基于小波变换的特征提取方法分析

论文提出并讨论了四种基于小波变换的特征提取方法 基于小波变换的模极大值特征、基于小波分解的能量特征、基于小波包分解的嫡特征以及基于适应性小波网络的特征提取方法 ,阐述 了各方法 的基本原理及实现过程,并将其用于水声信号的特征提取 ,通过分类结果比较,分析了各种方法的特点及适用性

本页已使用福昕阅读器进行编辑。福昕软件(C)2005-2009,版权所有，仅供试用。第十六卷第二期年月

信号处理

基于小波变换的特征提取方法分析张静远张冰蒋兴舟海军工程学院兵器工程系

摘要

论文提出并讨论了四种基于小波变换的特征提取方法基于小波变换的模极大值特征基于小波、

、

分解的能量特征基于小波包分解的嫡特征以及基于适应性小波网络的特征提取方法阐述了各方法的基本原理及实现过程并将其用于水声信号的特征提取通过分类结果比较分析了各种方法的特点及适用性,,,

,

关键词

目标识别

特征提取

小波变换

分类器、

声纳

一引言随着水声与电子信息技术的迅猛发展水下争斗日趋激烈,,,,,

各种水声对抗器材的出现对各种声纳装置的,

,

性能提出了更高的要求尽可能识别目标真伪排除各种干扰并有选择地跟踪真实目标已同信号检测和目标参数估计一样成为声纳装置必备的功能因此加快研究水下目标特征提取与分类方法势在必行小波变换是近年来兴起的信号分析手段。

在数学领域它被认为是现代傅立叶分析的重大突破,

,

小波变换,

优于傅立叶变换的地方在于它在时域和频域同时具有良好的局部化性质可以聚焦到信号的任意细节被人们誉为数学显微镜。

英美等主要西方国家都将它列为卯年代重点研究方向之一论文讨论了四种基于小波变换、、

的特征提取方法基于小波变换的模极大值特征基于小波分解的能量特征基于小波包分解的嫡特征以及基于

适应性小波网络的特征提取方法阐述各方法的基本原理及实现过程并将其用于水声信号的特征提取,,

通过

分类结果比较分析各种方法的特点及适用性

,

二基于小波变换的多尺度空间能量分布特征提取小波变换与能量分布特征小波变换的实质是对原始信号的滤波过程,

、

小波函数选取的不同分解结果也不同,,

。

但无论小波函数如何因此各尺度空间,

选取每一分解尺度所用的滤波器中心频率和带宽成固定的比例即具有所谓的恒,,

“

”

特性

内的平滑信号和细节信号能提供原始信号的时频局域信息特别是能提供不同频段上信号的构成

信息同分解尺度上信号的能量求解出来则可以将这些能量值按尺度顺序排列形成特征向量供识别用

若把不

这就是基于

小波变换提取多尺度空间能量特征的基本原理对于声纳来说水下目标辐射的噪声或者经同一发射信号激发的水下目标回波所包含的能量频谱分布与,,

目标的大小形状和类型密切相关

、

因此小波分解后尺度空间上的能量分布如同舰船的低频线谱一样是目标,

,

的本质特征可用于识别分类

,

利用能量分布特征分类的具体实现方法

理论上讲可以使用任何形式的小波函数对目标信号进行分解二进小波变换来提取尺度空间上的能量分布特征体多尺度空间能量分布特征的提取及目标识别过程的流程如图图中时频预处理过程是对回波信号进行能量归一化进行能量归一化

,

为了计算方便并减少特征维数这里利用,

其中二进小波分解的过程可以用所示。

快速算法实现,

。

具,

若最后识别结果不够理想可先进行互相关处理再

能量归一化作用是减小同类目标相对自导系统距离远近的影响而互相关处理作用是尽量减,

小发射信号的影响且实现脉冲压缩选择部分尺度空间能量组成特征向量主要是指选择那些能量相对集中的尺度空间海军青年基金项目本课题研究受到水中兵器军队重点实验室资助“”

这样既能充分利用

论文提出并讨论了四种基于小波变换的特征提取方法 基于小波变换的模极大值特征、基于小波分解的能量特征、基于小波包分解的嫡特征以及基于适应性小波网络的特征提取方法 ,阐述 了各方法 的基本原理及实现过程,并将其用于水声信号的特征提取 ,通过分类结果比较,分析了各种方法的特点及适用性

本页已使用福昕阅读器进行编辑。福昕软件(C)2005-2009,版权所有，仅供试用。第二期基于小波变换的特征提取方法分析巧

回波先验信息使目标回波的主要能量特征得以增强又能减小特征维数加快分类速度,,

,

但如果先验信息不明

确或因减小特征维数导致分类能力降低那么仍应将所有尺度空间能量组成最终的特征向量,

曰盯图,

口

基于小波变换的多尺度空间能量特征提取及识别方法

水下目标实测数据的分类结果岩石砂石和淤泥,、

毗,,,,

选取部

分空间抽向组

分类协

分

卜升英结采

成特征

为验证该方法利用实测的湖底回波数据对湖底三类不同介质进行了分类识别个每类介质各有以】回波数据每个回波数据长度为个中随机抽取从作为标准样本再从剩下的频率为

。

这三类不同介质分

别是个,

么刃个回波数据中精选出

个作为测试样本

三类介质都采用同一个发射信号角夕采样的二进小波变换快速算法对三类,

比级尺度的小波分解并计算所有尺度空间的能量设,,

小波函数设计为一个紧支集的二次样条函数川特征提取采用了回波数据进行

为第级尺细节空间的能量则李,

级尺

度下能量组成的特征向量可表示为,

几马气马,

,

图

给出了砂石底介质某个回波的二进小波分解和特征提取结果

一图采用

砂石底某个回波的小波分解结果及能量分布特征,

近邻法分类器

,

设计为

得到的识别结果由表

给出

表、

近邻法分类器的识别结果

认之呈岩石、

万

测试样本数

分为该类的数目

正确

平均

岩不犷

砂丫

一

淤泥

识别率,

识别率率

砂石淤泥而采用网络分类器时设计网络为,

一

一

结构得到的平均识别率为,

三墓于小波变换的多尺度空间中极值特征提取

、

多尺度空间极大值特征的基本原理通常情况下一个目标回波中上升与下跳沿附近以及一些起伏变化剧烈的部分往往蕴含了丰富的目标结构,

和形状信息

这些突变部分被理解为是由目标的高频散射产生的而该高频散射过程常认为是多个散射中心,

论文提出并讨论了四种基于小波变换的特征提取方法 基于小波变换的模极大值特征、基于小波分解的能量特征、基于小波包分解的嫡特征以及基于适应性小波网络的特征提取方法 ,阐述 了各方法 的基本原理及实现过程,并将其用于水声信号的特征提取 ,通过分类结果比较,分析了各种方法的特点及适用性

本页已使用福昕阅读器进行编辑。福昕软件(C)2005-2009,版权所有，仅供试用。巧

信号处理

第十六卷

反射的叠加其上每一个典型的峰值点代表了一个散射中心,,、

因此提取出描述这些局域波形光滑程度的参数,

和位置就相当于得到了该目标精细的表面结构材料及形状等相对不变特征< …… 此处隐藏：2395字，全部文档内容请下载后查看。喜欢就下载吧 ……