[发明专利]基于舰船辐射噪声时域特征的水声目标识别方法

权利要求书

1.一种基于舰船辐射噪声时域特征的水声目标识别方法，其特征在于，包括以下步骤：

步骤1，对用于训练的舰船目标辐射噪声数据进行角域分帧，按照30度的角域，等角域间隔划分360度全角域，一个目标共计分为12帧；

步骤2，对预处理后的舰船训练目标辐射噪声数据和舰船测试目标噪声数据取能量归一化得到它们的时域特征；

步骤3，对舰船训练目标辐射噪声数据每一帧的时域特征沿时间维训练多任务截断stick-breaking先验隐马尔可夫模型，进而确定舰船训练目标辐射噪声数据每一帧的多任务截断stick-breaking先验隐马尔可夫模型的参数；

步骤3具体为，

(3a)把舰船训练目标辐射噪声数据中的每一个数据所提取的时域特征作为一个马尔可夫序列，将沿着舰船训练目标辐射噪声数据中的每个数据的内部单元所构成的马尔可夫序列，代入到多任务截断stick-breaking先验隐马尔可夫模型中；

(3b)通过变分贝叶斯期望最大VB-EM算法，确定舰船训练目标辐射噪声数据每一帧的多任务截断stick-breaking先验隐马尔可夫模型的参数，

步骤3b具体为，

3b1)设置多任务截断stick-breaking先验隐马尔可夫模型中超参数a_α和b_α，变分贝叶斯期望最大VB-EM算法的终止门限ε，作为终止条件；

362)更新截断stick-breaking先验隐马尔可夫模型中的观察值分布参数概率值q(Ω)；

3b3)更新stick-breaking先验参数的概率分布q(β_i)；

3b4)更新初始状态分布的概率值

3b5)更新状态转移矩阵每一行的概率值

3b6)更新每一个目标每一帧的每一个舰船训练目标辐射噪声中隐状态参数分布的概率值q(s^(c，m，n))；

3b7)计算变分贝叶斯期望最大VB-EM算法的下界F；

3b8)计算当前变分贝叶斯期望最大VB-EM算法的下界与上一次变分贝叶斯期望最大VB-EM算法的下界之差ε_差值；

3b9)循环步骤3b2)～3b8)，即可逐步完成多任务截断stick-breaking先验隐马尔可夫模型的隐参数集的更新过程；

3b10)往复迭代步骤3b2)～3b8)，直到3b8)得到的ε_差值小于设定的门限ε时终止；

3b11)当变分贝叶斯EM算法终止时，保存训练完毕的多任务截断stick-breaking先验隐马尔可夫模型中的参数，这些参数即为训练舰船目标辐射噪声数据每一帧的多任务截断stick-breaking先验隐马尔可夫模型的参数；

步骤4，根据确定的舰船辐射噪声数据每一帧的多任务截断stick-breaking先验隐马尔可夫模型的参数计算测试舰船目标辐射噪声数据与训练舰船目标辐射噪声数据的每一帧对应的多任务截断stick-breaking先验隐马尔可夫模型的条件似然函数值；

步骤5，将最大条件似然函数值对应舰船训练目标辐射噪声数据那一帧的类别属性作为舰船测试目标辐射噪声数据的类别属性。

2.根据权利要求1所述的基于舰船辐射噪声时域特征的水声目标识别方法，其特征在于，步骤2进一步包括以下步骤：

(2a)舰船训练目标辐射噪声数据的时域特征归一化

将舰船训练目标辐射噪声的每一个数据分别除以它们自身的范数，完成对舰船训练目标辐射噪声数据能量的归一化；

(2b)舰船测试训练目标辐射噪声数据的时域特征归一化

将舰船测试目标辐射噪声的每一个数据分别除以它们自身的范数，完成对舰船测试目标辐射噪声数据能量的归一化。