朱宗斌，陶剑锋，葛辉良，郑 佳

(中国船舶重工集团公司第七一五研究所，浙江 杭州 310023)

0 引 言

声呐是海军进行水下作战的重要装备，而声呐目标分类识别技术则是声呐装备的关键技术之一。目前较常用的目标分类识别算法主要有反向传播(Back Propagation,BP)神经网络、支持向量机(Support Vector Machine,SVM)、k最近邻(k-Nearest Neighbor,KNN)分类等[1-2]。其中，最近邻分类算法由于算法简单、容易理解和实现且分类效果较好，因此广泛应用于目标分类识别中[3]。被动声呐主要依据探测到的目标辐射噪声进行海上目标分类识别，然而由于海洋环境复杂和水声信道特殊，如何在舰船辐射噪声中提取有效的特征一直是声呐目标识别的研究重点和难点。目前使用较多的特征提取方法有：时域特征提取、线谱特征提取、双谱特征提取等[4-7]。在舰船辐射噪声中螺旋桨节拍对舰船的辐射噪声存在明显的振幅调制，这种幅度调制信号携带着舰船的重要特征信息，这些特征信息能够用来进行目标的分类识别。对舰船辐射噪声求功率谱即可得到目标功率谱特征，功率谱特征包括线谱特征和连续谱特征，这两种特征广泛应用于声呐目标的分类和识别中[4,6-9]。

鉴于水中舰艇目标低频特征丰富，本研究基于提取得到的低频功率谱谱线特征直接用于被动声呐目标识别，但是由于直接提取得到的特征量维度过高，导致特征间相关性较大，不利于分类器的识别。特征选择是一种基于对建模数据分类时提供最强预测能力特征子集的方法，有效的特征选择方法可以降低特征空间的维度，提高对样本集的正确识别率和识别效率。……