基于小波包与PCA方法对水下目标识别研究

摘要：

水下目标信号的分类识别一直是信号处理工程领域的研究难点.针对水下信号发声机理十分复杂与成分多样,导致表征其特征的数据量较大且维数较高,目标识别率低.要解决上述问题,需要很大的计算成本,并影响识别特性量的效率,提出了一种采用小波包与主分量分析(Principal Component Analysis,PCA)相结合的特征提取方法.通过小波包分解与重构得到水下目标辐射噪声的初始特征；用PCA方法实现对高维特征向量的优化处理.采用BP神经网络作为分类器对三类目标进行识别仿真.结果表明,减少计算量的同时,水下目标信号得到了较好的优化提取.

关键词：小波包、主分量分析、目标识别

所属期刊栏目：28

分类号：O235(控制论、信息论（数学理论）)

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：8-10,111