• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于EK-NN的水聲目標(biāo)識(shí)別算法研究

    2016-10-14 02:12:08張揚(yáng)楊建華侯宏
    聲學(xué)技術(shù) 2016年1期
    關(guān)鍵詞:置信水聲識(shí)別率

    張揚(yáng),楊建華,侯宏

    ?

    基于EK-NN的水聲目標(biāo)識(shí)別算法研究

    張揚(yáng)1,楊建華1,侯宏2

    (1. 西北工業(yè)大學(xué)自動(dòng)化學(xué)院,陜西西安710129;2. 西北工業(yè)大學(xué)航海學(xué)院,陜西西安710072)

    針對(duì)水聲目標(biāo)信號(hào)復(fù)雜、樣本獲取難度大且富含不確定信息的問(wèn)題,研究了一種新的證據(jù)K類(lèi)近鄰識(shí)別算法(Evidence K Nearest Neighbor, EK-NN)。首先在水聲目標(biāo)的各類(lèi)訓(xùn)練樣本中,根據(jù)特征距離大小選取待識(shí)別目標(biāo)的K近鄰,并構(gòu)造其基本置信指派函數(shù)。然后使用證據(jù)理論中的Dempster-Shafer(D-S)規(guī)則對(duì)各類(lèi)別下的近鄰證據(jù)進(jìn)行組合,最后再應(yīng)用沖突置信的比例分配規(guī)則5(Redistribute Conflicting mass proportionally rule5, PCR5)將所有類(lèi)別的組合證據(jù)進(jìn)行融合,并根據(jù)融合結(jié)果和所設(shè)立的分類(lèi)規(guī)則來(lái)判斷目標(biāo)的類(lèi)別屬性。根據(jù)水聲目標(biāo)實(shí)測(cè)數(shù)據(jù),將新算法與其他幾種常見(jiàn)的水聲目標(biāo)識(shí)別算法進(jìn)行了對(duì)比分析,結(jié)果表明新算法能有效提高識(shí)別的準(zhǔn)確率。

    水聲目標(biāo)識(shí)別;證據(jù)理論;證據(jù)K類(lèi)近鄰算法(EK-NN);特征向量;組合規(guī)則

    0 引言

    無(wú)論軍事還是民用方面,水聲目標(biāo)識(shí)別都有極其重要的應(yīng)用背景[1-2]。尤其是在軍事應(yīng)用上,準(zhǔn)確快速的目標(biāo)識(shí)別是打擊敵方艦船的關(guān)鍵,因此水聲目標(biāo)識(shí)別研究一直深受關(guān)注[3-6]。但由于水聲目標(biāo)類(lèi)別眾多,不同類(lèi)別目標(biāo)特征也存在極大相似性。另外,隨著信息技術(shù)的高速發(fā)展,艦船和潛艇降噪技術(shù)也都有了飛速提升。這都為水聲目標(biāo)的準(zhǔn)確識(shí)別帶來(lái)了極大挑戰(zhàn)[7-8]。

    目前水聲目標(biāo)識(shí)別應(yīng)用中,由于近鄰改進(jìn)算法(Improved K Nearest Neighbor algorithm, IK-NN)[9-10]和支持向量機(jī)改進(jìn)算法(Support Vector Machine Ensembles algorithm, SVME)[11-12]簡(jiǎn)單直觀、誤差率低,因而備受歡迎也應(yīng)用較為廣泛。但是在識(shí)別系統(tǒng)中,受傳感器探測(cè)精度、環(huán)境噪聲等因素的影響,所獲取的目標(biāo)數(shù)據(jù)會(huì)包含一定的不確定性信息[13-14]。另外,目標(biāo)識(shí)別的準(zhǔn)確性也依賴(lài)于所構(gòu)建模板庫(kù)的完備性,而此條件實(shí)現(xiàn)起來(lái)往往比較困難,也使得數(shù)據(jù)的獲取出現(xiàn)了不完全性[15]。這時(shí)傳統(tǒng)的IK-NN和SVME受其算法框架的局限,不能十分有效地處理這部分不確定信息,在識(shí)別決策時(shí)易造成結(jié)果的誤判。而證據(jù)推理理論[16]可以有效地處理這些具有不完全、不確定、不清晰的信息和數(shù)據(jù),為問(wèn)題的解決提供了全新思路。故一些學(xué)者提出將證據(jù)理論與傳統(tǒng)的模式識(shí)別算法結(jié)合,研究基于證據(jù)框架的數(shù)據(jù)分類(lèi)算法[17]。因此,本文結(jié)合證據(jù)推理中的D-S[16]、PCR5[18]組合規(guī)則與K近鄰理論,研究了一種新的基于證據(jù)K-NN的水聲目標(biāo)識(shí)別算法(EK-NN)。最后通過(guò)水聲目標(biāo)實(shí)測(cè)數(shù)據(jù)的對(duì)比實(shí)驗(yàn),驗(yàn)證了新算法的有效性。

    1 證據(jù)組合規(guī)則

    1.1 D-S組合規(guī)則

    由證據(jù)理論[11]可知:兩個(gè)或多個(gè)置信函數(shù)可以用D-S規(guī)則組合,通過(guò)計(jì)算基于不同來(lái)源置信度的正交和,從而獲得一個(gè)新的置信函數(shù)。假定辨識(shí)框架上性質(zhì)不同的兩個(gè)證據(jù)B和C,其焦元分別為和(;),基本置信指派函數(shù)分別為、,按照D-S規(guī)則進(jìn)行組合,則:

    D-S規(guī)則作為證據(jù)的聯(lián)合作用法則,滿(mǎn)足交換律和結(jié)合律,可以推廣到多個(gè)證據(jù)的融合當(dāng)中;它計(jì)算簡(jiǎn)單,在多證據(jù)融合時(shí)能夠快速收斂。

    1.2 PCR5組合規(guī)則

    D-S組合規(guī)則在證據(jù)“高沖突”時(shí)存在一定的局限,為此許多國(guó)內(nèi)外學(xué)者都提出了改進(jìn)方法[18-20]。最具代表的就是Dezert和Smarandache所提出的PCR5組合規(guī)則[18]:

    其中,、為組合前兩證據(jù)所分別包含的命題(這些命題由各焦元、及其交集和并集所構(gòu)成)。PCR5根據(jù)矛盾雙方基本置信的大小,將矛盾信息按比例進(jìn)行了分配。這樣,矛盾信息越大,融合后矛盾雙方焦元所分配到的基本置信就會(huì)越大。因此PCR5在對(duì)“高沖突”證據(jù)融合時(shí)一般不會(huì)得出有悖常理的結(jié)論。但是,這是一種比較保守的分配方式,不利于焦元置信值的快速收斂和證據(jù)的快速?zèng)Q策。

    1.3 新算法的組合規(guī)則選擇

    D-S和PCR5組合規(guī)則各有優(yōu)劣,在新算法的水聲目標(biāo)識(shí)別當(dāng)中,同類(lèi)別間的近鄰證據(jù)不存在“高沖突”,融合時(shí)可采用D-S規(guī)則以增強(qiáng)融合的時(shí)效性。不同類(lèi)別間的證據(jù)由于置信分派所屬類(lèi)別不同,會(huì)存在一定的沖突,融合時(shí)可采用PCR5規(guī)則以減少融合的錯(cuò)誤。

    2 基于證據(jù)K-NN的水聲目標(biāo)識(shí)別新算法

    為了有效處理水聲目標(biāo)識(shí)別中樣本所包含的不確定信息,結(jié)合D-S、PCR5以及K近鄰理論,研究了一種基于證據(jù)的K-NN水聲目標(biāo)識(shí)別算法(EK-NN)。該算法主要包括特征提取、近鄰證據(jù)的構(gòu)造和融合、分類(lèi)決策三部分核心內(nèi)容。

    2.1 特征提取

    水聲目標(biāo)信號(hào)通常為非平穩(wěn)信號(hào),小波變換是非平穩(wěn)信號(hào)的良好分析工具[21-22]。此外,信號(hào)的時(shí)域波形結(jié)構(gòu)特征簡(jiǎn)單直觀,能反映其本質(zhì)。因此提取水聲目標(biāo)的小波分析和波形結(jié)構(gòu)特征,將組合后的特征作為目標(biāo)的識(shí)別特征。具體過(guò)程如下:

    首先對(duì)水聲目標(biāo)進(jìn)行級(jí)小波分解,提取每級(jí)分解后的高頻分量()。

    然后根據(jù)水聲目標(biāo)原始信號(hào)波形的過(guò)零點(diǎn)、峰間幅值和波長(zhǎng)差分布特性[19],提取水聲目標(biāo)的8維波形結(jié)構(gòu)特征。

    最后將提取的小波分析和波形結(jié)構(gòu)特征進(jìn)行組合,可得水聲目標(biāo)的維組合特征。

    2.2 近鄰證據(jù)的構(gòu)造和融合

    (1) 各類(lèi)別下近鄰證據(jù)的構(gòu)造和組合

    (7)

    (9)

    一共有類(lèi)水聲目標(biāo),經(jīng)過(guò)這一步計(jì)算,最終得到個(gè)類(lèi)別下bba’s的集合:。

    (2) 類(lèi)別間證據(jù)的融合

    對(duì)于類(lèi)水聲目標(biāo)的bba’s,應(yīng)用PCR5組合規(guī)則進(jìn)行融合,可得:

    2.3 分類(lèi)決策

    首先,根據(jù)可傳遞信任模型[13],利用融合所得的全局計(jì)算待識(shí)別目標(biāo)屬于各個(gè)模式類(lèi)別的pignistic概率。

    然后,確定如下分類(lèi)規(guī)則:

    規(guī)則1:待識(shí)別水聲目標(biāo)所屬類(lèi)別應(yīng)具有最大的pignistic概率,表示具有最大信任函數(shù)值的類(lèi)就是目標(biāo)類(lèi);

    規(guī)則2:待識(shí)別水聲目標(biāo)所屬類(lèi)別與其他類(lèi)別的pignistic概率差值必須大于某一閾值,表示每一證據(jù)對(duì)所有不同類(lèi)的支持程度應(yīng)保持足夠大的差異;

    規(guī)則3:待識(shí)別水聲目標(biāo)所屬類(lèi)別的基本置信指派值必須大于不確定性置信指派值,表示對(duì)目標(biāo)知之甚少時(shí),不能對(duì)其進(jìn)行準(zhǔn)確分類(lèi);

    新算法流程圖如圖1所示。

    圖1 EK-NN算法流程圖

    3 實(shí)驗(yàn)及結(jié)果分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    分類(lèi)實(shí)驗(yàn)選取的對(duì)象是實(shí)測(cè)水聲目標(biāo)信號(hào),信號(hào)采樣頻率為22 kHz,取4096個(gè)點(diǎn)為一個(gè)樣本。對(duì)每個(gè)樣本提取8維波形結(jié)構(gòu)特征、10維小波分析特征,并將提取的以上特征進(jìn)行組合,使得每個(gè)水聲目標(biāo)樣本可以由18維的組合特征來(lái)進(jìn)行描述。實(shí)驗(yàn)中水聲目標(biāo)分為水聲通信信號(hào)(Type1)、主動(dòng)聲吶信號(hào)(Type2)、艦船輻射噪聲(Type3)3類(lèi),共5000個(gè)樣本。其中Type1有2000個(gè)、Type2有1600個(gè)、Type3有1400個(gè)。各類(lèi)別下典型樣本的提取特征如圖2所示,訓(xùn)練樣本、測(cè)試樣本的數(shù)目如表1所示。

    圖2 各類(lèi)別中典型樣本的特征示意圖

    表1 訓(xùn)練樣本和測(cè)試樣本的數(shù)目

    3.2 結(jié)果及分析

    根據(jù)表1中的樣本設(shè)定,分別采用IK-NN、SVME、以及EK-NN新算法進(jìn)行分類(lèi)實(shí)驗(yàn)。在采用EK-NN新算法時(shí),分類(lèi)決策的閾值參數(shù)設(shè)定為0.2。近鄰數(shù)目分別選取為1、4、8,進(jìn)行3次分類(lèi)對(duì)比。具體實(shí)驗(yàn)結(jié)果如表2和圖3所示。

    從表2中可以看到,SVME與IK-NN的識(shí)別率比較接近,都維持在0.89左右。EK-NN在近鄰數(shù)目為1時(shí),相對(duì)于IK-NN和SVME識(shí)別率的提高不是很明顯,其只有0.91。不過(guò)在為4時(shí),識(shí)別率就有了極大的提升,基本保持在0.97以上。當(dāng)近鄰數(shù)目為8時(shí),識(shí)別率則可以進(jìn)一步達(dá)到0.98。而這時(shí)IK-NN的識(shí)別率也僅為0.892。另外從圖3中的識(shí)別率曲線(xiàn)也可看到,在近鄰數(shù)目相同時(shí),EK-NN的識(shí)別率一直遠(yuǎn)遠(yuǎn)大于IK-NN。說(shuō)明在算法計(jì)算復(fù)雜度相近的情況下,EK-NN算法能夠比傳統(tǒng)的IK-NN有著更好的識(shí)別性能。

    表2 各分類(lèi)算法的實(shí)驗(yàn)結(jié)果

    接下來(lái)通過(guò)目標(biāo)的正確識(shí)別率和分類(lèi)算法耗時(shí)兩個(gè)指標(biāo),對(duì)新算法的性能進(jìn)行實(shí)驗(yàn)分析。實(shí)驗(yàn)所使用的計(jì)算機(jī)型號(hào)為聯(lián)想啟天M4300,統(tǒng)計(jì)分類(lèi)時(shí)間使用的軟件為windows7系統(tǒng)下MATLAB2014a。實(shí)驗(yàn)的結(jié)果如表3所示。

    表3 新算法性能分析

    表3中顯示,隨著近鄰數(shù)目的增大,新算法的識(shí)別性能會(huì)有所提升,但同時(shí)計(jì)算復(fù)雜度和計(jì)算耗時(shí)也會(huì)有所增加,這會(huì)導(dǎo)致算法的時(shí)效性變差。例如=4比=1時(shí)的計(jì)算時(shí)間只多了0.064 s,而識(shí)別率卻可以提高5個(gè)百分點(diǎn)之多;=16比=8時(shí)的識(shí)別正確率只提高了0.005,但計(jì)算的耗時(shí)卻增加了3倍之多。所以,在近鄰數(shù)目較少時(shí),隨著近鄰數(shù)目的增加,計(jì)算時(shí)間增加不是很大,卻可以極大地提高識(shí)別正確率。但近鄰數(shù)目較大時(shí),隨著近鄰數(shù)目的增加,識(shí)別正確率增加很微小,但計(jì)算耗時(shí)卻成指數(shù)上升。針對(duì)本次的水聲目標(biāo)識(shí)別實(shí)驗(yàn)而言,選取新算法的參數(shù)為4比較合理。因此,使用新算法時(shí)并非近鄰數(shù)目越多越好,而是要根據(jù)具體識(shí)別任務(wù)對(duì)時(shí)效性和識(shí)別精度的綜合要求,進(jìn)行合理設(shè)定。

    4 結(jié)論

    針對(duì)水聲目標(biāo)信號(hào)所富含的不確定信息給分類(lèi)識(shí)別帶來(lái)的問(wèn)題,本文研究了一種新的證據(jù)K類(lèi)近鄰識(shí)別算法。新算法通過(guò)構(gòu)造近鄰證據(jù)并運(yùn)用證據(jù)規(guī)則進(jìn)行組合的方式,能有效利用目標(biāo)的多域組合特征,從而顯著提高了目標(biāo)的識(shí)別正確率。通過(guò)實(shí)測(cè)水聲目標(biāo)數(shù)據(jù)的識(shí)別實(shí)驗(yàn),將新算法與傳統(tǒng)的識(shí)別算法進(jìn)行了對(duì)比分析,驗(yàn)證了新算法的有效性。最后對(duì)新算法的參數(shù)進(jìn)行了實(shí)驗(yàn)分析,以便于在其他研究領(lǐng)域中的推廣和應(yīng)用。

    [1] 宋波. 水下目標(biāo)識(shí)別技術(shù)的發(fā)展分析[J]. 艦船電子工程, 2014, 34(4): 168-173.

    SONG Bo. Development analysis of the underwater target recognition technology[J]. Ship Electronic Engineering, 2014, 34(4): 168-173.

    [2] 戴健, 楊宏暉, 王蕓, 等. 用于水聲目標(biāo)識(shí)別的自適應(yīng)遺傳樣本選擇算法[J]. 聲學(xué)技術(shù), 2013, 32(4): 332-335.

    DAI Jian, YANG Honghui, WANG Yun, et al. An adaptive genetic instance selection algorithm for underwater acoustic target classification[J]. Technical Acoustics, 2013, 32(4): 332-335.

    [3] 王磊, 彭圓, 林正青. 聽(tīng)覺(jué)外周計(jì)算模型在水中目標(biāo)分類(lèi)識(shí)別中的應(yīng)用[J]. 電子學(xué)報(bào), 2012, 40(1): 199-203.

    WANG Lei,PENG Yuan,LIN Zhengqing. The application of computational auditory peripheral model in underwater target classification[J]. Acta Electronica Sinica, 2012, 40(1): 199-203.

    [4] 劉準(zhǔn)釓, 程詠梅, 潘泉, 等. 證據(jù)沖突下自適應(yīng)融合目標(biāo)識(shí)別算法[J]. 航空學(xué)報(bào), 2010, 31(7): 1426-1432.

    LIU Zhunga, CHENG Yongmei, PAN Quan, et al. Target identification by adaptive combination of conflicting evidence[J]. Acta Aeronautica et Astronautica Sinica, 2010, 31(7): 1426-1432.

    [5] 禹亮, 程詠梅, 陳克喆, 等. 基于證據(jù)理論的水聲多目標(biāo)優(yōu)選方法[J]. 西北工業(yè)大學(xué)學(xué)報(bào), 2014, 32(3): 429-433.

    YU Liang, CHENG Yongmei, CHEN Kezhe, et al. Underwater acoustic target optimum seeking using evidence theory[J]. Journal of Northwestern Polytechnical University, 2014, 32(3): 429-433.

    [6] 石敏, 徐襲. 小波包熵在水下目標(biāo)識(shí)別中的應(yīng)用研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2014, 50(1): 215-217.

    SHI Min, XU Xi. Application study on underwater target recognition based on wavelet packet entropy[J]. Computer Engineering and Applications, 2014, 50(1): 215-217.

    [7] 黃志遠(yuǎn). 新規(guī)背景下的噪聲控制技術(shù)應(yīng)用[J]. 船海工程, 2014, 43(3): 95-98.

    HANG Zhiyuan. Application of noise control technology under the background of new code[J]. Ship & Ocean Engineering, 2014, 43(3): 95-98.

    [8] 劉譯蔚, 楊建華, 侯宏, 等. 由波束形成的噪聲源識(shí)別方法對(duì)比研究[J]. 噪聲與振動(dòng)控制, 2015, 35(1): 165-168.

    LIU Yiwei, YANG Jianhua, HOU Hong, et al. Comparison of noise source identification methods based on beamforming[J]. Noise and Vibration Control, 2015, 35(1): 165-168.

    [9] 紀(jì)正飚, 王吉林, 趙力. 基于模糊K近鄰的語(yǔ)音情感識(shí)別[J]. 微電子學(xué)與計(jì)算機(jī), 2015, 32(3): 59-62.

    JI Zhengbiao, WANG Jilin, ZHAO Li. Speech emotion recognition based on FKNN[J]. Microelectronics & Computer, 2015, 32(3): 59-62.

    [10] 劉先康, 梁菁, 任杰, 等. 修正最近鄰模糊分類(lèi)算法在艦船目標(biāo)識(shí)別中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用, 2010, 46(9): 228-231.

    LIU Xiankang, LIANG Jing, REN Jie, et al. Application of modified nearest neighbor fuzzy classification algorithm in ship target recognition[J]. Computer Engineering and Applications, 2010, 46(9): 228-231.

    [11] 楊宏暉, 王蕓, 戴健. 水下目標(biāo)識(shí)別中樣本選擇與SVME融合算法[J]. 西北工業(yè)大學(xué)學(xué)報(bào), 2014, 32(3): 362-366.

    YANG Honghui, WANG Yun, DAI Jian. Instance selection and SVM ensembles for underwater acoustic target recognition[J]. Journal of Northwestern Polytechnical University, 2014, 32(3): 362-366.

    [12] 杜方鍵, 楊宏暉. 兩種半監(jiān)督多類(lèi)水下目標(biāo)識(shí)別算法的比較[J]. 聲學(xué)技術(shù), 2014, 33(2): 10-13.

    DU Fangjian, YANG Honghui. Comparison of two semi-supervised multiclass underwater target recognition algorithm[J]. Technical Acoustics, 2014, 33(2): 10-13.

    [13] 韓德強(qiáng), 楊藝, 韓崇昭. DS證據(jù)理論研究進(jìn)展及相關(guān)問(wèn)題探討[J]. 控制與決策, 2014, 29(1): 1-11.

    HAN Deqiang, YANG Yi, HAN Chongzhao. Advances in DS evidence theory and related discussions[J]. Control and Decision, 2014, 29(1): 1-11.

    [14] 潘泉, 王增福, 梁彥, 等. 信息融合理論的基本方法與進(jìn)展[J]. 控制理論與應(yīng)用, 2012, 29(10): 1234-1244.

    PAN Quan, WANG Zengfu, LIANG Yan, et al. Basic methods and progress of information fusion[J]. Control Theory & Applications, 2012, 29(10): 1234-1244..

    [15] 陳雁飛, 夏學(xué)知, 胡丹桂, 等. 基于試探折扣修正的證據(jù)組合方法[J]. 電子學(xué)報(bào), 2014, 42(4): 756-765.

    CHEN Yanfei, XIA Xuezhi, HU Dangui, et al. Evidence combination based on tentative discount of evidences[J]. Acta Electronica Sinica, 2014, 42(4): 756-765.

    [16] SMARANDACHE F, DEZERT J. Advances and Applications of DSmT for Information Fusion 5[M]. Rehoboth: American Research Press, 2004.

    [17] 張揚(yáng), 侯俊, 劉準(zhǔn)釓, 等. 一種新的證據(jù)K-NN數(shù)據(jù)分類(lèi)算法[J]. 火力與指揮控制, 2013, 38(9): 58-60.

    ZHANG Yang, HOU Jun, LIU Zhunga, et al. A new evidential k-nearest neighbor data classification method[J]. Fire Control & Command Control, 2013, 38(9): 58-60.

    [18] SMARANDACHE F, DEZERT J. Advances and Applications of DSmT for Information Fusion 5[M]. Rehoboth: American Research Press, 2006.

    [19] SMARANDACHE F, DEZERT J. Advances and Applications of DSmT for Information Fusion 5[M]. Rehoboth: American Research Press, 2009.

    [20] 劉準(zhǔn)釓, 程詠梅, 潘泉, 等. 基于矛盾因子和證據(jù)距離的加權(quán)證據(jù)合成法[J]. 控制理論與應(yīng)用, 2009, 26(12): 1439-1442.

    LIU Zhunga, CHENG Yongmei, PAN Quan, et al. Combination of weighted belief functions based on evidence distance and conflicting belief[J]. Control Theory&Applications, 2009, 26(12): 1439-1442.

    [21] 石超雄, 李鋼虎, 何會(huì)會(huì), 等. 基于提升小波變換的MFCC在目標(biāo)識(shí)別中的應(yīng)用[J]. 聲學(xué)技術(shù), 2013, 33(4): 372-375.

    SHI Chaoxiong, LI Ganghu, HE Huihui, et al. Application of the lifting wavelet transform based MFCC in target identification[J]. Technical Acoustics, 2013, 33(4): 372-375.

    [22] 楊秀芳, 張偉, 楊宇祥. 基于提升小波變換的雷達(dá)生命信號(hào)去噪技術(shù)[J]. 光學(xué)學(xué)報(bào), 2014, 34(3): 1-6.

    YANG Xiufang, ZHANG Wei, YANG Yuxiang. Denoising technology of radar life signal based on lifting wavelet transform[J]. Acta Opitca Sinica, 2014, 34(3): 1-6.

    K-NN based underwater acoustic target recognition algorithm

    ZHANG Yang1, YANG Jian-hua1, HOU Hong2

    (1.College of Automation, NorthwesternPolytechnicalUniversity, Xi'an 710129, Shaanxi, China;2. College of Marine Engineering, NorthwesternPolytechnicalUniversity, Xi'an,710072, Shaanxi, China)

    In underwater acoustic target recognition, the target signal is usually complex and the samples which are difficult to obtain also have some uncertain information. In order to effectively solve these problems, a new underwater acoustic target recognition algorithm based on evidence theory(EK-NN) is presented. In this new method, the basic belief assignments (bba’s) are determined by using the feature distances between the object and its K nearest neighbors in each class of the training set, and then the bba’s in each class are combined with Dempster-Shafer (D-S) rule. Finally the combined results in each class are fused by Redistribute conflicting mass proportionally rule5(PCR5), and the object can be recognized by the fusion result and the classification rule presented in this paper. Several experiments based on real underwater acoustic data sets are made to test the effectiveness of EK-NN in comparison with some other methods. The results indicate that EK-NN can effectively improve the recognition accuracy.

    underwater acoustic target recognition; evidence theory; Evidence K-Nearest Neighbor(EK-NN); feature vector; combination rule

    TP391.4

    A

    1000-3630(2016)-01-0015-05

    10.16300/j.cnki.1000-3630.2016.01.004

    2015-05-06;

    2015-09-15

    張揚(yáng)(1988-), 男, 陜西西安人, 博士研究生, 研究方向?yàn)樵肼暱刂?、聲目?biāo)定位與識(shí)別。

    張揚(yáng), E-mail: zhangyang_yang2008@163.com

    猜你喜歡
    置信水聲識(shí)別率
    急診住院醫(yī)師置信職業(yè)行為指標(biāo)構(gòu)建及應(yīng)用初探
    基于置信職業(yè)行為的兒科住院醫(yī)師形成性評(píng)價(jià)體系的構(gòu)建探索
    基于模糊深度置信網(wǎng)絡(luò)的陶瓷梭式窯PID優(yōu)化控制
    基于類(lèi)圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測(cè)
    基于真耳分析的助聽(tīng)器配戴者言語(yǔ)可懂度指數(shù)與言語(yǔ)識(shí)別率的關(guān)系
    提升高速公路MTC二次抓拍車(chē)牌識(shí)別率方案研究
    認(rèn)知水聲通信系統(tǒng)中OFDM技術(shù)的應(yīng)用
    電子制作(2017年22期)2017-02-02 07:10:34
    新型多功能水聲應(yīng)答器電子系統(tǒng)設(shè)計(jì)
    電子制作(2017年19期)2017-02-02 07:08:28
    FRFT在水聲信道時(shí)延頻移聯(lián)合估計(jì)中的應(yīng)用
    高速公路機(jī)電日常維護(hù)中車(chē)牌識(shí)別率分析系統(tǒng)的應(yīng)用
    亚洲精品美女久久久久99蜜臀| 国产aⅴ精品一区二区三区波| 久久精品国产综合久久久| 最近最新中文字幕大全电影3 | 国产一区二区三区综合在线观看| 免费看十八禁软件| 高清在线国产一区| 欧美 亚洲 国产 日韩一| 精品人妻1区二区| 欧美黄色片欧美黄色片| 久久久久九九精品影院| 成人18禁高潮啪啪吃奶动态图| 精品福利观看| 在线观看一区二区三区| 欧美成人性av电影在线观看| 欧美成人免费av一区二区三区| 亚洲一区二区三区不卡视频| 波多野结衣av一区二区av| 一个人免费在线观看的高清视频| 久久久精品国产亚洲av高清涩受| 丁香六月欧美| 自线自在国产av| 日本精品一区二区三区蜜桃| 男人操女人黄网站| 精品国内亚洲2022精品成人| 女人被躁到高潮嗷嗷叫费观| 亚洲精品美女久久av网站| 又大又爽又粗| 制服人妻中文乱码| 热re99久久精品国产66热6| 丰满的人妻完整版| 超色免费av| 丰满人妻熟妇乱又伦精品不卡| 又黄又爽又免费观看的视频| 午夜a级毛片| 久久婷婷成人综合色麻豆| 日韩精品免费视频一区二区三区| 高清黄色对白视频在线免费看| 久久精品国产99精品国产亚洲性色 | 亚洲av熟女| 成人国语在线视频| 欧美国产精品va在线观看不卡| 亚洲国产精品sss在线观看 | 黑人操中国人逼视频| 亚洲专区中文字幕在线| 国产黄a三级三级三级人| 香蕉国产在线看| 久久伊人香网站| 精品福利观看| 亚洲第一青青草原| 99在线视频只有这里精品首页| 精品第一国产精品| 每晚都被弄得嗷嗷叫到高潮| 精品国产美女av久久久久小说| 18美女黄网站色大片免费观看| 国产成人啪精品午夜网站| 国产伦一二天堂av在线观看| 日本欧美视频一区| 亚洲国产欧美一区二区综合| 淫妇啪啪啪对白视频| 久久精品91蜜桃| 在线免费观看的www视频| 久久精品成人免费网站| 国产在线精品亚洲第一网站| 免费在线观看影片大全网站| 国产免费现黄频在线看| 国产亚洲欧美98| 亚洲国产欧美网| 99久久人妻综合| 日韩视频一区二区在线观看| 欧美中文日本在线观看视频| av免费在线观看网站| 国产高清激情床上av| av网站免费在线观看视频| 日韩欧美在线二视频| 国产乱人伦免费视频| 久久狼人影院| 国产成人影院久久av| 中文字幕最新亚洲高清| 老汉色∧v一级毛片| 亚洲熟妇中文字幕五十中出 | 国产成人系列免费观看| 久久天躁狠狠躁夜夜2o2o| 丰满人妻熟妇乱又伦精品不卡| 在线观看免费视频日本深夜| 亚洲熟妇熟女久久| 夜夜夜夜夜久久久久| 日韩免费高清中文字幕av| 色在线成人网| 午夜福利在线观看吧| 最近最新中文字幕大全电影3 | 精品国内亚洲2022精品成人| 欧美日本亚洲视频在线播放| 欧美在线一区亚洲| 欧美久久黑人一区二区| 神马国产精品三级电影在线观看 | 国产亚洲av高清不卡| 亚洲,欧美精品.| 欧美成狂野欧美在线观看| 亚洲精品久久午夜乱码| 黑人巨大精品欧美一区二区蜜桃| 一夜夜www| 精品久久久久久成人av| 午夜福利一区二区在线看| 丝袜美腿诱惑在线| 欧美成人免费av一区二区三区| 97人妻天天添夜夜摸| 久久精品aⅴ一区二区三区四区| 亚洲黑人精品在线| 怎么达到女性高潮| 国产野战对白在线观看| 国产成人精品久久二区二区91| www.精华液| 女同久久另类99精品国产91| 亚洲精品国产精品久久久不卡| 国产国语露脸激情在线看| 亚洲午夜理论影院| 午夜a级毛片| 黄片大片在线免费观看| 99精品在免费线老司机午夜| 涩涩av久久男人的天堂| 日日干狠狠操夜夜爽| 夫妻午夜视频| 成人av一区二区三区在线看| 国产伦人伦偷精品视频| √禁漫天堂资源中文www| 国产视频一区二区在线看| 国产精品二区激情视频| 精品无人区乱码1区二区| 亚洲专区字幕在线| 日韩欧美一区二区三区在线观看| 欧美日韩一级在线毛片| 9热在线视频观看99| 久热这里只有精品99| av网站免费在线观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 一级黄色大片毛片| 国产精品爽爽va在线观看网站 | 久久人妻福利社区极品人妻图片| 丰满人妻熟妇乱又伦精品不卡| 不卡一级毛片| 国产有黄有色有爽视频| 久久影院123| 三上悠亚av全集在线观看| 黑丝袜美女国产一区| 欧美黄色淫秽网站| 777久久人妻少妇嫩草av网站| 亚洲男人天堂网一区| 69精品国产乱码久久久| 国产亚洲精品一区二区www| 一级a爱片免费观看的视频| 亚洲精华国产精华精| 国产在线精品亚洲第一网站| 亚洲自拍偷在线| 亚洲aⅴ乱码一区二区在线播放 | 国产精品九九99| 桃色一区二区三区在线观看| 国产乱人伦免费视频| 亚洲熟妇中文字幕五十中出 | 精品国产美女av久久久久小说| 99在线视频只有这里精品首页| 搡老熟女国产l中国老女人| 日本欧美视频一区| av有码第一页| 欧美日韩亚洲国产一区二区在线观看| 国产成人欧美| 黄频高清免费视频| 黄片播放在线免费| 成人三级黄色视频| 欧美日韩视频精品一区| a级毛片黄视频| 欧美黄色片欧美黄色片| 桃色一区二区三区在线观看| 国产一区二区三区视频了| 99精国产麻豆久久婷婷| 亚洲在线自拍视频| 国产不卡一卡二| 香蕉国产在线看| 香蕉久久夜色| 国产在线观看jvid| 久久香蕉激情| 亚洲午夜精品一区,二区,三区| 精品乱码久久久久久99久播| 亚洲一区高清亚洲精品| 99久久久亚洲精品蜜臀av| 国产精品av久久久久免费| 丰满人妻熟妇乱又伦精品不卡| 精品电影一区二区在线| 久久久久国内视频| 亚洲一区二区三区不卡视频| 亚洲久久久国产精品| 日本vs欧美在线观看视频| 亚洲欧美精品综合一区二区三区| 99国产综合亚洲精品| 正在播放国产对白刺激| 成人国产一区最新在线观看| 欧美在线一区亚洲| 色播在线永久视频| 亚洲,欧美精品.| e午夜精品久久久久久久| 亚洲专区国产一区二区| 天天添夜夜摸| 国产精品一区二区在线不卡| 在线观看一区二区三区激情| 欧美日韩福利视频一区二区| 曰老女人黄片| 淫秽高清视频在线观看| 制服人妻中文乱码| 天天影视国产精品| 亚洲人成电影免费在线| 欧美激情久久久久久爽电影 | 欧美日韩视频精品一区| 777久久人妻少妇嫩草av网站| 五月开心婷婷网| 欧美另类亚洲清纯唯美| 国产深夜福利视频在线观看| 十八禁人妻一区二区| 精品国产国语对白av| 少妇被粗大的猛进出69影院| 在线av久久热| 999久久久精品免费观看国产| 精品国产乱码久久久久久男人| 精品第一国产精品| 一区福利在线观看| 欧美中文日本在线观看视频| 亚洲专区中文字幕在线| 欧美成狂野欧美在线观看| 热99国产精品久久久久久7| 99国产精品免费福利视频| 少妇的丰满在线观看| 精品一区二区三区视频在线观看免费 | 色婷婷av一区二区三区视频| 老汉色∧v一级毛片| 亚洲av熟女| 99国产精品99久久久久| 亚洲精品一二三| e午夜精品久久久久久久| 动漫黄色视频在线观看| 电影成人av| 人妻丰满熟妇av一区二区三区| 精品国产亚洲在线| 热99国产精品久久久久久7| 91精品国产国语对白视频| 美国免费a级毛片| 国产真人三级小视频在线观看| 日韩av在线大香蕉| 亚洲欧洲精品一区二区精品久久久| 亚洲人成网站在线播放欧美日韩| 岛国视频午夜一区免费看| 中文字幕人妻熟女乱码| 亚洲av片天天在线观看| 搡老岳熟女国产| 久久精品91无色码中文字幕| 丰满迷人的少妇在线观看| 99久久久亚洲精品蜜臀av| 日韩视频一区二区在线观看| 老司机午夜福利在线观看视频| 日韩国内少妇激情av| 国产av在哪里看| 亚洲av日韩精品久久久久久密| 久久久久久久久久久久大奶| 欧美大码av| 韩国精品一区二区三区| 亚洲黑人精品在线| 最近最新中文字幕大全电影3 | 免费在线观看完整版高清| 制服诱惑二区| 国产成人精品久久二区二区免费| 久久久国产欧美日韩av| 一个人观看的视频www高清免费观看 | 男女午夜视频在线观看| 亚洲aⅴ乱码一区二区在线播放 | 天天躁夜夜躁狠狠躁躁| 亚洲九九香蕉| 免费久久久久久久精品成人欧美视频| 国产亚洲av高清不卡| 国产黄a三级三级三级人| 操美女的视频在线观看| a级毛片黄视频| 午夜福利,免费看| 操出白浆在线播放| 又黄又粗又硬又大视频| 欧美黑人精品巨大| 国产精品成人在线| 99国产精品99久久久久| 日本欧美视频一区| 桃红色精品国产亚洲av| 91精品国产国语对白视频| 久久人人精品亚洲av| 夜夜爽天天搞| 午夜免费鲁丝| 久久久久亚洲av毛片大全| 性色av乱码一区二区三区2| 国产激情久久老熟女| 动漫黄色视频在线观看| 久久久水蜜桃国产精品网| 久久久精品国产亚洲av高清涩受| 美国免费a级毛片| 久久精品国产亚洲av香蕉五月| 中文欧美无线码| 看黄色毛片网站| 欧美在线黄色| 在线观看免费日韩欧美大片| 美女福利国产在线| 免费少妇av软件| 日韩一卡2卡3卡4卡2021年| 老司机亚洲免费影院| 国产精品免费一区二区三区在线| 久99久视频精品免费| 久久精品亚洲熟妇少妇任你| 欧美午夜高清在线| 国产精品秋霞免费鲁丝片| 757午夜福利合集在线观看| avwww免费| 一级,二级,三级黄色视频| 黄片播放在线免费| 每晚都被弄得嗷嗷叫到高潮| 极品教师在线免费播放| 亚洲欧洲精品一区二区精品久久久| 亚洲精品在线美女| 中文字幕人妻丝袜制服| 日本三级黄在线观看| 亚洲专区中文字幕在线| 电影成人av| 91九色精品人成在线观看| 99热只有精品国产| 久9热在线精品视频| 欧美日韩国产mv在线观看视频| 国产在线观看jvid| 大香蕉久久成人网| 热re99久久国产66热| 99re在线观看精品视频| 一区二区三区精品91| 久久久久久久久中文| 国产不卡一卡二| 精品熟女少妇八av免费久了| 老司机亚洲免费影院| 中文字幕人妻丝袜一区二区| 两人在一起打扑克的视频| 欧美精品亚洲一区二区| 亚洲av成人av| 国产单亲对白刺激| 国产一区二区三区视频了| 国产有黄有色有爽视频| 香蕉久久夜色| 岛国视频午夜一区免费看| 如日韩欧美国产精品一区二区三区| 91麻豆精品激情在线观看国产 | 国产在线精品亚洲第一网站| 欧美+亚洲+日韩+国产| 一级,二级,三级黄色视频| 看免费av毛片| 国产成人系列免费观看| 亚洲av电影在线进入| 99精品久久久久人妻精品| 色老头精品视频在线观看| 国产欧美日韩精品亚洲av| 很黄的视频免费| 曰老女人黄片| 日韩欧美三级三区| 国产国语露脸激情在线看| 丝袜美足系列| 日韩成人在线观看一区二区三区| а√天堂www在线а√下载| 多毛熟女@视频| 久久久久久人人人人人| 19禁男女啪啪无遮挡网站| 亚洲成国产人片在线观看| 亚洲五月色婷婷综合| 亚洲中文av在线| 午夜成年电影在线免费观看| 午夜视频精品福利| 国产精品 国内视频| 在线国产一区二区在线| 国产蜜桃级精品一区二区三区| 三级毛片av免费| 黑人巨大精品欧美一区二区mp4| 国产一区二区三区在线臀色熟女 | 免费av毛片视频| 日本vs欧美在线观看视频| 亚洲中文字幕日韩| 性色av乱码一区二区三区2| 人妻丰满熟妇av一区二区三区| 男人舔女人下体高潮全视频| 欧美丝袜亚洲另类 | 亚洲性夜色夜夜综合| 黑人操中国人逼视频| 叶爱在线成人免费视频播放| 欧美日韩瑟瑟在线播放| 视频在线观看一区二区三区| 国产99白浆流出| 99在线视频只有这里精品首页| 久热爱精品视频在线9| 欧美日韩乱码在线| 国产精品久久电影中文字幕| 久久久国产成人精品二区 | 女生性感内裤真人,穿戴方法视频| 久久久国产成人精品二区 | 又大又爽又粗| 欧美 亚洲 国产 日韩一| 黄色视频不卡| 成人18禁高潮啪啪吃奶动态图| 天天躁狠狠躁夜夜躁狠狠躁| 精品熟女少妇八av免费久了| 麻豆成人av在线观看| 天堂中文最新版在线下载| 麻豆一二三区av精品| 久久精品国产清高在天天线| 桃色一区二区三区在线观看| 亚洲国产欧美日韩在线播放| 中亚洲国语对白在线视频| 高清欧美精品videossex| 国产一区二区激情短视频| 丰满迷人的少妇在线观看| 精品国产一区二区三区四区第35| 精品久久久久久电影网| 国产精品综合久久久久久久免费 | 久久久国产一区二区| 久热这里只有精品99| 最新美女视频免费是黄的| 亚洲av成人av| 搡老熟女国产l中国老女人| 精品免费久久久久久久清纯| 又紧又爽又黄一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品在线观看二区| 成人亚洲精品av一区二区 | 在线观看免费高清a一片| 嫩草影院精品99| 不卡av一区二区三区| av网站免费在线观看视频| 中文亚洲av片在线观看爽| 超色免费av| 女人被躁到高潮嗷嗷叫费观| 久久久久久亚洲精品国产蜜桃av| 久久精品aⅴ一区二区三区四区| 成人18禁高潮啪啪吃奶动态图| 天堂√8在线中文| 亚洲国产欧美网| 一夜夜www| 国产精品98久久久久久宅男小说| 亚洲色图 男人天堂 中文字幕| 天天躁夜夜躁狠狠躁躁| 中出人妻视频一区二区| 久久中文看片网| 黄色毛片三级朝国网站| 亚洲欧美一区二区三区黑人| 亚洲人成网站在线播放欧美日韩| 日本一区二区免费在线视频| 久久国产精品男人的天堂亚洲| 日本黄色视频三级网站网址| 国产精品成人在线| 国产精品影院久久| 成熟少妇高潮喷水视频| 黄片小视频在线播放| 亚洲avbb在线观看| 亚洲久久久国产精品| 热re99久久国产66热| 亚洲欧美一区二区三区黑人| 亚洲中文字幕日韩| 精品一区二区三区四区五区乱码| 国产真人三级小视频在线观看| 国产高清国产精品国产三级| videosex国产| 欧美不卡视频在线免费观看 | 亚洲精品一区av在线观看| x7x7x7水蜜桃| 午夜a级毛片| 精品一区二区三区av网在线观看| 黑丝袜美女国产一区| 亚洲午夜精品一区,二区,三区| 久久精品亚洲av国产电影网| 亚洲av成人不卡在线观看播放网| 欧美成人免费av一区二区三区| 久久中文看片网| 美女福利国产在线| 欧美在线一区亚洲| 麻豆久久精品国产亚洲av | 欧美在线黄色| 淫妇啪啪啪对白视频| 嫩草影院精品99| 亚洲色图av天堂| 一区在线观看完整版| 91成人精品电影| 国产高清videossex| 亚洲精品美女久久av网站| 亚洲专区字幕在线| 桃红色精品国产亚洲av| 女人高潮潮喷娇喘18禁视频| 国产成人啪精品午夜网站| 免费高清视频大片| 亚洲专区字幕在线| 黄片大片在线免费观看| 亚洲精品一区av在线观看| 免费av中文字幕在线| 欧美日本中文国产一区发布| 亚洲一区二区三区不卡视频| a在线观看视频网站| 亚洲av成人不卡在线观看播放网| 法律面前人人平等表现在哪些方面| 亚洲av成人av| 不卡av一区二区三区| 一区二区三区精品91| 午夜免费成人在线视频| svipshipincom国产片| 啦啦啦 在线观看视频| 99国产精品一区二区三区| 国产精品偷伦视频观看了| 波多野结衣高清无吗| 精品久久久久久成人av| 国产精品九九99| 美女国产高潮福利片在线看| 别揉我奶头~嗯~啊~动态视频| 一级a爱片免费观看的视频| 久久人人爽av亚洲精品天堂| 国产亚洲精品久久久久5区| 亚洲中文字幕日韩| 亚洲一区高清亚洲精品| 国产成年人精品一区二区 | 超色免费av| av中文乱码字幕在线| 级片在线观看| av在线天堂中文字幕 | 交换朋友夫妻互换小说| 女人被躁到高潮嗷嗷叫费观| 欧美另类亚洲清纯唯美| 国产一区二区激情短视频| 手机成人av网站| 18禁裸乳无遮挡免费网站照片 | 国产乱人伦免费视频| 精品福利永久在线观看| 久久香蕉精品热| 亚洲一卡2卡3卡4卡5卡精品中文| 婷婷精品国产亚洲av在线| 色综合欧美亚洲国产小说| 国产精品香港三级国产av潘金莲| 欧美中文综合在线视频| 80岁老熟妇乱子伦牲交| 我的亚洲天堂| 成人免费观看视频高清| 久久精品国产综合久久久| 在线看a的网站| 国产精品99久久99久久久不卡| www.www免费av| 免费在线观看影片大全网站| 极品人妻少妇av视频| av在线播放免费不卡| 欧美大码av| 午夜福利,免费看| 男男h啪啪无遮挡| 天堂中文最新版在线下载| 一边摸一边抽搐一进一出视频| 满18在线观看网站| 黄色成人免费大全| 一区二区三区精品91| 超碰97精品在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久人人97超碰香蕉20202| 国产精品秋霞免费鲁丝片| 国产精品影院久久| 久久久国产成人精品二区 | 久久久久久亚洲精品国产蜜桃av| 一级a爱片免费观看的视频| 精品久久久久久成人av| 丰满的人妻完整版| 国产成人av激情在线播放| 国产一区二区激情短视频| 在线观看舔阴道视频| 在线看a的网站| 亚洲精品成人av观看孕妇| 麻豆国产av国片精品| 大型黄色视频在线免费观看| 97超级碰碰碰精品色视频在线观看| 亚洲国产精品sss在线观看 | 中文亚洲av片在线观看爽| 欧美人与性动交α欧美精品济南到| 波多野结衣高清无吗| 精品欧美一区二区三区在线| 日韩欧美一区二区三区在线观看| 怎么达到女性高潮| 欧美日韩中文字幕国产精品一区二区三区 | 国产一区二区激情短视频| 亚洲第一欧美日韩一区二区三区| 国产亚洲精品一区二区www| 久久中文字幕一级| 日韩国内少妇激情av| 国产精品久久久久久人妻精品电影| 又黄又爽又免费观看的视频| 免费看十八禁软件| 成人av一区二区三区在线看| 午夜老司机福利片| 波多野结衣av一区二区av| 日本三级黄在线观看| 中文字幕人妻丝袜一区二区| 色综合婷婷激情| 在线看a的网站| 中文亚洲av片在线观看爽| 99热国产这里只有精品6| 欧美日本亚洲视频在线播放| 日韩欧美在线二视频| 91精品三级在线观看| 亚洲欧美一区二区三区久久| 亚洲黑人精品在线| 不卡一级毛片| 国产区一区二久久| 另类亚洲欧美激情| 久久国产亚洲av麻豆专区| 日日干狠狠操夜夜爽| 一区二区三区激情视频| x7x7x7水蜜桃| 日本 av在线| 免费在线观看日本一区| 国产有黄有色有爽视频| 久热爱精品视频在线9| 欧美日韩一级在线毛片|