.2 实验结果与讨论 |
| 6.6 基于恒定束宽波形保真及干扰抑制的听觉特征提取方法 |
| 6.6.1 基阵输出信号模型 |
| 6.6.2 二阶锥规划简介 |
| 6.6.3 恒定束宽波束设计 |
| 6.6.4 基于恒定束宽波束形成方法的Gammatone频率倒谱系数 |
| 6.6.5 实验结果与讨论 |
| 6.7 特征提取方法的性能分析与比较 |
| 6.7.1 单水听器接收信号 |
| 6.7.2 水听器基阵接收信号 |
| 6.8 本章小结 |
| 第七章 全文总结 |
| 7.1 研究的主要工作及研究成果总结 |
| 7.2 有待进一步研究的工作 |
| 参考文献 |
| 攻读博士学位期间完成的论文及参与的科研项目 |
| 致谢 |
（3）水下目标识别中样本选择与SVME融合算法（论文提纲范文）
| 1 样本选择与SVME融合方法 |
| 1.1 样本选择与SVME融合方法原理 |
| 1.2 WRNN算法原理 |
| 1.3 WICISA算法原理 |
| 1.3.1 加权亲和度计算 |
| 1.3.2 克隆算子的主要操作过程 |
| 1)克隆操作 |
| 2)免疫基因操作 |
| 3)克隆选择操作 |
| 2 实验与讨论 |
| 2.1 实验数据 |
| 2.2 样本选择与分类实验参数设置 |
| 2.3 实验结果与讨论 |
| 1)WICISA样本选择算法中适应度变化 |
| 2)样本重要性指数 |
| 3)样本选择前后SVM分类性能的比较 |
| 3 结语 |
（5）用于水声目标分类的加权免疫克隆样本选择算法（论文提纲范文）
| 0 引言 |
| 1 免疫克隆样本选择算法 |
| 2 加权免疫克隆样本选择算法 |
| 2.1 w ICISA算法原理 |
| 2.2 w ICISA描述 |
| 2.3 计算样本权值 |
| 2.4 抗体亲合度计算 |
| 2.5 抗体克隆数计算 |
| 2.6 抗体更新操作 |
| 3 实验与讨论 |
| 3.1 实验数据 |
| 3.2 样本选择与分类实验 |
| 4 结论 |
（6）水声波导中包络线谱强度数值预报（论文提纲范文）
| 引言 |
| 1 舰船辐射噪声的包络线谱理论建模[26] |
| 2 舰船辐射噪声包络线谱强度衰减规律 |
| 2.1 调制谱的线谱检测理论 |
| 2.2 包络谱线谱的传播规律 |
| 3 在水声波导中舰船辐射噪声包络线谱高度的数值预报方法 |
| 4 结论 |
（7）水下输油管道泄漏辐射噪声研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 射流噪声与定位原理 |
| 2.1 射流噪声原理 |
| 2.2 单矢量水听器测向原理 |
| 2.3 三元声压水听器阵被动定位原理 |
| 2.4 本章小结 |
| 第3章 射流噪声仿真及试验研究 |
| 3.1 概述 |
| 3.2 背景噪声研究 |
| 3.3 试验概况 |
| 3.3.1 试验条件 |
| 3.3.2 试验研究内容 |
| 3.3.3 试验数据处理方法 |
| 3.4 射流噪声仿真 |
| 3.5 射流噪声试验结果分析 |
| 3.6 本章小结 |
| 第4章 管道漏点定位仿真及试验研究 |
| 4.1 概述 |
| 4.2 基于单矢量水听器测向仿真 |
| 4.3 单矢量水听器测向试验数据分析 |
| 4.4 基于三元声压水听器被动定位仿真 |
| 4.5 三元阵定位试验结果分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（8）用于水声目标识别的自适应免疫特征选择算法（论文提纲范文）
| 1 水声目标多域特征提取 |
| 1.1 波形结构特征 |
| (1) 过零点分布特征: |
| (2) 峰间幅值分布特征: |
| (3) 波长差分布特征: |
| 1.2 小波分析特征 |
| (1) 各级小波信号的过零点波的波长分布密度的信息熵: |
| (2) 各级小波信号的相似性特征: |
| (3) 小波分解低频包络特征: |
| 1.3 听觉特征 |
| (1) 听觉谱特征: |
| (2) Mel频率倒谱特征 (Mel Frequency Cepstral Coefficient, MFCC) : |
| 2 基于自适应免疫的特征选择算法 |
| 2.1 算法原理 |
| 2.2 问题的编码与初始种群的生成 |
| 2.3 适应度函数 |
| 2.4 自适应免疫算子 |
| 3 实验与讨论 |
| 3.1 实验数据 |
| 3.2 特征选择与分类实验 |
| 4 结 语 |
（10）基于小波包分解的水下物体探测仪目标特征提取（论文提纲范文）
| 1 小波包算法 |
| 2 小波包分解对水下物体探测仪水下目标特征的提取 |
| 3 小波包分解的水下物体探测仪目标特征提取性能分析 |
| 4 小结 |
四、基于小波与三次样条插值的包迹谱的水下目标分类研究（论文参考文献）
- [1]基于光视觉的水下图像复原与目标分类方法研究[D]. 李倩. 哈尔滨工程大学, 2017(06)
- [2]水下目标辐射噪声生理感知特征的提取方法研究[D]. 吴姚振. 西北工业大学, 2015(07)
- [3]水下目标识别中样本选择与SVME融合算法[J]. 杨宏晖,王芸,戴健. 西北工业大学学报, 2014(03)
- [4]用于水声目标识别的自适应遗传样本选择算法[J]. 戴健,杨宏晖,王芸,孙进才. 声学技术, 2013(04)
- [5]用于水声目标分类的加权免疫克隆样本选择算法[J]. 杨宏晖,王芸,戴健. 声学技术, 2013(01)
- [6]水声波导中包络线谱强度数值预报[J]. 吴国清,王美刚,陈耀明. 声学学报, 2012(04)
- [7]水下输油管道泄漏辐射噪声研究[D]. 刘志强. 哈尔滨工程大学, 2012(02)
- [8]用于水声目标识别的自适应免疫特征选择算法[J]. 杨宏晖,戴健,孙进才,杜方键,彭圆,李桂娟. 西安交通大学学报, 2011(12)
- [9]水声目标DEMON线谱仿真研究[A]. 史广智,胡均川,笪良龙. 中国声学学会水声学分会2011年全国水声学学术会议论文集, 2011
- [10]基于小波包分解的水下物体探测仪目标特征提取[J]. 张明远,于铭. 林业机械与木工设备, 2009(03)