基于小波变换的特征提取方法分析(2)

一卜‘一

粼铸

一一、,、卜

产价作、

托、

系、

‘

一坛,

小

、们。尹月、

一

水

‘

,

丫

、

丫、刁

一

、

、

某个岩石底回波的极大值特征某个鹅卵石底回彼的极大值特征图基于小波分解的模极大值特征

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

采用

近邻法分类器选取

,

值为筑最终得到的分类识别结果

如表所示

裹

小波分解模极大值特征的分类结果

飞耀星岩石鹅卵不淤泥

测试样本数

分为该类的数目岩不鹅卵石石淤泥

正确识别率

平均识别率

四

、

墓于小波包变换的特征提取及识别

基本原理统计热力学认为摘是物理系统状态概率的测度用来反映系统状态的无组织或紊乱程度,

在信息论中

,

这种无组织情况可具体理解为随机信号序列的不定性表现

因此信息论中将摘衍生为随机信号序列的概率密,,

度的泛函门

。

嫡越小随机信号序列的不定性程度越低从而该序列代表的信息量状态也就越稳定。

,

,

目标回波经采样后可得到时城内的随机信号序列尺度域各子空间内的随机系数序列,。

利用小波争分解可将该时域随机信号序列映射为时间

此即表明按小波包分解得到的最佳子空间内随机系数序列的不定性程度,

最低在小波包变换域内的目标信息状态最为稳定目标回波包含的特征状态

这种小波包分解结果中所包含的最稳定的信息状态可视为,

而不同种类目标对应的特征状态一方面可由各自对应最佳子空间的嫡值及嫡值总。

和来衡量另一方面则可通过回波按最佳小波包基分解后呈现的二叉树拓扑结构来反映的摘值及最佳子空间在完整二叉树中的位置参数作为特征量可以用于目标识别,

因此将最佳子空间,

之最佳子空间摘特征的提取方法及分类实现

小波包库包含了多种小波包基而每一组小波包基都构成,

夕的一组正交基因此对于目标回波址班旧口已在他们的文章中提出了利用,

,

厂华公,

,

只孺按其中某组小波包基进行分解即可,

抽和,

信息代价函数选取最佳小波包基并进行分解的算法阎,

实际特征提取时各个回波的最佳小波包基选取不可因此为了能得到统一,,,

预见对应的二叉树结构各异即便是同一类目标的回波其二叉树的结构也略有不同,,

的特征向量形式同时充分利用不同二叉树的结构信息及所有最佳子空间对应嫡值可以以尺度为基准将每一尺度下属于最佳子空间的嫡值求和以和值作为该尺度下的特征量并将所有尺度下的特征量依尺度分解顺序

组合在一起形成最终的特征向量,

基于小波包变换的最佳子空间摘特征

提取及目标识别的过程如图所示一水目下

标回

时预城处理

小包波变换

依摘选取最最小原则佳子空间

提取各尺子空间的度下最佳摘值组成特征向

类分器

识

别结果

波

图

基于小波包变换的最佳子空间嫡特征提取及识别方法,

水下目标实测数据的分类结果为脸证基于最佳子空间嫡特征的水下目标识别方法仍旧利用了与前两节相同类型的回波数据即实测的,

个回波数据数据长度为其中每类依旧精选出个岩石鹅卵石和淤泥三种介质回波数据每类介质为标准样本再从剩下的个中随机抽取个作为测试样本即标准样本和侧试样本集均含有个回波帐

、

。

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。印

信号处理

第十六卷

数据小波包分解时设计选用价函数采用对数嫡,

戈

此一小波阉作为导出的小波包层计算形成,

。

最佳子空间选取过程中具体的信息代,

回波依尺度分解

维特征向量

该最佳子空间选取结果及对应嫡值特征所示

提取结果如图采用

和图

所示,

近邻法分类器选取

为为

,

最终得到的识别结果如表

溉戮岩了

测试样本数数

分为该类的数目

正确

平均识别率

岩石弓

鹅卵丫〕准

淤泥

识别率

鹅卵了淤泥霞陈汁侧别求一『、

。

亏

弓

最佳子空间在小波包域的散布情况峥八勺巧门峥甘廿占}百,,八份

喀」」

」

一

一

一

一

一

一

尸「「二亡二二厂二厂二亡二仁二厂二厂二二二巨二二二亡二「〔二二亡一一

最佳子空间在小波包域的散布情况气二门千的冷杯油侣柑兰浏李侧}乙韶、

二

〔二二二厂

一

一一

绷

一一一一幽二乍二二厂二仁二二二〔二〔二巨二〔二〔二〔二仁二【二〔二二二巨二【二〔卫二二二二二二二二巴上〔日肠口曰一

宁甲离曰

氮

二

厂二仁二〔二二二二二二「二二〔二二一一「二侣二二「〔二】二仁二〔二二二二二一厂二「二〔二〔二二二】二〔二仁二二二二一一一住二亡二一一犷二二「二巨二】二二二二二一「二〔二〔二〔二二二二二二二二〔「二〔二】二二二气二〔二二巨二仁二〔二二二〔,巴二二二二二二二〔二〔二巨二仁百习一〔二二【二〔二二二二仁幽叫二

】

小波

包分解层数

小波包分解层数

某淤泥底回波某岩石底回波图不同回波依最佳小波包基展开结果 一

嫡价

}}

“,}、

翻溶麒抑邓夕萨夕擂分解尺度层数、

溜

灿伯

丫蟾只

霹

一

蘸僵,,

分解尺度层数

某个淤泥底回波某个岩石底回波图各分解层的嫡值特征分布

五墓于适应性小波神经网络的特征提取与分类基本原理与特征提取算法按文献闭所示方法信号的自适应小波特征是通过对信号进行适应性小波表示实现的,

其原理如下任意

信号

可以用母小波

及其子小波的加权求和近似表示即

,

穿,

艺,。

一

‘

〔不

扩少、

式中叭久和气是每一子小波的权系数平移因子和伸缩因子络表示网络参数,得函数

信号的这一近似表示可以用图所示的神经网一

、和,

、可通过求一能量函数“一

客合

‘。,的极刁值而优化得到

、

用梯度下降法求

的最小值后即可得到网络参数,

久和几,

气

将这些参数按序排列即可得到信号的特征向量

二铸< …… 此处隐藏：2210字，全部文档内容请下载后查看。喜欢就下载吧 ……