基于小波包分解的水面目标吨位大小分类方法.docx

基于小波包分解的水面目标吨位大小分类方法
基于小波包分解的水面目标吨位大小分类方法
摘要：随着水上交通的快速发展，对水面目标吨位大小的准确分类变得越来越重要。本论文提出了一种基于小波包分解的水面目标吨位大小分类方法。该方法通过小波包分解将水面目标信号转化为时频域表示，然后根据不同频带上的能量分布情况，进行吨位大小分类。实验结果表明，该方法能够有效地对水面目标吨位大小进行准确分类。
关键词：小波包分解；水面目标；吨位大小；分类
1.引言
水面目标吨位大小是指水上交通中各种船只的货物载重量。准确分类水面目标的吨位大小对于水路交通安全以及航行规划具有重要的实际意义。目前，常用的分类方法主要依赖于目视观察或者通过传感器获取目标信息进行判断。然而，这些方法存在着主观性强、判断准确度低的问题。因此，如何基于有效的信号处理方法对水面目标吨位大小进行准确分类成为一个研究热点。
2.相关工作
目前，针对水面目标分类的研究主要采用机器学习和信号处理相结合的方法。机器学习方法包括支持向量机（SVM）、人工神经网络（ANN）等，这些方法通过训练分类器来实现吨位大小的分类。信号处理方法则主要利用目标在时域或频域上的特征进行分类。然而，这些方法往往需要大量的训练样本和特征提取工作，存在计算量大、耗时等问题。
3.小波包分解
小波包分解是小波分析的一种扩展形式，它将信号分解成多个不同的频带。小波包分解具有良好的解析性能，能够提取信号的细节信息。小波包分解的基本步骤包括：选择小波基函数、设置子空间和进行分解。在本方法中，我们选择了具有好的时频局部化特性的小波基函数进行分解。
4.方法与实验
本论文提出的基于小波包分解的水面目标吨位大小分类方法主要分为以下几个步骤：信号获取、小波包分解、特征提取和分类器设计。
4.1信号获取
我们使用雷达设备获取水面目标的回波信号。该回波信号包含了目标的吨位大小信息。
4.2小波包分解
将回波信号进行小波包分解，得到一系列不同频带上的子信号。小波包分解是通过一系列低通和高通滤波器组成的滤波器组进行的。
4.3特征提取
对于每个频带上的子信号，我们采用能量特征和频率特征两种特征进行提取。能量特征反映了各频带上的信号强度，频率特征则反映了信号上的频率分布情况。
4.4分类器设计
将提取到的特征作为输入，通过训练分类器来实现吨位大小的分类。我们选择了支持向量机作为分类器，可以在高维空间上高效地进行分类。
5.实验结果与分析
在实验中，我们采集了不同吨位大小的水面目标回波信号进行分类。实验结果表明，基于小波包分解的分类方法能够有效地对水面目标吨位大小进行准确分类。
6.结论与展望
本论文提出了一种基于小波包分解的水面目标吨位大小分类方法。实验结果表明，该方法能够提取出水面目标回波信号在时频域上的特征，通过训练分类器实现吨位大小的分类。未来，我们将进一步完善该方法，并进行更多实验验证其在实际水上交通中的应用效果。
参考文献：
[1]Kim,Y.H.,&Ray,S.(2015).Classificationofnavalradartargetsusingwaveletpackettransformandsupportvectormachine.OceanEngineering,107,99-107.
[2]Jin,W.,Wang,X.,&Yu,D.(2013).Identificationofshiptargetbasedonwaveletpacketdecompositionandrelevantsupportvectorclassifier.JournalofSystemsEngineeringandElectronics,24(6),1028-1038.
[3]Wang,L.,Liu,X.,&Jiang,S.(2018).ClassificationofshiptargetbasedonfractionalFouriertransformandimprovedSVM.InternationalJournalofAppliedMathematicsandComputerScience,28(2),345-357.