(3.238.173.209) 您好!臺灣時間:2021/05/15 16:26
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林怡秀
研究生(外文):I-HSIU Lin
論文名稱:調適性網路模糊推論於水下聲源訊號辨識系統之研究
論文名稱(外文):The Research of Adaptive Network Fuzzy Inference System Applied on Underwater Acoustic Signal Recognition
指導教授:杜筑奎
指導教授(外文):Chu-Kuei Tu
學位類別:碩士
校院名稱:中原大學
系所名稱:資訊工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2001
畢業學年度:89
語文別:中文
論文頁數:74
中文關鍵詞:向量量化調適性網路模糊推論系統數位訊號處理小波封包分解希爾伯特轉換
外文關鍵詞:wavelet packet decompositionvector quantizationdigital signal processingHilbert transformAdaptive Network Fuzzy Inference System
相關次數:
  • 被引用被引用:4
  • 點閱點閱:91
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
水下聲源信號由於受到各種因素的影響,具有非線性及時變的特性。因此本論文針對水下聲源訊號提出實際可行的理論與處理方法,一是利用希爾伯特轉換取得水下聲源訊號之特徵參數;二是調適性模糊推論系統(ANFIS)的建立。最後對此兩部分進行整合,架構一確實可行的識別系統。
進行特徵參數抽取分析時,就訊號特性分析及特徵參數之求取分別做研討。經驗證,使用具多頻解析特性之小波封包分解法,而後再利用希爾伯特轉換,以獲得各個船隻具代表性的樣板特徵參數。
調適性模糊推論系統建立時,利用各樣本類別的特徵參數,經由規則及歸屬函數的建立程序,建立初始的調適性模糊推論系統,並使用混合式學習演算法進行求解。然後,可依所求解的狀況增減模糊規則數及歸屬函數,達成最佳化的辨識系統。
Underwater acoustic signal is affected by various factors, and it reveal characteristics of non-linear and time-variant. Therefore, a practical recognition system is proposed which consist of two parts. The One is underwater acoustic signal feature extraction by using wavelet packets and Hilbert Transform. The other is the signal pattern recognition by using Adaptive Network Fuzzy Inference System (ANFIS). Finally, combine the two procedures and establish a practical recognition system.
During the feature parameter extraction stage, signal characteristic analysis and feature selection is discussed. It has been proved that using the wavelet packet decomposition method, and then apply the Hilbert transform can get representative pattern feature parameters of each sample classification individually.
During the Adaptive Network Fuzzy Inference System modeling stage, each ship’s template feature parameters are utilized on to construct the preliminary fuzzy rules and membership functions, and solve the result by using the hybrid learning algorithm. Then, based on the adjustment of fuzzy rules or membership functions, an optimum recognition system is obtained.
第一章 緒論
1.1 研究動機與目的
1.2 研究方式
1.3 內容概述
第二章 希爾伯特轉換於水下聲源訊號特徵分析
2.1 水下聲源訊號特徵分析
2.1.1 前置處理
2.1.2 類比/數位轉換
2.2 傅立葉轉換、小波轉換與小波封包理論
2.2.1 短時距傅立葉轉換
2.2.2 小波轉換
2.2.3 多重解析空間
2.2.4 小波封包
2.3希爾伯特轉換
第三章 調適性網路模糊推論
3.1 簡介
3.2 向量量化
3.3 模糊邏輯推論系統
3.3.1 模糊推理句
3.3.2 模糊推論系統
3.4 調適性網路模糊推論系統
3.4.1 調適性網路模糊推論系統架構
3.4.2 混合學習演算法(Hybrid Learning
Algorithm)
3.4.2.1 批次學習(Batch Learning)
3.4.2.2 模型學習(Pattern Learning)
3.4.3 整理
第四章 水下聲源訊號識別系統的建立
4.1 水下聲源訊號識別系統訓練架構
4.2 水下聲源訊號特徵參數之取得
4.3 向量量化
4.4 水下聲源訊號識別系統辨識架構
第五章 研究結果與比較
5.1 不同特徵取法之比較
5.2 網路模型建立之實驗
5.3 系統效能之比較
第六章 結論
參考文獻
參考文獻[1] W.C. Knight, et al, “Digital Signal Processing for Sonar”, Proc. of IEEE, pp. 1451-1506,Nov. 1981.[2] Alan V.Oppenheim and Ronald W.Schafer, Discrete-Time Signal Processing, 2rd ed, Prentice Hall, 1999.[3] Ronald N.Bracewell, The Fourier Transform and Its Applications , 2rd, McGraw-Hill, 1986.[4] Jyh-Shing, Roger Jang, “ANFIS: Adaptive-Network-Based Fuzzy Inference System”, IEEE Trans. on Systems, Man and Cybernetics, vol. 23, no. 3, pp. 665-685, 1993.[5] 楊璧如,Speaker/Singer Identification,2000,清華大學資訊工 程碩士論文.[6] L.B. Jackson, Digital Filters and Signal Processing with MATLAB Exercises, Kluwer Academic Publishers, 1994.[7] C.S. Burrus, Computer-Based Exercises for Signal Processing Using MATLAB, Prentice - Hall, 1994.[8] 單維彰,凌波初步,1999,全華書局[9] H.J.Nussbaumer, Fast Fourier Transform and Convolution Algorithms, 1981.[10] E. ORAN Brigham, The Fast Fourier Transform, Prentice- Hall, 1974.[11] Jaideva C.Goswami and Andrew K.CHAN, Fundamentals of Wavelets Theory, Algorithms,And Applications, 1999.[12] Norden E. Huang, “The Empirical Mode Decomposition and The Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis”, NASA.(manuscript), 1996.[13] 陳世國,“Hilbert Spectrum於結構工程上之應用” ,1998,中 央大學土木工程碩士論文.[14] 畢德成,”希爾伯特頻譜於地震資料之應用”,2000,中央大學 土木工程碩士論文.[15] J. —S. R. Jang, C. —T. Sun, E. Mizutani, Neural-Fuzzy and Soft Computing, Prentice-Hall, 1997.[16] Jyh-Shing,R.J, “Input Selection for ANFIS Learning", Fuzzy Systems, Proceedings of the Fifth IEEE International Conference on , Volume: 2, 1996.[17] Lawrence Rabiner and Biing-Hwang Juang, Fundamentals of Speech Recognition, 1993.[18] 王文俊,認識Fuzzy,1999,全華書局[19] Timothy J.Ross, Fuzzy Logic With Engineering Application, McGraw-Hill, 1995.[20] 劉繼煥,積層陶瓷電容製程中電容晶片端面弧度之自動化檢驗 與製程管制探討,2000,朝陽科技大學工業工程與管理所碩士 論文.[21] 余國瑞,陸子強, 揚志成,渾沌系統之ANFIS控制,2000, 義守大學電機工程碩士論文.[22] 張金華,適用於資料挖掘的屬性挑選與快速k-means組群化演 算法,1999,逢甲大學資訊工程所論文.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top