目 录

图1.1史蒂文斯被动水声探测系统示意图
图1.2国产智能水下航器
图1.3声呐系统模型
图2.1水下攻防系统结构
图2.2水下攻防系统中信号处理系统的整体结构
图2.3一维水声信号处理识别系统结构
图2.4水下攻防系统的声呐图像处理识别系统结构
图2.53层多分辨分析树状图
图2.6不同阈值函数的图像
图2.7传统采样技术和CS采样技术的结构对比
图2.8信号稀疏化
图3.1遗传自适应算法流程图
图3.2blocks信号的实验图
图3.3bumps信号的实验图
图3.4heavy sine信号的实验图
图3.5实验信号和对应的小波功率谱
图3.6仿真信号去噪
图3.7不同算法的滤波结果
图3.8噪声信号采集系统示意图
图3.9使用传统阈值函数去噪效果图
图3.10可变阈值函数图形
图3.11基于自适应阈值函数的去噪流程
图3.12各种方法对bumps数据的去噪效果比较
图3.13各种方法的去噪效果比较
图3.14传统滤波方法比较
图3.15频域低通滤波方法比较
图3.16各种滤波器输出峰峰值信噪比的增益幅度
图3.17声呐图像“飞机”滤波效果对比
图3.18声呐图像“沉船”滤波效果对比
图4.1Pekeries模型示意图
图4.2浅海声场的传播途径示意图
图4.3测量基阵和目标位置
图4.4声线结构图
图4.5实验原理图
图4.6RHSA3水听器
图4.7数据采集处理系统
图4.8目标信号的归一化自相关函数
图4.9时延估计误差
图4.10距离估计误差
图5.1倒滤波器
图5.2线性预测器
图5.3回波信号包络及其在3种小波6层分解后的能量分布图
图5.44种水下目标回波信号包络波形
图5.5最优分解层数的选择算法流程图
图5.6不同分解层次下4类目标特征向量判别熵
图5.7模拟螺旋桨噪声信号的时域和频域表示
图5.8模拟的海洋环境信号
图5.9模拟航器辐射噪声信号
图6.1原始声呐图像
图6.23种插值方法比较
图6.3Coifman图像的小波变换结果
图6.4生成稀疏表示字典流程图
图6.5基于稀疏表示的声呐图像识别算法
图6.6稀疏表示示意图
图6.7Gram矩阵的阈值函数
图6.8阈值平均相关系数
图6.9回溯算法求步长流程图
图6.10投影矩阵优化流程图
图6.114种投影矩阵对应重构误差随观测值n变化曲线
图6.12不同投影矩阵对应的重构doppler信号
图6.13不同投影矩阵对应的重构Daubechies图像
图6.14不同投影矩阵对应的重构“船”图像
图6.15“船”声呐图像的稀疏表示系数和残差
图6.16两种分类方法在不同向量特征维数下的识别率
表3-1blocks信号实验数据比较
表3-2bumps信号实验数据比较
表3-3heavy sine信号实验数据比较
表3-4不同滤波方法比较
表3-5滤波效果比较
表3-6滤波时间比
表3-7水下回波信号在5个尺度上的能量分布占总能量的比例
表3-8各种方法对blocks信号的去噪指标
表3-9各种方法对bumps信号的去噪指标
表3-10各种方法对金属圆柱体回波信号的去噪指标
表3-11各种方法对岩石回波信号的去噪指标
表3-12自适应滤波方法处理后的分类效果
表3-13本文滤波方法处理后的分类效果
表4-1不同深度和距离对应的俯仰角估计误差
表5-1使用3种小波基函数分解信号获得的Shannon熵
表5-24个原始信号10层分解后低频部分能量所占的比例
表5-3搜索算法输出结果
表5-4不同向量组合的最佳分解层数
表5-5使用不同小波基函数分解信号获得的Shannon熵
表5-6不同小波基对应的分类效果
表5-7不同分解层数分类效果
表5-8两种特征提取方法对应的分类效果
表5-9采用改进BP算法的神经网络分类器的分类结果（训练样本）
表5-10采用改进BP算法的神经网络分类器的分类结果（测试样本）
表5-11采用遗传BP算法的神经网络分类器的分类结果（训练样本）
表5-12采用遗传BP算法的神经网络分类器的分类结果（测试样本）
表5-13采用自适应遗传BP算法的神经网络分类器的分类结果（训练样本）
表5-14采用自适应遗传BP算法的神经网络分类器的分类结果（测试样本）
表6-1OMP算法的步骤
表6-2不同投影矩阵对应的相关系数
表6-3不同投影矩阵对应的重构blocks信号指标
表6-4不同投影矩阵对应的重构doppler信号指标
表6-5不同投影矩阵对应的重构Daubechies图像指标
表6-6不同投影矩阵对应的重构“船”图像指标
表6-7正确识别率
目录

第1章绪论
1.1研究背景及意义
1.2国内外水下攻防系统的研究现状
1.3攻防系统的相关信号处理技术
1.4本书结构
第2章系统结构及信号处理的理论基础研究与分析
2.1探测和识别系统组成
2.2水下攻防系统信号处理与识别系统结构
2.3小波变换及滤波的理论基础
2.4压缩感知理论基础
2.5本章小结
第3章基于小波变换的水声信号滤波技术研究
3.1基于小波域阈值滤波的水声信号去噪
3.2基于小波域自适应阈值函数的回波信号滤波
3.3声呐图像的滤波
3.4本章小结
第4章水下目标信号的参数估计
4.1水声信号多途射线传播模型
4.2水下目标的定位方法
4.3多途时延的估计方法
4.4主动声呐距离估计
4.5实验验证
4.6本章小结
第5章基于水声信号的目标分类识别处理技术研究
5.1回波信号的特征提取及分类识别
5.2航器辐射噪声信号的分类识别
5.3分类对比实验
5.4本章小结
第6章基于声呐图像的目标分类识别处理技术研究
6.1基于稀疏表示的分类识别算法
6.2声呐图像预处理
6.3声呐图像的分类识别
6.4投影矩阵的优化算法
6.5声呐图像分类对比实验
6.6本章小结
第7章结论
7.1总结
7.2研究展望
参考文献