水压力场信号识别：基于小波消噪与模糊聚类的能量聚点分析

本文主要探讨了基于数字图像处理的车牌识别技术中的一个重要概念——"计算得到各信号的两两相似关系矩"，并将其应用于舰船水压力场信号的特征提取和识别。研究中，作者首先引入了信号的两两相似关系矩阵，通过计算这个矩阵并采用平方法求传递闭包，得到模糊等价关系。然后，通过聚类分析，特别是水平能量聚点的水平能量聚点集合U，对原始信号进行聚类，从而得出信号的分类结果。 在验证实例部分，作者选择了舰船水压力场信号作为例子，考虑了舰船的具体参数如水线长、宽、吃水深度和排水体积等，并建立了海底水压力场的数学模型。通过对平均波高、1/10大波波高和平均周期的随机相位模拟，生成了20次海底水压力场信号以及20次混合信号（包括目标信号）。 接着，利用小波变换工具对信号进行处理，通过设定频率范围、选择门限阈值和小波分解，实现了小波阈值消噪。然后，计算了消噪信号的功率谱估计，求得了频域的水平能量聚点。这些聚点决定了特征向量，从而能够区分模拟背景信号和含目标信号的频域特征。 作者展示了水平能量聚点模糊集的隶属函数曲线，其中信噪比RsN为15.9961。通过计算不同水平的能量聚点，对20次模拟背景信号和20次模拟含目标信号进行模糊聚类分析。结果显示，在特定的聚类截集水平下，聚类准确率为92.59%，虚警率为5%。然而，随着信噪比的降低，水平能量聚点这一特征量对目标信号识别的准确性受到了影响。进一步分析表明，虽然这种影响对能量聚点尺度值d的灵敏度不高，但对能量聚点水平值的灵敏度较高，水平值越大，影响越小。因此，通过提高能量聚点的水平，可以在一定程度上抵消信噪比降低带来的负面影响。 本文提出了一种利用水平能量聚点进行特征提取的方法，该方法在低信噪比条件下仍能有效提取目标信号的特征，具有较高的检测准确率和较低的虚警率。这种方法对于信号处理和特征提取领域，特别是在水下信号分析和目标识别中，具有重要的理论和实践意义。