渔探仪的前期设计开发与研究

论文摘要

本论文来源于陕西省政府科研基金项目“渔探仪”的一部分。当前在水声领域对矢量水听器信号处理技术的研究已经成为一个备受关注的课题,本论文的研究内容为基于矢量水听器的多通道数据采集系统的设计和水下目标被动识别软件的开发。 基于矢量水听器的多通道数据采集系统为了满足“渔探仪”这一实际科研项目的需要,设计了8个数据采集通道,对两个矢量水听器的输出进行接收;水下目标被动识别软件采用两种目标特征提取方法对水库实验数据进行目标特征提取,目标分类器则利用人工神经网络来完成。 多通道数据采集系统由模拟信号预处理电路、数据采集控制电路和数据采集控制程序三部分组成。其中模拟信号预处理电路的带通滤波频带、各通道增益均为可调;数据采集控制电路对采样频率、采集数据输出时序进行控制;数据采集控制程序负责把采集数据同步地读进计算机,并且保存起来用以数据后置处理。 水下目标被动识别软件包括两部分:目标特征提取和目标分类器。目标特征提取采用了小波包分解和双谱估计两种方法。采用小波包分析对水下目标进行不同频段内的能量特征进行提取;而双谱估计则是对水声信号的非高斯特性进行处理,从而提取水下目标的非高斯特征。目标分类器是通过对BP神经网络进行设计来实现的。 本论文所设计的多通道数据采集系统经过吉林松花湖、陕西冯家山水库两次试验验证,系统性能稳定,达到设计指标要求。水下目标被动识别软件对试验数据进行分析处理,得到了较高的水下目标识别率,说明了本文所选取的特征提取方法和对目标分类器的设计是可行的。

论文目录

• 第1章 绪论
• 1.1 研究背景
• 1.2 立题意义
• 1.3 矢量水听器的多通道数据采集系统设计
• 1.3.1 系统简介
• 1.3.2 系统主要功能
• 1.4 水下目标被动识别软件开发
• 1.4.1 水下目标识别技术研究的现状
• 1.4.2 水下目标特征提取
• 1.4.3 基于BP神经网络的目标分类器
• 1.5 论文主要研究内容
• 第2章 矢量水听器的多通道数据采集系统
• 2.1 概述
• 2.2 模拟信号预处理电路
• 2.2.1 通道放大电路的输入级
• 2.2.2 通道放大电路的高通滤波器
• 2.2.3 多通道增益控制电路
• 2.2.4 通道放大电路的低通滤波器
• 2.2.5 低通截止频率控制电路
• 2.2.6 扬声器功率放大输出电路
• 2.3 数据采集控制电路
• 2.3.1 数据采集电路
• 2.3.2 时序控制电路
• 2.4 数据采集控制程序
• 2.5 系统性能分析
• 2.5.1 模拟信号预处理电路性能分析
• 2.5.2 数据采集控制电路性能分析
• 2.6 本章小结
• 第3章 基于小波包分解的水下目标特征提取
• 3.1 引言
• 3.2 多分辨分析和小波包的定义
• 3.2.1 多分辨分析
• 3.2.2 小波包的定义
• 3.2.3 小波包算法
• 3.3 由小波包树到提取小波树的目标特征提取
• 3.4 本章小结
• 第4章 基于双谱估计的水下目标特征提取
• 4.1 引言
• 4.2 高阶谱估计的基本原理
• 4.3 双谱估计算法
• 4.4 双谱特征提取
• 4.5 本章小结
• 第5章 基于BP神经网络的目标分类器
• 5.1 水下目标被动识别技术的概述
• 5.1.1 人工神经网络的基本概念和研究方向
• 5.1.2 人工神经网络的发展史
• 5.2 BP神经网络
• 5.2.1 BP神经网络结构
• 5.2.2 BP神经网络设计
• 5.3 BP神经网络目标分类器
• 5.4 BP神经网络目标分类器的性能分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢