• <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
    国产成人影院久久av| 精品一区二区三区av网在线观看 | 国产亚洲精品久久久久5区| 中文字幕人妻熟女乱码| 人人妻人人添人人爽欧美一区卜| 亚洲三区欧美一区| kizo精华| 国产精品一国产av| 成人18禁高潮啪啪吃奶动态图| 久久精品亚洲熟妇少妇任你| 午夜福利视频在线观看免费| 免费女性裸体啪啪无遮挡网站| 亚洲av成人精品一二三区| 精品第一国产精品| 欧美日韩黄片免| 蜜桃在线观看..| 电影成人av| 亚洲国产欧美在线一区| 免费在线观看视频国产中文字幕亚洲 | 在现免费观看毛片| 亚洲精品一区蜜桃| 久久人妻福利社区极品人妻图片 | 亚洲第一av免费看| 亚洲欧美精品自产自拍| 午夜激情久久久久久久| 曰老女人黄片| 少妇被粗大的猛进出69影院| 伊人亚洲综合成人网| 自拍欧美九色日韩亚洲蝌蚪91| 精品久久久精品久久久| 乱人伦中国视频| 久久亚洲国产成人精品v| 交换朋友夫妻互换小说| 大码成人一级视频| 我要看黄色一级片免费的| 十八禁高潮呻吟视频| 国产精品.久久久| 国产熟女午夜一区二区三区| 丝袜美足系列| 国产爽快片一区二区三区| 精品少妇黑人巨大在线播放| 亚洲欧美成人综合另类久久久| 久久热在线av| 久久久久久人人人人人| 成人亚洲精品一区在线观看| 亚洲av电影在线观看一区二区三区| 亚洲精品日本国产第一区| 天天躁狠狠躁夜夜躁狠狠躁| 久久99一区二区三区| 最新在线观看一区二区三区 | 日本黄色日本黄色录像| 日韩欧美一区视频在线观看| 电影成人av| 熟女少妇亚洲综合色aaa.| 2021少妇久久久久久久久久久| 国产日韩欧美亚洲二区| 亚洲av电影在线进入| 视频区图区小说| 日日摸夜夜添夜夜爱| 悠悠久久av| 亚洲av美国av| bbb黄色大片| 免费在线观看日本一区| av线在线观看网站| 成在线人永久免费视频| 中文精品一卡2卡3卡4更新| 2021少妇久久久久久久久久久| 国产xxxxx性猛交| 日本a在线网址| 国产精品人妻久久久影院| 亚洲自偷自拍图片 自拍| 国产精品麻豆人妻色哟哟久久| 中文字幕另类日韩欧美亚洲嫩草| 免费av中文字幕在线| 下体分泌物呈黄色| 99国产精品免费福利视频| 如日韩欧美国产精品一区二区三区| 精品一区二区三区av网在线观看 | av国产精品久久久久影院| 中文字幕人妻丝袜一区二区| 69精品国产乱码久久久| 咕卡用的链子| 成年动漫av网址| 老鸭窝网址在线观看| 夫妻午夜视频| 婷婷成人精品国产| 美女高潮到喷水免费观看| 日本一区二区免费在线视频| 热99国产精品久久久久久7| 欧美97在线视频| 亚洲av欧美aⅴ国产| 久久久精品94久久精品| 丝袜在线中文字幕| 国产av精品麻豆| 亚洲成国产人片在线观看| 亚洲色图综合在线观看| 天天躁日日躁夜夜躁夜夜| 高清黄色对白视频在线免费看| 亚洲一码二码三码区别大吗| 永久免费av网站大全| 十八禁人妻一区二区| 欧美黄色淫秽网站| 丰满人妻熟妇乱又伦精品不卡| 99国产精品一区二区三区| 丝袜喷水一区| 狠狠婷婷综合久久久久久88av| 国产精品亚洲av一区麻豆| 好男人视频免费观看在线| 国产在线一区二区三区精| 女人久久www免费人成看片| av网站免费在线观看视频| 少妇人妻久久综合中文| netflix在线观看网站| 免费在线观看影片大全网站 | 亚洲一区二区三区欧美精品| 多毛熟女@视频| 免费在线观看视频国产中文字幕亚洲 | 一区二区三区激情视频| 欧美精品高潮呻吟av久久| 天堂中文最新版在线下载| 亚洲精品乱久久久久久| 婷婷色综合www| 国产xxxxx性猛交| 19禁男女啪啪无遮挡网站| 欧美成狂野欧美在线观看| 久久综合国产亚洲精品| 麻豆乱淫一区二区| 国产伦理片在线播放av一区| 嫁个100分男人电影在线观看 | 午夜福利,免费看| 大香蕉久久成人网| 我的亚洲天堂| 亚洲国产成人一精品久久久| 国产在线视频一区二区| 纵有疾风起免费观看全集完整版| 欧美日韩一级在线毛片| av国产精品久久久久影院| 伊人久久大香线蕉亚洲五| 国产成人精品在线电影| 亚洲免费av在线视频| 一区二区三区乱码不卡18| 国产精品麻豆人妻色哟哟久久| 欧美xxⅹ黑人| 成年女人毛片免费观看观看9 | 久久久国产欧美日韩av| 久久人妻熟女aⅴ| 国产精品亚洲av一区麻豆| 日韩免费高清中文字幕av| 韩国精品一区二区三区| 熟女av电影| 欧美在线一区亚洲| 亚洲伊人久久精品综合| 好男人视频免费观看在线| 精品亚洲成国产av| 久久99精品国语久久久| 亚洲欧美清纯卡通| 人人妻人人爽人人添夜夜欢视频| 日韩中文字幕视频在线看片| 亚洲欧美激情在线| 19禁男女啪啪无遮挡网站| 一本—道久久a久久精品蜜桃钙片| 777久久人妻少妇嫩草av网站| 人妻一区二区av| 国产成人av教育| 不卡av一区二区三区| 国产不卡av网站在线观看| 欧美日韩福利视频一区二区| av国产精品久久久久影院| 婷婷色av中文字幕| 日韩制服丝袜自拍偷拍| 国产爽快片一区二区三区| 国产精品.久久久| 一级,二级,三级黄色视频| 精品国产乱码久久久久久小说| 亚洲,欧美,日韩| 又大又黄又爽视频免费| 97精品久久久久久久久久精品| 久久精品国产亚洲av涩爱| 亚洲免费av在线视频| 97精品久久久久久久久久精品| 欧美激情极品国产一区二区三区| 黑人猛操日本美女一级片| 老司机靠b影院| 人体艺术视频欧美日本| 欧美精品av麻豆av| 男女午夜视频在线观看| 国产黄频视频在线观看| 亚洲精品日本国产第一区| 在线精品无人区一区二区三| 国产男女内射视频| av天堂在线播放| 亚洲精品自拍成人| 9191精品国产免费久久| 天天影视国产精品| 亚洲欧美成人综合另类久久久| 一边摸一边抽搐一进一出视频| 精品人妻熟女毛片av久久网站| 首页视频小说图片口味搜索 | av福利片在线| 亚洲午夜精品一区,二区,三区| 久久久久精品人妻al黑| 国产一区亚洲一区在线观看| 亚洲熟女毛片儿| 亚洲成色77777| √禁漫天堂资源中文www| 亚洲精品国产av蜜桃| 国产成人精品无人区| 亚洲欧美日韩高清在线视频 | 欧美+亚洲+日韩+国产| 国产女主播在线喷水免费视频网站| xxxhd国产人妻xxx| 国产午夜精品一二区理论片| 日韩大片免费观看网站| 激情视频va一区二区三区| 精品国产乱码久久久久久男人| 两个人看的免费小视频| 美女午夜性视频免费| 麻豆国产av国片精品| 亚洲精品日本国产第一区| av在线老鸭窝| 精品国产乱码久久久久久小说| 男人爽女人下面视频在线观看| 在线天堂中文资源库| 777米奇影视久久| 国产一级毛片在线| 亚洲一区二区三区欧美精品| 亚洲精品日本国产第一区| 九草在线视频观看| 国产视频首页在线观看| 波多野结衣av一区二区av| 制服诱惑二区| 男人爽女人下面视频在线观看| 19禁男女啪啪无遮挡网站| 国产亚洲午夜精品一区二区久久| 国产亚洲精品第一综合不卡| 女警被强在线播放| 另类精品久久| 男女边摸边吃奶| 女人爽到高潮嗷嗷叫在线视频| 亚洲第一青青草原| 一级片'在线观看视频| 中文字幕亚洲精品专区| 国产精品成人在线| 日韩 亚洲 欧美在线| 国产男女超爽视频在线观看| 日日摸夜夜添夜夜爱| 午夜免费男女啪啪视频观看| 十分钟在线观看高清视频www| 韩国高清视频一区二区三区| 国产精品 国内视频| 中文字幕高清在线视频| 国产欧美日韩精品亚洲av| 国产亚洲欧美精品永久| 丁香六月天网| 菩萨蛮人人尽说江南好唐韦庄| 国产精品一二三区在线看| 久久人妻熟女aⅴ| 一区二区三区四区激情视频| 深夜精品福利| 久久久久精品国产欧美久久久 | 午夜福利一区二区在线看| 操美女的视频在线观看| 国产成人欧美| 免费高清在线观看视频在线观看| 精品福利观看| 大型av网站在线播放| 国产免费视频播放在线视频| 男女床上黄色一级片免费看| 制服人妻中文乱码| 久久精品aⅴ一区二区三区四区| 精品少妇久久久久久888优播| 91成人精品电影| 99香蕉大伊视频| 国产精品一区二区精品视频观看| 亚洲国产精品一区二区三区在线| 一本综合久久免费| 精品久久久久久久毛片微露脸 | 亚洲自偷自拍图片 自拍| 啦啦啦 在线观看视频| 国产片内射在线| 亚洲欧美色中文字幕在线| 日韩伦理黄色片| 亚洲精品成人av观看孕妇| 日本a在线网址| 黄色毛片三级朝国网站| www.999成人在线观看| 国产男女内射视频| 男人添女人高潮全过程视频| 一本色道久久久久久精品综合| 欧美成人精品欧美一级黄| 中国美女看黄片| 免费在线观看视频国产中文字幕亚洲 | 你懂的网址亚洲精品在线观看| 啦啦啦中文免费视频观看日本| 热99久久久久精品小说推荐| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久av美女十八| 极品人妻少妇av视频| 悠悠久久av| 十八禁人妻一区二区| 9热在线视频观看99| 中文字幕人妻丝袜制服| 美国免费a级毛片| 成人免费观看视频高清| 亚洲,一卡二卡三卡| 蜜桃在线观看..| 亚洲国产中文字幕在线视频| 美女中出高潮动态图| 成人国语在线视频| 丁香六月天网| 成人国产av品久久久| 亚洲欧美一区二区三区久久| 成人免费观看视频高清| 91精品国产国语对白视频| kizo精华| 丰满迷人的少妇在线观看| 男人添女人高潮全过程视频| 777米奇影视久久| 纯流量卡能插随身wifi吗| 免费人妻精品一区二区三区视频| 日韩中文字幕欧美一区二区 | 飞空精品影院首页| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色 视频免费看| 日韩大码丰满熟妇| 亚洲成人免费电影在线观看 | 建设人人有责人人尽责人人享有的| 久久久久久久久久久久大奶| 亚洲欧美精品综合一区二区三区| 午夜福利在线免费观看网站| 国产男女内射视频| 婷婷色av中文字幕| 丝袜美腿诱惑在线| 久久国产精品人妻蜜桃| 激情视频va一区二区三区| 欧美xxⅹ黑人| 亚洲精品av麻豆狂野| 日韩制服丝袜自拍偷拍| 最近中文字幕2019免费版| 久久ye,这里只有精品| 日韩制服丝袜自拍偷拍| 大话2 男鬼变身卡| 久久人人爽av亚洲精品天堂| avwww免费| 日韩制服骚丝袜av| 精品福利观看| 亚洲男人天堂网一区| 视频区图区小说| 99热全是精品| 大型av网站在线播放| 热re99久久国产66热| 两个人免费观看高清视频| 精品一区二区三区四区五区乱码 | 亚洲精品美女久久久久99蜜臀 | 精品人妻一区二区三区麻豆| 国产福利在线免费观看视频| 国产成人免费无遮挡视频| 国产精品国产av在线观看| 亚洲人成电影免费在线| 亚洲精品第二区| 肉色欧美久久久久久久蜜桃| 中文字幕av电影在线播放| 免费看不卡的av| 国产福利在线免费观看视频| 中文字幕av电影在线播放| 国产av一区二区精品久久| 成年女人毛片免费观看观看9 | 国产日韩欧美在线精品| 母亲3免费完整高清在线观看| 久久热在线av| 精品人妻1区二区| 免费高清在线观看视频在线观看| 不卡av一区二区三区| 老汉色av国产亚洲站长工具| 大片电影免费在线观看免费| 久久久精品区二区三区| 午夜福利在线免费观看网站| 脱女人内裤的视频| 欧美激情极品国产一区二区三区| 好男人视频免费观看在线| 最近中文字幕2019免费版| 美国免费a级毛片| 国产亚洲精品久久久久5区| 老司机深夜福利视频在线观看 | 亚洲综合色网址| 国产又爽黄色视频| 欧美少妇被猛烈插入视频| 午夜免费观看性视频| svipshipincom国产片| 一区二区日韩欧美中文字幕| 成人影院久久| 久久久久精品人妻al黑| 国产成人精品久久二区二区免费| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产精品成人久久小说| 麻豆av在线久日| 国产视频一区二区在线看| 国产精品国产三级专区第一集| 激情视频va一区二区三区| 男人操女人黄网站| 韩国精品一区二区三区| 中文字幕色久视频| 午夜福利一区二区在线看| 中国国产av一级| 91精品三级在线观看| 国精品久久久久久国模美| 自线自在国产av| 色婷婷av一区二区三区视频| 日韩 欧美 亚洲 中文字幕| 亚洲成国产人片在线观看| 亚洲欧美精品自产自拍| 免费观看av网站的网址| 校园人妻丝袜中文字幕| 一个人免费看片子| 久久99精品国语久久久| 欧美性长视频在线观看| 亚洲欧美精品自产自拍| 一级黄色大片毛片| 国产精品一国产av| 黑人巨大精品欧美一区二区蜜桃| 国产97色在线日韩免费| 国产淫语在线视频| 亚洲av电影在线观看一区二区三区| 亚洲成av片中文字幕在线观看| 啦啦啦在线免费观看视频4| 亚洲av电影在线进入| 国产精品久久久久成人av| 国产精品久久久久久人妻精品电影 | 汤姆久久久久久久影院中文字幕| 欧美日韩黄片免| 18禁黄网站禁片午夜丰满| 人人妻,人人澡人人爽秒播 | 涩涩av久久男人的天堂| 啦啦啦在线观看免费高清www| 一区福利在线观看| 精品一区二区三区av网在线观看 | 女人高潮潮喷娇喘18禁视频| 久久久国产一区二区| 久久毛片免费看一区二区三区| 人人澡人人妻人| 性高湖久久久久久久久免费观看| av不卡在线播放| 日韩一本色道免费dvd| 建设人人有责人人尽责人人享有的| 久9热在线精品视频| 在线观看www视频免费| 在线观看免费日韩欧美大片| 国产爽快片一区二区三区| 最新在线观看一区二区三区 | 国产成人免费观看mmmm| 亚洲精品久久成人aⅴ小说| 9色porny在线观看| 亚洲人成77777在线视频| 免费日韩欧美在线观看| 一区二区三区精品91| 晚上一个人看的免费电影| 99久久精品国产亚洲精品| 美女午夜性视频免费| av天堂久久9| 国产精品九九99| 最近手机中文字幕大全| 亚洲av国产av综合av卡| 亚洲国产成人一精品久久久| 大码成人一级视频| 欧美黄色片欧美黄色片| 男男h啪啪无遮挡| 亚洲国产精品一区二区三区在线| 建设人人有责人人尽责人人享有的| 久久精品久久久久久噜噜老黄| 丝袜喷水一区| 青春草亚洲视频在线观看| 久久鲁丝午夜福利片| 欧美日韩国产mv在线观看视频| 欧美精品一区二区大全| 精品国产超薄肉色丝袜足j| 亚洲国产av新网站| 在线观看免费视频网站a站| 91老司机精品| 大陆偷拍与自拍| 亚洲国产精品成人久久小说| 日本色播在线视频| 亚洲国产毛片av蜜桃av| 搡老乐熟女国产| 欧美激情极品国产一区二区三区| 热99国产精品久久久久久7| 欧美亚洲 丝袜 人妻 在线| 亚洲av成人不卡在线观看播放网 | 精品福利观看| 美女主播在线视频| 日本欧美视频一区| 久久综合国产亚洲精品| 欧美日韩亚洲综合一区二区三区_| 国产精品一区二区精品视频观看| av福利片在线| 美女中出高潮动态图| 午夜免费鲁丝| 亚洲欧美精品自产自拍| 另类精品久久| 久久久久视频综合| 一本一本久久a久久精品综合妖精| 9191精品国产免费久久| 视频在线观看一区二区三区| 母亲3免费完整高清在线观看| 国产成人欧美| 777米奇影视久久| 国产精品二区激情视频| 国产精品久久久久成人av| 欧美亚洲 丝袜 人妻 在线| 亚洲伊人色综图| 欧美国产精品一级二级三级| 看十八女毛片水多多多| 亚洲国产精品成人久久小说| 99精品久久久久人妻精品| tube8黄色片| 国产精品一区二区免费欧美 | 777米奇影视久久| 高清视频免费观看一区二区| 亚洲精品国产av成人精品| 一级片免费观看大全| 99热全是精品| 男人操女人黄网站| 黄色视频在线播放观看不卡| 亚洲av综合色区一区| 国产精品成人在线| 亚洲国产欧美日韩在线播放| 性少妇av在线| 在线观看一区二区三区激情| 亚洲伊人久久精品综合| 国产高清视频在线播放一区 | 亚洲av日韩精品久久久久久密 | 国产精品香港三级国产av潘金莲 | 欧美日本中文国产一区发布| 女人爽到高潮嗷嗷叫在线视频| 五月开心婷婷网| 精品一区在线观看国产| www.999成人在线观看| 亚洲 欧美一区二区三区| 99国产精品免费福利视频| 好男人视频免费观看在线| 欧美激情高清一区二区三区| 老司机影院成人| 国产精品av久久久久免费| 最近手机中文字幕大全| 亚洲视频免费观看视频| 一级毛片 在线播放| 国产又爽黄色视频| 亚洲国产av新网站| 蜜桃国产av成人99| 午夜av观看不卡| 999久久久国产精品视频| 操美女的视频在线观看| 午夜影院在线不卡| 国产精品三级大全| 国产一卡二卡三卡精品| 黄色怎么调成土黄色| 啦啦啦 在线观看视频| 国产免费一区二区三区四区乱码| 最近中文字幕2019免费版| 老司机影院成人| 婷婷色麻豆天堂久久| 亚洲国产欧美日韩在线播放| 久久这里只有精品19| 午夜影院在线不卡| 国产精品欧美亚洲77777| 午夜福利,免费看| 日日摸夜夜添夜夜爱| 国产精品av久久久久免费| 中文乱码字字幕精品一区二区三区| 日韩av在线免费看完整版不卡| 国产无遮挡羞羞视频在线观看| 久久精品久久久久久噜噜老黄| 精品人妻1区二区| av网站在线播放免费| 国产91精品成人一区二区三区 | 伊人亚洲综合成人网| 韩国高清视频一区二区三区| 最黄视频免费看| 乱人伦中国视频| 久久国产精品人妻蜜桃| 久久精品国产亚洲av高清一级| 丝袜在线中文字幕| svipshipincom国产片| 美女脱内裤让男人舔精品视频| 在线观看www视频免费| 大片电影免费在线观看免费| 色94色欧美一区二区| 建设人人有责人人尽责人人享有的| 大码成人一级视频| 女人久久www免费人成看片| 秋霞在线观看毛片| 精品久久蜜臀av无| 看十八女毛片水多多多| 黄网站色视频无遮挡免费观看| 国产男人的电影天堂91| 亚洲成色77777| 亚洲精品在线美女| 亚洲国产中文字幕在线视频| 最近中文字幕2019免费版| 美女视频免费永久观看网站| svipshipincom国产片| 国产熟女欧美一区二区| 午夜视频精品福利| 亚洲欧洲精品一区二区精品久久久| 免费女性裸体啪啪无遮挡网站| 在线亚洲精品国产二区图片欧美| 男女高潮啪啪啪动态图| 国产伦人伦偷精品视频| 女人被躁到高潮嗷嗷叫费观| av一本久久久久| 51午夜福利影视在线观看| 亚洲 国产 在线| 青春草亚洲视频在线观看| 国产女主播在线喷水免费视频网站| 精品亚洲乱码少妇综合久久| 久久99热这里只频精品6学生|