[发明专利]一种用于分类识别的线谱增强及特征提取方法

说明书

本发明属于声信号处理技术领域，具体涉及一种用于分类识别的线谱增强及特征提取方法。本发明的方法主要包括、获取船舶噪声信号，并通过短时傅里叶变换得到LOFAR谱；从LOFAR谱中提取线谱，同时保留连续谱；放大提取的线谱的声级，获得增强线谱；将保留的连续谱与增强线谱合并；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。本发明的有益效果是：可以实现在较低信噪比条件下多根频率线谱的检测和增强，并且保留连续谱的信息，提高识别率。

技术领域

本发明属于声信号处理技术领域，具体涉及一种用于分类识别的线谱增强及特征提取方法。

背景技术

水下声音目标的被动探测和识别领域中，利用舰船辐射噪声对舰船类型进行识别是十分常见的。舰船辐射噪声通常由机械噪声，螺旋桨噪声和水动力噪声三部分构成，前两种信号是噪声的线谱和连续谱的主要来源。其中线谱由于具有较高的信噪比，并且携带着声源特征信息，而被广泛研究和应用。但是目前的识别方法中，因为连续谱信息缺乏较为明确的统计学特征，因此只聚焦于对于线谱的提取，通过线谱特征完成目标识别，而忽略了噪声连续谱的信息。

发明内容

本发明针对现有技术的不足，提出了一种新的用于分类识别的线谱增强及特征提取方法，可以实现在较低信噪比条件下多根频率线谱的检测和增强，并且保留连续谱的信息，通过深度神经网络强大的特征提取能力提取增强线谱和连续谱中的特征，作为分类识别的依据。

本发明的技术方案为：

一种用于分类识别的线谱增强及特征提取方法，如图1所示，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。

与传统技术相比，本发明的技术方案中，放大了所得线谱的声级，低信噪比条件下原时频图谱中的线谱与部分噪声谱重叠，不利于凸显线谱信息，影响利用线谱信息进行目标的分类识别，通过放大线谱声级可以提高带内信噪比；与原时频图谱中保留的连续谱合并，得到线谱增强的时频图谱。由于被保留的连续谱同样是船舶辐射噪声的构成部分，同样保留着不易被提取但是对于目标识别有重要作用的特征，所以合并后的线谱增强时频图谱具备更显著的线谱特征和保留的连续谱特征。

本发明的有益效果是：可以实现在较低信噪比条件下多根频率线谱的检测和增强，并且保留连续谱的信息，提高识别率。

附图说明

图1为本发明的逻辑结构示意框图；

图2频域滑动窗口多步决策动态追踪线谱图。

具体实施方式

下面结合附图详细描述本发明的技术方案。

线谱特征函数的定义模拟了人类声呐兵观察LOFAR谱线谱的模式识别过程，其定义如下：

式(1)中，η表示LOFAR图观测窗内的一条求和路径；路径的长度为N，路径上每个像素点依次为P_i(1≤i≤N)，A(η)表征线谱的幅度特性，F(η)表征线谱的频率连续性，T(η)表征线谱的轨迹连续性，λ、μ为加权系数。A(η)、F(η)、T(η)的定义如下：