基本信息

• 商品名称：智能水中目标识别
• 作者：曾向阳
• 定价：48
• 出版社：国防工业
• ISBN号：9787118106893

其他参考信息（以实物为准）

• 出版时间：2016-03-01
• 印刷时间：2016-03-01
• 版次：1
• 印次：1
• 开本：32开
• 包装：平装
• 页数：263
• 字数：245千字

内容提要

曾向阳著的这本《智能水中目标识别》全面系统地阐述了智能水中目标识别的原理、研究现状、核心方法和关键技术，并按照水中目标识别的原理框架，逐步阐述了每一关键技术环节中涉及的问题和方法，详细给出了算法原理、测试实验结果和对比分析结论。
本书可供国内从事相关研究的人员参考，也可用于声学、水声工程等相关专业的研究生教学用书。

作者简介

曾向阳，1974年生，湖北人，教授，博士生导师。现任航海学院环境工程系主任。2002年获西北工业大学水声工程专业博士学位。2004—2005年在丹麦科技大学作声学系访问学者。2004年破格晋升为副教授，2007年破格晋升为教授。兼任中国声学学会理事、中国声学标准化技术委员会噪声分会委员、中国声学学会环境声学分会委员、中国振动工程学会振动与噪声控制分会理事。主要从事水下目标识别、噪声源定位、声场模拟与控制等方面的研究工作。主持**自然科学基金、总装“十一五”、“十二五”预研、航空科学基金等课题20余项。已出版专著1部、教材3部，发表论文130余篇，被SCI、EI等检索40余篇。获省部级科技奖2项，获“全国百篇很好博士学位论文”提名奖、“陕西青年科技奖”、 “霍英东青年教师奖”，入选 “新世纪很好人才支持计划”。

目录

**章 智能水中目标识别概述
1.1 水中目标识别及其应用需求
1.2 智能水中目标识别基本原理
1.3 国内外研究现状
1.3.1 信号预处理
1.3.2 特征提取
1.3.3 特征选择与融合
1.3.4 分类决策方法
第2章 水中目标微弱信号预处理方法
2.1 水中目标信号的产生与传播机理
2.1.1 目标辐射噪声
2.1.2 水声通道
2.2 水中目标信号的检测与采集方法
2.3 水中目标信号的预处理方法
2.4 提髙水中目标微弱信号信噪比的方法
第3章 水中目标噪声信号特征提取与选择方法
3.1 频谱特征提取方法
3.1.1 功率谱特征提取
3.1.2 DEMON谱特征提取
3.2 听觉特征提取方法
3.2.1 响度特征提取
3.2.2 MFCC特征提取
3.2.3 PLP特征提取
3.2.4 听觉特征性能对比实验
3.3 可视化特征提取方法
3.3.1 声信号可视化方法
3.3.2 声信号的可视化特征提取方法
3.3.3 可视化特征分类性能对比
3.4 多维特征融合方法
3.4.1 串联特征融合方法
3.4.2 并联特征融合方法
3.4.3 基于CCA方法的特征融合
3.4.4 多种融合策略实验对比分析
3.5 高维特征降维方法
3.5.1 PCA特征降维方法
3.5.2 LDA特征降维方法
3.5.3 特征降维对分类识别的影响
3.6 特征选择方法
3.6.1 启发式特征选择
3.6.2 基于迭代的ReliefF特征选择
3.6.3 基于遗传算法的特征选择
3.6.4 特征选择算法的比较实验
3.6.5 基于粗糙集的特征选择方法
第4章 水中目标识别分类器及其集成设计方法
4.1 基于距离准则的分类器
4.1.1 距离的种类
4.1.2 距离分类器
4.1.3 仿真实验
4.2 反向传播神经网络分类器
4.2.1 BP神经网络的训练
4.2.2 用于水声目标识别的BP神经网络
4.3 卷积神经网络分类器
4.4 支持向量机分类器
4.4.1 硬间隔支持向量机
4.4.2 软间隔支持向量机
4.4.3 支持向量机的非线性扩展
4.4.4 仿真实验
4.5 高斯混合模型分类器
4.6 GMM—SVM分类器
4.7 分类器集成设计方法
4.7.1 分类器集成标准
4.7.2 分类器集成类型
4.7.3 分类器集成设计的主要问题
4.7.4 基于度量层信息的分类器集成算法
4.7.5 实验研究
第5章 分类识别系统的鲁棒性增强方法
5.1 加性噪声去除方法
5.1.1 滤波器法
5.1.2 自相关法
5.1.3 相对自相关法
5.1.4 谱减法
5.1.5 仿真实验
5.1.6 小波分析法
5.1.7 经验模态分解法
5.1.8 独立分量分析法
5.2 卷积噪声去除方法
5.2.1 RASTA滤波方法
5.2.2 倒谱均值处理
5.2.3 仿真研究
5.3 小样本学习
5.4 特征映射方法
5.5 多层信息融合
第6章 听觉场景分析理论在智能水中目标识别中的应用
6.1 听觉场景分析基本理论
6.2 基于听觉场景分析的特征提取
6.3 计算听觉场景分析在信号去噪中的应用
6.4 计算听觉场景分析在多源分类识别中的应用
第7章 智能水中目标识别系统设计及实例
7.1 智能水中目标识别系统软件设计
7.2 智能水中目标识别系统硬件设计
7.3 水中目标分类识别实例
7.3.1 非混合目标辐射噪声的自动识别
7.3.2 混合目标辐射噪声的分类识别
第8章 智能水中目标识别发展趋势及新技术
8.1 智能水中目标识别技术的发展趋势
8.1.1 功能和技术指标发展趋势
8.1.2 软硬件设计发展趋势
8.1.3 关键技术发展趋势
8.2 稀疏信号处理在水中目标识别中的应用
8.2.1 稀疏信号处理理论
8.2.2 稀疏信号处理理论在水中目标识别中的应用
8.3 无监督学习方法在水中目标识别中的应用
8.3.1 K均值聚类算法
8.3.2 层次聚类算法
8.3.3 自组射织映聚类算法
8.3.4 模糊聚类算法
8.4 深度学习理论及其在水中目标识别中的应用
8.4.1 深度学习理论
8.4.2 深度学习理论在水中目标识别中的应用
参考文献