论文部分内容阅读
特征提取的目的是从目标信号中找出其独有的信息作为特征量，是目标分类识别的关键。一直以来，特征量的提取都是信号处理领域非常关心的问题。传统的信号分析理论方法大都是基于线性平稳系统理论假设发展起来的，但对于非平稳、非线性信号，传统信号处理方法的应用会受到一定的限制。所以近些年也逐步发展并完善了一系列的非线性、非平稳信号处理方法，如经验模式分解（Empirical Mode Decomposition，简称EMD）、希尔伯特-黄变换（Hilbert-Huang transform，简称HHT）等，这给很多非平稳、非线性信号的处理带来了较大的突破。 舰船辐射噪声是典型的非平稳、非线性信号。为了更好的处理舰船辐射噪声的非平稳性和非线性，获得理想的特征参量，本文将利用EMD的分解方法，将舰船辐射噪声自适应地分解为一系列内禀模式函数(Intrinsic Mode Function，简称IMF)，其中每一阶IMF都有可能的反映了原舰船辐射噪声的一种振动模式。在此基础上，结合统计信号处理的方法，对得到的IMFs进行瞬时频率和能量双方面的分析处理:在瞬时频率分析中，通过比较舰船辐射噪声与白噪声两者各阶IMF瞬时频率分布，利用最小平方拟合的参数a和b来表示舰船辐射噪声与白噪声的区别，并利用其进行舰船分类识别实验，得到了平均92％的识别效果;在能量分析中，发现不同舰船辐射噪声的各阶IMF能量分布存在较大差异。利用各阶IMF能量组成特征参量M，并利用不同舰船特征参量的互相关系数来进行舰船分类识别，且得到了平均93％识别正确率;最后结合瞬时频率与能量，提出了由能量加权平均得到的短时中心频率，并得到了舰船辐射信号的短时中心频率-能量分布，再利用正交的勒让德多项式对该分布进行拟合，完成舰船的分类识别实验，且得到了平均96％的识别正确率。