[发明专利]一种用于分类识别的线谱增强及特征提取方法

权利要求书

1.一种用于分类识别的线谱增强及特征提取方法，其特征在于，包括以下步骤：

S1、获取船舶噪声信号，并通过短时傅里叶变换得到LOFAR谱；

S2、从LOFAR谱中提取线谱，同时保留连续谱；

S3、放大提取的线谱的声级，获得增强线谱；

S4、将保留的连续谱与增强线谱合并，具体为：增强线谱为计数值图，根据短时傅里叶变换所得到的频率分辨率计算图谱真实频点值，与步骤S1得到的LOFAR谱中的频点对应，将对应时频点的幅值相加，获得线谱增强的LOFAR谱；

S5、采用深度神经网络技术对获得的线谱增强的LOFAR谱进行特征提取，用于分类识别。

2.根据权利要求1所述的一种用于分类识别的线谱增强及特征提取方法，其特征在于，步骤S2中提取线谱的具体方法为：

对LOFAR谱，定义时间轴长度为N，起点为t₁，终点为t_N，频率轴的长度为M，起点为f₁，终点为f_N，定义P_i^j表示时间轴上第i行，频率轴上第j列的像素点，定义表示观测窗口内从t₁到点P_i^j的最优路径，为点P_i^j定义一组三元向量为表征线谱的幅度特性，表征线谱的频率连续性，表征线谱的轨迹连续性；

t₁时刻将每个点的三元组初始化为(a(P₁^j),0,0)，a(P₁^j)表征P_i点的幅值；

从t₂时刻到t_N，在观测窗口中逐行找到长度从2到N的最优路径，设P_i为t_i时刻的任意一点，在t_i-1时刻中与P_i临近的L个点组成一个集合到点P_i的长度为i的最优路径是从的最佳路径得到的，即其中k≤j≤k+L-1，满足

λ、μ为加权系数；

t_N时刻，观测窗内k个点的最优路径分别为则观察窗内长度为N的最优路径为

为LOFAR谱中每一个点设置一个计数器，如果观测窗内的最优路径η*对应的目标函数值O(η*)大于阈值γ，则认为该最优路径上存在线谱，则最优路径上N个点对应的计数器值加1；

移动观测窗口，重复上述步骤，直至观测窗滑动至终止位置，输出计数值图，即为得到的线谱。