《基于Daubechies小波和证据理论的声目标识别》PDF+DOC
作者:孙德刚
单位:中南大学
出版:《中南大学学报(自然科学版)》2010年第04期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFZNGD2010040460
DOC编号:DOCZNGD2010040469
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于神经网络和证据理论的图像目标识别研究》PDF+DOC2005年第11期 黄金,程咏梅,皮燕妮,潘泉
《D-S证据理论在多传感器目标识别中的应用》PDF+DOC2002年第12期 唐海峰,张合,李豪杰
《基于神经网络与改进D-S证据理论的目标识别》PDF+DOC2009年第07期 朱鑫森,刘顺承
《D-S证据理论方法在目标识别中的应用》PDF+DOC2007年第05期 周炳玉,卢野,李壮,巫海宁
《基于数据融合的红外目标识别》PDF+DOC2007年第08期 黄勇,陈建华
《智能雷主动探测目标系统研究》PDF+DOC2006年第S3期 尹建平,常变红,王志军
《多传感器数据融合技术与应用》PDF+DOC2005年第05期 陈俊任,王保强,刘心田
《多传感器目标识别的神经网络与证据理论结合方法》PDF+DOC2005年第06期 杨露菁,郝威
《D-S证据理论信息融合方法在目标识别中的应用》PDF+DOC2005年第03期 徐俊艳
《用D-S证据理论方法实现多传感器数据融合》PDF+DOC2003年第05期 孙慧影,张彦军,崔平远
根据战场环境复杂多变的特点,提出采用小波变换对目标声信号进行特征转换,用基于Daubechies小波和证据理论(即D-S证据理论)对基于多传感器的声目标进行融合识别。其步骤为:首先,针对Fourier分析在处理目标非平稳随机信号方面的不足,运用Daubechies小波变换对信号进行处理,即将256个数据为一组的采样信号在Daubechies小波第三尺度上进行变换处理,在保留信号的峰峰值位置、个数等原始特征的前提下,数据处理量由256个减少到32个,从而减少了后续数据的处理量和处理难度;其次,对经过Daubechies小波变换的数据采用FOBW编码进行特征提取,并建立常见声目标的特征信息库;最后,分析并研究数据融合在声目标探测识别中的应用。研究结果表明:与单一传感器识别和多传感器融合识别效果相比,采用D-S证据理论的声目标识别,系统的识别率提高,系统的误判率降低,达到甚至超过了预定的技术指标。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。