基于混沌预测的水声微弱信号检测技术研究

论文摘要

湖泊及海洋环境的复杂性以及舰船隐身降噪技术的不断发展,使得水声信号的检测变得愈加困难,传统的检测方法显现出了一定的局限性。近年来,随着混沌理论研究的不断深入,人们将混沌理论引入到水声信号的分析中来,并结合水声信号的特点,研究了水声信号产生混沌的机理,证明了水声信号的混沌特性。本文在此研究的基础上,验证和利用水声信号的混沌特性,将混沌背景下的微弱信号检测技术应用于水声领域,提出一种通过RBF神经网络方法建立混响及水下环境噪声的预测模型,以及从预测误差中检测微弱信号的方法。本文主要研究内容如下:1、研究了水声信号混沌特征参数的计算,通过非线性时间序列的分析方法验证水声信号的混沌特性。2、采用RBF神经网络算法建立了混响及水下环境噪声的一步预测模型。重点讨论了预测模型的学习算法,通过仿真验证了模型对混响及水下环境噪声的预测效果。3、在建立预测模型的基础上,提出了一种基于混沌预测的微弱信号检测模型。通过对Lorenz信号和实际水声信号进行仿真,验证了对低信噪比条件下混响背景和水下环境噪声中微弱谐波信号检测的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 混沌理论的发展概况
• 1.2 混沌理论在水声信号检测中的应用现状
• 1.3 本文的主要工作
• 第二章 混沌理论与混沌特征参数
• 2.1 引言
• 2.2 混沌的特征和性态
• 2.2.1 混沌运动的特征
• 2.2.2 混沌的数学定义
• 2.2.3 混沌序列与周期序列和随机噪声的区别
• 2.3 奇怪吸引子
• 2.4 奇怪吸引子的分形维数
• 2.4.1 豪斯多夫维
• 2.4.2 关联维
• 2.5 Lyapunov 指数
• 第三章 混沌序列状态空间重构参数估计的计算仿真
• 3.1 引言
• 3.2 Takens 相空间重构理论及重构参数估计
• 3.2.1 Takens 相空间重构理论
• 3.2.2 混沌时间序列相空间重构的延迟时间估计
• 3.2.3 混沌时间序列相空间重构的嵌入维数估计
• 3.3 从时间序列估计最大Lypapunov 指数
• 第四章 基于RBF 神经网络的混沌背景下微弱信号检测方法研究
• 4.1 引言
• 4.2 RBF 神经网络的原理
• 4.3 RBF 神经网络的训练过程
• 4.4 结合神经网络的混沌预测及其仿真研究
• 4.4.1 确定RBF 神经网络结构
• 4.4.2 RBF 神经网络进行混沌预测仿真
• 4.5 检测混沌噪声背景中的谐波信号
• 4.5.1 检测混沌中的微弱谐波信号模型
• 4.5.2 基于RBF 神经网络预测模型的预测误差分析
• 4.5.3 仿真研究
• 第五章 水声信号采集系统设计
• 5.1 总体设计
• 5.2 声学装置设计
• 5.3 采集控制系统设计
• 5.3.1 主控制模块设计
• 5.3.2 信号采集模块设计
• 5.3.3 信号预处理模块设计
• 第六章 混响背景中基于混沌预测的微弱信号检测实验
• 6.1 引言
• 6.2 水池混响信号的时域特征及相轨迹
• 6.3 基于相空间重构和神经网络方法的水池混响信号预测
• 6.4 水池混响背景中基于预测模型的微弱谐波检测
• 6.4.1 混响背景下微弱谐波的频率检测
• 6.4.2 混响背景下微弱谐波的相位检测
• 6.5 应用前景
• 第七章 湖下环境噪声中基于混沌预测的微弱信号检测实验
• 7.1 引言
• 7.2 湖下环境噪声的频域特征及相轨迹
• 7.3 基于相空间重构和神经网络方法的水下环境噪声预测
• 7.4 水下环境噪声中基于预测模型的微弱谐波检测
• 7.5 应用前景
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果