[发明专利]一种基于统计分布的舰船辐射噪声特征重组方法

说明书

本发明提出了一种基于统计分布的舰船辐射噪声特征重组方法，根据舰船辐射噪声特性，分别对有限长原始噪声信号进行11/2维谱分析、LOFAR谱分析和DEMON谱分析，并利用统计分析方法获取舰船辐射噪声谱图中线谱及调制谱的概率分布特征。为了降低特征信息冗余，再通过主成分分析法降低特征样本维度构建综合特征样本，最后输入到识别分类器进行训练、识别，实现对舰船辐射噪声的分类。本发明识别效果明显高于单一谱分析特征提取方法，特别是样本数目越多识别正确率越高；能够有效地解决在未知、复杂环境下舰船特征不明显的问题，降低目标错误识别概率；且不仅提高综合特征的识别效率并且算法模型也较为简单。

技术领域

本发明涉及一种基于统计分布的舰船辐射噪声特征重组方法，属于水声目标识别技术领域。

背景技术

水声目标识别是指以非接触、远距离的方式探测目标，并通过识别分类算法实现对水声目标类型的判别，特征重组是通过对已提取的特征进行重新组合来获得更好的分类识别效果的方法。水声目标识别涵盖了水声目标特性分析、水声目标特征提取以及分类器选择与设计三个重要方向，三者之间层层递进缺一不可。目前，用于水声目标特征提取的方法主要有以下四类：1、时域波形特征提取，时域波形特征携带了峰间分布、过零点波长以及过零点波长差分等信息，反映了信号幅度的起伏程度和频率高低、快慢变化等信息；2、时频分析特征提取，时频分析是指分析信号的时频分布，表现信号频率随时间变化情况；3、听觉特征提取，将听觉感知方法应用在水声信号处理中主要包括三种方法：第一种，通过模拟人耳功能的数理模型实现人耳听觉特征提取；第二种，直接从目标辐射噪声中提取音色特征量与响度特征量，作为人耳主观反映听觉的特征；第三种，利用语音信号处理方法，提取经典听觉特征。4、谱分析特征提取，水声目标信号谱特征主要包括线谱特征、连续谱特征、调制谱特征、功率谱特征、高阶谱特征等。

目前，如何解决在未知、复杂的海洋环境噪声背景下，减小舰船辐射噪声类内差异，提高类别间差异，突出反映舰船识别特征是水声目标信号特征提取的研究重点。常见的时域波形特征提取方法有搜寻极值、匹配滤波器以及过零点分布等，其特征提取结果受信噪比影响较大，且缺乏真实物理意义，在不同时空背景下难以对特定目标进行表征。小波变换是一种具有多分辨率的时频分析方法，利用小波基函数将信号分解实现局部细节分析。然而，这一方法对先验条件要求较高，需要知道信号与噪声的频带范围分布，不具备普适性。人耳的听觉模型相比于现有的水声目标识别方法具有更好的鲁棒性，因此听觉特征提取方法具有较高的普适性，有效的应对不同环境不同背景下的水声目标特征提取问题，但因为其模型复杂、计算量大等问题并没有做到完全的推广。

目前，应用最为广泛的特征提取方法是谱分析特征提取方法，该类方法旨在从频域角度分析目标信号频率分布特征，特征结果具有真实物理意义。不同的谱分析方法决定了特征值反映的物理意义有所差异，如LOFAR谱分析反映了时变功率谱信号的频率随时间变化的分布；DOMEN谱分析反映了信号中携带的调制信息；高阶谱分析反映了信号能量在频带上的分布情况等。对于水声目标识别而言，增强特征值对目标样本的表征能力，有效地扩大样本类别间差异，从而提高分类识别效果是特征提取方法研究的重点。相比于单一特征提取方法，基于特征重组的特征表征方法既保留了单一特征提取的准确性，同时做到各方面特征相互补充、扩展和重构，大大提高了特征提取结果的鲁棒性和综合性，在水声目标识别中有重要的应用价值。

发明内容

本发明的目的是提出一种基于统计分布的舰船辐射噪声特征重组方法，在未知、复杂环境背景下，舰船辐射噪声特征提取结果鲁棒性不强、识别效率低的问题。

一种基于统计分布的舰船辐射噪声特征重组方法，所述方法包括以下步骤：

步骤一：获取一段舰船辐射噪声样本数据，对有限长舰船辐射噪声功率谱进行11/2维谱分析，获取低频线谱信息；

步骤二：根据步骤一得到的11/2维谱图中的低频线谱分布，作归一化处理，初步获取低频线谱在各频率区间的概率分布；