[发明专利]水下目标gammatone离散小波系数听觉特征提取方法

说明书

技术领域

本发明涉及一种水下目标gammatone离散小波系数听觉特征提取方法，可应用于水下目标辐射噪声的分类识别。

背景技术

水下目标特征提取是指从经过预处理的水下目标辐射噪声波形中提取反映其特点、类型的一组特征（时域特征提取），或者使用某种方法把目标辐射噪声波形进行变换，然后在变换域中提取反映其特点、目标类型的一组特征（变换域特征提取）。特征提取是目标识别中的关键环节之一，它直接影响到目标的最终识别结果。目前，应用较成熟的特征提取方法主要有：

1)功率谱估计及LOFAR谱分析

2)DEMON谱分析

3)小波变换及时频谱分析

虽然上述特征提取方法的研究取得了很多令人鼓舞的成果，但在实际应用中，由于水下环境的复杂性、水声信道的特殊性及水下目标的多样性，上述特征提取方法提取出的特征无法达到满意的识别效果，目标的最终判定很大程度上仍然依赖于听音员的耳听判型。有经验的听音员能够在复杂的海况下，对水下目标做出正确的类型判别。为此，研究者从仿生学的角度来进行听觉感知特征提取技术的研究，特别是对人耳听觉系统模仿的研究。

人类的听觉系统是人类获取外界信息的主要器官。正常人的听觉系统是极为灵敏的，可听声音的频率范围为20Hz-20kHz，人类听觉器官对声波的音高、音强及动态频率具有良好的分析感知能力。听觉建模是研究人耳听觉系统的一个重要手段，因为听觉模型最接近人耳对声音信号的处理过程，提取的特征最能反映声音的本质，且具有很好的稳健性。

近年来，国内外研究者从人耳听觉感知机理出发，研究适用于水下目标辐射噪声的新的特征提取方法，寻找人耳主观听觉量中的有效感知量，从而提高水下目标的正确识别率。

目前，使用最为广泛的是一种准听觉模型MFCC（Mel-Frequency Cepstral Coefficients）特征模型，具有计算简单和目标特征有效表示的特性，其主要思想是用傅里叶变换模拟人耳听觉系统的基底膜频率分解功能，用对数变换模拟听觉系统的非线性特性。MFCC算法的主要过程是：首先对实测的噪声数据进行预处理，以使目标信号在短时内表示为近似平稳，然后对预处理后的数据进行傅里叶变换，将时域信号处理转化为频域信号处理，接着让其通过三角滤波器组进行听觉滤波，同时使用对数压缩，最后对对数压缩后的数据进行离散余弦变换，并取前N个系数。

MFCC算法易受噪声的影响，信号稍有干扰，频谱的幅值、相位和频率都有可能产生较大的误差。4阶的Gammatone滤波器组能较好地模拟听神经的生理学特性及耳蜗基底膜的滤波特性，且具有简单的冲激响应函数，所需的参数最少，其输出特别适合于进行耳蜗内的谱分析。因此，使用4阶的gammatone滤波器组，结合比离散余弦变换具有更好的时频分辨率的离散小波变换，对水下目标辐射噪声进行特征提取，形成仿人耳的听觉特征矢量，是一种可行的特征提取方法。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种水下目标gammatone离散小波系数听觉特征提取方法，使用gammatone听觉滤波器组和离散小波变换输出得到gammatone频率离散小波系数，形成水下目标的听觉特征矢量，可在复杂海洋环境干扰条件下，提高水下目标信号特征提取的稳健性，从而提高水下目标识别的正确率。

技术方案

一种水下目标gammatone离散小波系数听觉特征提取方法，其特征在于步骤如下：

步骤1：将所要分析的目标数据进行分帧处理，分帧时一帧的长度包含2～5节奏周期，然后将每帧信号加Hamming窗，Hamming窗函数为：