多层分类算法用于探测和分类复杂环境中的水下目标

本文提出了一种多层分类算法，适用于实际水下环境中的所有信号，无需阈值处理。该算法旨在解决在复杂环境中探测和分类高机动性和未知水下目标的问题，特别是在主动声纳系统中。以往的研究通过使用高于预设阈值的信号来区分目标和杂波，因为高信噪比（SNR）的目标具有足够的特征向量成分可进行分离。然而，在实际环境中，接收到的目标回波的SNR并不总是高于阈值。因此，需要一种适用于不同目标SNR条件的目标检测算法。当杂波能量过强时，可能会出现误检，由于目标信号较弱，检测概率也会降低。此外，由于长脉冲重复间隔用于长距离探测且环境噪声往往较高，需要对每个ping进行分类处理。

在论文中，通过在韩国海军舰船上使用实际水下目标和船体装载的主动声纳系统，在东海进行实验，获取了各种实验数据。所提出的算法的检测性能通过分类率和误报率作为SNR函数进行评估。由于实验环境数据包括海况、目标机动模式和声速，论文从所有实验中选择了1123个ping数据，并根据每个ping的杂波分布随机选择了1000个杂波。采用支持向量机作为分类器，选取80%的数据进行训练，其余数据用于测试。该过程重复进行了1000次。论文展示了散射图和特征特性样本，并呈现了分类表和接收者操作特性（ROC）曲线以进行性能分析和讨论。结果表明，所提出的算法在不同目标强度和环境噪声水平下具有有效性。