基于EK-NN的水声目标识别算法研究
2016-10-14张扬杨建华侯宏
张扬,杨建华,侯宏
基于EK-NN的水声目标识别算法研究
张扬1,杨建华1,侯宏2
(1. 西北工业大学自动化学院,陕西西安710129;2. 西北工业大学航海学院,陕西西安710072)
针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor, EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5, PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。
水声目标识别;证据理论;证据K类近邻算法(EK-NN);特征向量;组合规则
0 引言
无论军事还是民用方面,水声目标识别都有极其重要的应用背景[1-2]。尤其是在军事应用上,准确快速的目标识别是打击敌方舰船的关键,因此水声目标识别研究一直深受关注[3-6]。但由于水声目标类别众多,不同类别目标特征也存在极大相似性。另外,随着信息技术的高速发展,舰船和潜艇降噪技术也都有了飞速提升。这都为水声目标的准确识别带来了极大挑战[7-8]。
目前水声目标识别应用中,由于近邻改进算法(Improved K Nearest Neighbor algorithm, IK-NN)[9-10]和支持向量机改进算法(Support Vector Machine Ensembles algorithm, SVME)[11-12]简单直观、误差率低,因而备受欢迎也应用较为广泛。……
