[发明专利]一种基于概率潜在语义分析的水下目标信号特征提取方法

说明书

本发明公开了一种基于概率潜在语义分析的水下目标信号特征提取方法，包括如下步骤：对混合有噪声的水下目标信号进行处理得到降噪频谱图利用原始频谱图v和降噪频谱图进行频谱可靠性权重计算，得到加权后第n个频段的降噪频谱图S_n；对S_n进行短时傅里叶变换，得到信号对使用频谱三角滤波器进行滤波，得到滤波后的整个频谱对进行矩阵分解，提取具有最高贡献率的前L个特征向量，构成声学子空间；对提取的前L个特征向量进行归一化计算，将归一化后的L个特征向量连接起来，以构建声学特征向量。本发明所公开的方法实现了从时间与频率相结合来反映声音信号特征，可以降低噪声的污染，从而更有效的表征声音信号。

技术领域

本发明涉及一种基于概率潜在语义分析的水下目标信号特征提取方法。

背景技术

海洋资源的开发和利用是实现可持续发展的重要途径，水下目标识别可以更好的进行海洋勘探与海洋生物的保护。水下目标识别技术分为主动识别与被动识别两种，前者利用声纳发射脉冲信号，根据接受的回波信号特征对目标进行判断，优点是回波信号中带有大量反应目标本质特性的信息，但缺点是易于暴露。被动目标识别则可以通过被动声纳接受水下目标辐射噪声特性进行分类判断，隐蔽性比较好，但受噪音干扰较大，接受的信号信噪比低，不利于识别。

目标特征提取是自动水下目标识别技术的核心内容之一，到目前为止，已经出现了一系列对水下噪声信号的特征提取方法，主要有以下几种：基于谱分析的特征提取、基于舰船噪声的非线性特征提取、基于小波变换的特征提取法、神经网络特征提取法以及基于人耳听觉特征的特征提取方法。大量研究表明这些方法在实验室有良好的识别性能，但有一定的不足与限制。

由于舰船结构多样性以及海洋环境复杂性，在信号检测过程中，待检测信号会被噪声污染，严重影响输出波形，直接从待检测信号中提取有效识别的特征比较困难。对水下噪声信号的特征提取方法，主要有以下几种：时域上的波形结构特征提取、频域上的经典谱估计以及时间-频率域上基于小波变换的特征提取等。时域上的波形结构特征提取是基于目标之间的结构、材料或形状之间的差异会反映在其回波形状上，目标差异越明显其波形结构差异越明显，这些差异音隐藏着目标之间的特性，从波形结构里提取目标的分类特征。频域上的经典谱估计是指将信号处理后得到的频谱特征，通过谱估计方法对目标进行辨别，并从中进行目标特征参数提取。基于小波变换的特征提取是将含噪信号进行小波变换，在信噪分离过程中，改变小波系数，从而实现噪声的消除，使得保留的系数为信号所控制。

由于水下目标噪声是一种典型的非线性非平稳随机信号，傅里叶变换分析方法在任一频点上的值是在整个时间轴上的积分平均，不能准确反映非平稳信号的时变特征，且看不到任何时间域内的信息。小波分析虽能同时提供声音信号的时域和频域的局部化信息，但由于基函数的长度有限，在对信号做小波变换时会产生能量泄露，难以对信号做精确的时频域分析。具体存在的缺陷通常来说表现在以下两个方面:

1)传统方法通过时域或者频域单一方向进行特征提取，对于声信号而言，时间与频率都能反映声音信号的特征，传统方法未能将两者结合进行研究，且噪声对准确率的影响较大。

2)对于小波分析而言，虽然能同时提供声音信号的时域和频域的局部化信息，但其时频分辨率不高且不具备自适应能力。

发明内容

为解决上述技术问题，本发明提供了一种基于概率潜在语义分析的水下目标信号特征提取方法，实现从时间与频率相结合来反映声音信号特征，达到降低噪声的污染，从而更有效的表征声音信号的目的。

为达到上述目的，本发明的技术方案如下：

一种基于概率潜在语义分析的水下目标信号特征提取方法，包括如下步骤：

步骤一，对混合有噪声的水下目标信号进行处理得到降噪频谱图

步骤二，利用原始频谱图v和降噪频谱图进行频谱可靠性权重计算，得到加权后第n个频段的降噪频谱图S_n；