智能光纤传感器网络地面目标识别若干问题研究

论文摘要

无人值守地面传感器网络(UGS)最早是在战争中发展起来的,对地面目标进行探测、分类、跟踪和定位的智能侦察系统。光纤传感器网络有着灵敏度高,不受电磁干扰,与光纤通信网络兼容,易于大规模组网等诸多优势,所以成为无人值守地面传感器系统的有力补充。地震动传感器是地面传感器网络的重要组成部分,光纤地震动传感器网络成为战场环境监测的重要手段。在战场环境下,当地面目标运动时,所激发的地面振动信号沿地球表面向四面传播,到达传感器端,通过对信号的分析、处理,就可以实现对地面目标的识别、定位和跟踪等。本文讨论了战场环境下,光纤地震动传感器网络对地面目标的探测和识别相关问题。本文首先研究了地面运动目标的地震动信号的发生和传播机理。对地面人员和车辆信号的目标特性进行了分析,分析了地面人员目标的探测方法,建立了地面车辆目标的信号发生的模型。然后,着重讨论地震波的传播、衰减、频散等各方面的影响,通过波动方程定性的分析了传播过程对信号本身特性及其识别带来的影响。然后,分析实际外场环境下可能的背景噪声状况,提出了基于自适应阈值的恒虚警率目标探测方法,在保证探测率的同时,极大程度的降低了系统虚警率。在此基础上,对地面目标信号进行了特征的提取和优化。分别从信号的时频、频域和时频域分析了信号的基本特性。重点讨论了地面人员特征量的提取,运用自适应阈值小波去噪方法对地面人员信号进行了去噪处理,极大程度的提高了信号的信噪比。地面车辆信号在时频域具有明显的特征,与频域相结合,提出了多特征联合的特征提取方法。根据外场实际采集的目标样本,建立了大规模的目标特征库。为了应对外界复杂情况,提高识别率,采用了基于统计学习理论和支持向量机的目标识别方法,通过与其它模式识别方法的对比实验,说明支持向量机的分类方法具有更好分类能力和泛化性,在目标识别领域有广阔的应用前景。在光纤传感器网络中,多传感器协同处理是提高系统整体性能的基本方法,本文采用基于DS证据理论的判决融合方法,提高了系统的分类正确率。在实际外场应用中,多混叠目标的探测与识别问题是亟待研究和解决的问题。本文首次采用独立分量分析的方法对多混叠目标的地震动信号进行了分析,首先将混叠信号进行分离,然后再分别进行识别。建立了多混叠信号的基本模型,运用FastICA算法进行了仿真实验,说明独立成分分析是解决多目标问题的有效算法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.1.1 国内外发展状况
• 1.1.2 课题研究背景
• 1.2 光纤地震动传感器网络概述
• 1.2.1 技术优势
• 1.2.2 系统原理与基本组成
• 1.3 智能地面目标概述
• 1.3.1 问题分析
• 1.3.2 地面目标识别基本工作流程
• 1.4 论文的主要研究内容及其创新点
• 第二章 地面目标震动信号发生与传播机理及目标探测方法研究
• 2.1 引言
• 2.2 战场环境目标地震动信号发生机理
• 2.2.1 人员脚步信号模型
• 2.2.2 车辆运动信号模型
• 2.2.3 实测外界车辆信号
• 2.3 地震动传播模型分析
• 2.3.1 地震波传播理论概述
• 2.3.2 瑞雷波的形成及其传播模型
• 2.3.3 瑞雷波衰减特性分析
• 2.3.4 瑞雷波频散特性分析
• 2.4 环境自适应地面目标探测方法
• 2.4.1 自适应恒虚警率目标探测方法
• 2.5 本章小结
• 第三章 地面目标识别震动信号特征提取与选择
• 3.1 概述
• 3.2 目标地震动信号特征分析
• 3.2.1 时域特征分析
• 3.2.2 频域特征分析
• 3.2.3 时频域特征分析
• 3.2.4 地面目标小波特征分析
• 3.3 基于自适应阈值小波去噪方法的人员脚步信号分析
• 3.3.1 小波去噪方法
• 3.4 多特征联合（UMF）的地面目标特征提取方法
• 3.4.1 外场数据采集实验与数据集
• 3.4.2 多特征联合方法
• 3.4.3 特征的选择、评价与优化方法
• 3.5 本章小结
• 第四章 基于统计学习理论的地面目标识别算法研究
• 4.1 地面目标识别与模式识别方法概述
• 4.1.1 地面目标分类方法发展状况
• 4.1.2 贝叶斯（Bayes）判别高斯混合模型（GMM）方法
• 4.1.3 神经网络方法
• 4.2 统计学习理论与SVM方法概述
• 4.2.1 统计学习理论
• 4.2.2 支持向量机
• 4.2.3 支持向量机的实现方法及模式识别应用
• 4.3 基于SVM的地面目标识别
• 4.3.1 SensIT数据集分析
• 4.3.2 内蒙外场数据实验
• 4.4 本章小结
• 第五章 地面多传感器和多混叠目标问题研究
• 5.1 地面多传感器、多目标问题概述
• 5.2 地面目标识别多传感器信息融合问题研究
• 5.2.1 信息融合基本概念
• 5.2.2 Dempster-Shafer证据理论
• 5.2.3 地面目标识别多传感识别算法
• 5.3 基于多混叠地震动信号的地面目标识别
• 5.3.1 盲源分离问题概述
• 5.3.2 独立分量分析（ICA）
• 5.3.3 FastICA算法
• 5.3.4 独立分量分析的预处理
• 5.3.5 基于ICA多地面目标识别
• 5.3.6 信号分离仿真实验
• 5.4 本章小结
• 第六章 总结与工作展望
• 6.1 本文的主要工作内容
• 6.2 下一步的工作展望
• 参考文献
• 发表文章及申请专利目录
• 简历
• 致谢