基于渔探仪的目标双谱特征提取

在归一化双谱三维特征图中按fs／M的间隔沿着y轴做平行于xz平面的等间隔截面，可得到双谱低频端的100个截面，取100个截面中各截面的最大双谱值作为特征向量，由以上方法可以得到100维特征向量，频率范围从100Hz——5kHz。图2表示五类目标的100个最大双谱幅度值的连线图，可见不同类别的目标特征存在着一定的差异，且数据量得到很大的压缩。

图2五类渔探仪目标信号的双谱二维特征图

3双谱特征提取的性能分析

利用BP神经网络对五类目标的双谱特征进行识别，以检验双谱估计提取渔探仪目标特征的有效性。

表 1基于双谱估计的五类目标识别结果(已学习样本)

表 2基于双谱估计的五类目标识别结果(非学习样本)

由五类目标识别结果可以看出：

BP神经网络目标分类器对已学习过的样本的识别率比较高，均能达到95％以上，而对未学习过的样本的识别率相对来说比较低，这是因为未学习过的样本信号形式与目标分类器学习过的样本信号形式存在一定差异，总的目标识别率和其它已有的神经网络目标分类器相比较高，体现了利用双谱估计对渔探仪目标信号进行特征提取是有效的。同时也是因为湖上试验数据均是在强信噪比的情况下所获得的，而且五类目标信号之间的差异性比较大。

4结论

前面讨论了双谱特征提取方法，利用双谱估计算法对渔探仪目标信号进行特征提取，通过BP神经网络来对目标的双谱特征进行分类。通过湖上实验，结果表明，该方法能够有效的提取水下目标辐射噪声的非高斯特征分量。采用高阶谱进行目标特征提取是当今目标特征提取方法中比较前沿的方法之一，尚存在诸多问题，有待今后做进一步的研究。

参考文献
〔1〕 张贤达，保铮．通信信号处理[M]．北京：国防工业出版社，2000，277—286
〔2〕 沈凤麟，叶中付，钱玉美．信号统计分析与处理[M]．合肥：中国科学技术大学出版社，2001，112—125
〔3〕何振亚．多维数字信号处理[M]．国防工业出版社，1995，205—214
〔4〕彭圆，申丽然，李雪耀，王科俊．基于双谱的水下目标辐射噪声的特征提取与分类研究[J]．哈尔滨工程大学学报，2003，24(4)：390—393(end)