【出 处】：《 计算机仿真 》 CSCD 2012年第29卷第2期 7-10页,共5页

【作 者】： 顾江建 ; 王海燕 ; 申晓红 ; 高婧洁

【摘 要】 目前水下目标识别技术识别率与实时性两难现状的解决，对舰船水下辐射噪声的正确提取具有实际意义。为了使水下目标识别更切合作战实际需要，在得到稳定、可靠的目标识别率的同时，实现高效与实时性，提出了基于对角切片谱的小波神经网络水下目标识别系统。系统充分利用高阶谱既能抑制高斯噪声又包含丰富识别信息的特点以及小波神经网络具有自适应、自学习以及逼近特性和自动收缩平移功能的优点，对三类舰船的实测数据进行仿真，结果表明，三类舰船目标的平均识别率达到90．4％，同时收敛速度也比普通神经网络提高16．9％，证明系统在水下目标识别中具有很好的应用价值。