基于神经网络的声纳特征级信息融合中目标分类研究

摘要：

声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类),以利于实时处理、决策分析.基于数学模型的各种算法,由于情况复杂,往往很难建立.而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模.在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果.仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础.

关键词：船舶、舰船工程、声纳、目标分类、神经网络、信息融合

分类号：U666.73(船舶工程)

在线出版日期：2005-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41